不确定性，可以采用非线性动力学理论对其进行研究。目前，许多学者开始从事这方面研究，在金融数据预测气象预测原油价格预测等领域应用较为广泛。卢山采用非线性动力学中理论对主要地区股票指数进行了非线性检验并分析了时间序列确定性，这为金融数据预测奠定了基础。也有许多学者将非线性动力学研究与其他理论相结合，比如小波变换神经网络等。具有代表性有杨文将重构向量作为神经网络输入对上证指数进行预测，提出了种基于神经网络与非线性信号分析相结合二极管谐振器混沌电路信号预测方法。目前基于火灾时间序列非线性动力学研究还很少，本文研究如何应用非线性动力学理论对火灾时间序列进行分析和预测。主要工作本文以我国年火灾发生起数死亡人数受伤人数以及人均经济损失这四项火灾时间序列为研究对象，根据火灾时间序列数据特点，提出了有效火灾时间序列预测方法。本文主要研究工作如下研究了火灾时间第章引言第章引言研究背景及意义随着社会经济发展水平不断提高，导致发生火灾时变因素也随之增加，如人类过量开发自然资源导致气候条件恶化，城市人口密度增加以及经济发展水平不致等，这些动态因素作用结果综合反映在火灾发生次数上。据统计，我国年至年共发生火灾万起，年均万起，特别是年以来，火灾年均发生起数上升到万起。由火灾造成直接经济损失也从年代前年均经济损失亿元上升到年均损失亿元。火灾成为了影响社会经济政治稳定发展主要自然灾害之，人们期望对火灾时间序列进行预测，如预测未来段时间内火灾可能发生起数，提前为政府相关部门提供科学决策依据，从而减少火灾造成损失。火灾时间序列分析预测是火灾复杂系统领域中个重要课题，次火灾发生具有随机性和不可预测性，但定区域段时间内火灾发生具有定规律性。由于传统数理统计方法需要大量统计数据，计算工作量大，加上我国消防工作真正实行数据统计时间并不长，得到数理统计所需要大样本数据十分困难。而对于确定性系统内具有内在随机性复杂火灾系统而言，很难通过个简单确定数学模型来分析火灾时间序列并做出预测。由观测或实验手段获取时间序列来分析原始复杂系统不再仅仅局限于用统计方法进行研究，非线性动力学是定量研究复杂系统种有效方法，可以通过选取合理预测理论和方法，根据对火灾时间序列过去和现在系统状态分析，研究火灾时间序列内在变化规律，做出对火灾事故未来状态探讨。因此，如何由获取火灾时间序列来分析刻画出原动力系统，并选取适用于小样本火灾时间序列预测方法，建立正确预测模型，是本文所要解决问题。研究现状火灾预测模型研究现在已从稳态模型发展到与时间有关模型。总体来说，目前运用于时间序列预测方法主要有基于灰色理论，预测模型神经网络支持向量回剧以及基于非线性动力学理论方法。第章引言世纪年代初，邓聚龙教授创立了种应用较为广泛预测方法灰色系统理论。它实质是对原始随机数列采用生成信息处理方法，弱化其随机性，使原始数据序列转化为易于建模新序列。灰色理论出现极大推动了我国火灾预测研究发展，目前，我国应用灰色理论开展了预测火灾损失城市分时段火灾以及火灾趋势等工作，具有代表性有徐志胜等应用了灰色理论中灾变预测火灾发生灾变年份进行了预测分析，实验表明此模型适用于短期预测，长期预测还需对模型进行修郑双忠应用等维灰色递补动态预测模型对原始数据预处理及变换，进行分时段预测城市火灾姜学鹏应用灰色拓扑预测理论方法，对我国火灾发生趋势进行了分析预测。此模型是根据现有波形预测未来波形，所得到是种在定闽值内上下限区间内波形。同时由于至少个数据才能建模制约条件，这样预测结果只能是对系统平滑模拟，并不能反映系统中“突变”现象。研究发现，尽管灰色预测精度较高，且所需样本数较少，计算比较简单，但基本灰色预测算法存在很多缺陷，如对于光滑离散函数建模，在数据序列随机性较大时预测结果误差较大。神经网络具有强大数据拟合能力，目前已被广泛用于模式分类和回归分析各个领域。近年来，随着对火灾预测深入研究，为了对火灾发生次数及其带来各项灾害指标数据进行准确有效地估算和预测，周长春等利用人工神经网络特点对城市火灾事故起数进行了预测姜波就灰色系统与神经网络融合方法进行了探讨。在其他领域中，基于神经网络预测法也发挥着重要作用，文献，对于神经网络在其他领域中应用做了进步研究。分析结果认为，神经网络预测方法模拟人大脑活动，能够很好地解决传统预测方法须事先构造函数不足。但这种方法需要大量训练数据，而现实中获得这些数据并非易事，从而使基于神经网络方法欠缺可操作性。支持向量回归是门重要机器学习技术。它基本思想是通过把输入数据映射到更高维特征空间来构造非线性回归函数引。其优点在于可以很好对训练数据进行学习并适合非线性小样本时间序列，为火灾预测问题增加了种新尝试方法。夏太武提出种基于加权支持向量回归算法火灾预测方法。林峰基于支持向量机和神经网络时间序列分析预测方法，对火灾时间序列进行分析建模与预测，文中表明如果时间序列统计规律不发生变化，则支持向量模型可以较好实施预测如果统计规律发生变化，则需要对时间序列信号采样率进行调解。而在火灾时间序列预测中，数据往往是非第章引言线性非平稳，从而增加了预测难度。火灾发生具有随机性，国内大部分用灰色理论神经网络对其随机性进行预测，而用马尔柯夫模型对火灾预测还是很少。灰色理论对分时段火灾状况预测较为精确，神经网络模型必须在训练数据足够多情况下才能准确预测火灾事故，而马尔柯夫链可以对长时间火灾等级做出预测。根据火灾序列“大体具有马尔柯夫性”特点，有学者提出根据模糊马尔柯夫理论和方法进行火灾预测。姜学鹏等利用模糊马尔柯夫模型对我国火灾起数进行了预测。张学林等对现有火灾发生率进行分级，并应用马尔可夫链对城市火灾等级进行了预测。此类方法般需要较多历史数据，历史数据越多，预测精度才越高。同时状态数目确定和状态具体划分，以及预测步数确定都将对预测结果准确性产生影响。随着非线性动力学发展，人们发现复杂动力系统内部存在不确定性，可以采用非线性动力学理论对其进行研究。目前，许多学者开始从事这方面研究，在金融数据预测气象预测原油价格预测等领域应用较为广泛。卢山采用非线性动力学中理论对主要地区股票指数进行了非线性检验并分析了时间序列确定性，这为金融数据预测奠定了基础。也有许多学者将非线性动力学研究与其他理论相结合，比如小波变换神经网络等。具有代表性有杨文将重构向量作为神经网络输入对上证指数进行预测，提出了种基于神经网络与非线性信号分析相结合二极管谐振器混沌电路信号预测方法。目前基于火灾时间序列非线性动力学研究还很少，本文研究如何应用非线性动力学理论对火灾时间序列进行分析和预测。主要工作本文以我国年火灾发生起数死亡人数受伤人数以及人均经济损失这四项火灾时间序列为研究对象，根据火灾时间序列数据特点，提出了有效火灾时间序列预测方法。本文主要研究工作如下研究了火灾时间然存在种随机性，且随机性主要反映在残差序列中，为了提高传统支持向量回归模型预测精度，本文提出了种基于马尔科夫状态转移残差修正有效预测方法。针对火灾时间序列具有非线性非平稳特点以及支持向量回归模型中需要人为设定嵌入维数等问题，本文提出了基于和多变量相空间重构预测模型。该方法将通过分解得到具有不同尺度模式分量作为多变量时间序列，减小时间序列非平稳性对模型影响。然后采用多变量相空间重构理论重构出能反映其相空间状态多维特征向量，进而估计出建模所需合理嵌入维数，有效解决了支持向量回归模型中存在维数设定问题。展望火灾系统十分复杂，很难通过个简单确定数学模型来分析火灾时间序列并做出预测，本文对火灾时间序列预测课题做了初步研究，但是在实际研究过程中尚有许多问题亟待解决进步完善最佳模型参数选取。参数选取对预测效果影响较大，如高斯核函数宽度，对参数选取研究有待深入，特别是如何利用数据样本来选取参数。本文所提出两种预测模型属于非线性模型，相对于线性模型而言，计算多步预测值很困难，火灾时间序列多步预测问题有待于深入研究。致谢致谢本论文是在导师张烨副教授悉心指导和关怀下完成。在我攻读研究生期间，导师不仅为我提供了良好学习环境，更在学习和生活中给了我很多帮助和鼓励。张老师丝不苟工作态度，勇于创新积极进取敬业精神，是我今后工作与学习榜样。值此论文完成之际，我非常感谢我导师对我多年来鼓励和教诲。同时，在研究生期间得到了电子信息工程系各位老师帮助和教益，在此对各位老师表示深深地感谢。感谢同学们对我帮助和关心，感谢宿舍姐妹们对我鼓励和支持。我要感谢我父母和亲人，谢谢你们二十年来在我求学路上对我默默支持。是你们直在关怀鼓励着我，让我能够坚强面对学习生活中各种挑战。最后衷心感谢在百忙之中评阅我论文和参加答辩各位专家教授们。田雯年月参考文献参考文献邓聚龙灰色理论基础武汉华中科技大学出版社，仃，徐志胜，自国强，冯凯等灰色预测理论在火灾损失预测中应用湘潭矿业学院学报郑双忠基于灰色系统理论城市火灾预测分析数学实践与认识姜学鹏，徐志胜我国火灾起数灰色拓扑预测火灾科学周长春，陈勇刚基于人工神经网络城市火灾事故预测方法中国安全科学学报姜波灰色系统与神经网络分析方法及其应用研究华中科技大学夏太武基于支持向量机火灾预测系统研究电子科技大学，林峰火灾信息时间序列分析消防理论研究姜学鹏，徐志胜，冷彬火灾预测模糊马尔柯夫模型灾害学张学林，孙志友，汪金辉基于马尔可夫链城市火灾预测火灾科学第章引言第章引言研究背景及意义随着社会经济发展水平不断提高，导致发生火灾时变因素也随之增加，如人类过量开发自然资源导致气候条件恶化，城市人口密度增加以及经济发展水平不致等，这些动态因素作用结果综合反映在火灾发生次数上。据统计，我国年至年共发生火灾万起，年均万起，特别是年以来，火灾年均发生起数上升到万起。由火灾造成直接经济损失也从年代前年均经济损失亿元上升到年均损失亿元。火灾成为了影响社会经济政治稳定发展主要自然灾害之，人们期望对火灾时间序列进行预测，如预测未来段时间内火灾可能发生起数，提前为政府相关部门提供科学决策依据，从而减少火灾造成损失。火灾时间序列分析预测是火灾复杂系统摘要摘要发生火灾原因与许多时变因素密不可分，如气候人口密度以及经济发展水平等，观测得到火灾时间序列正是这些动态因素综合作用结果。次火灾发生具有随机性，但个地区段时间内火灾发生具有定规律性。本文以我国年到年火灾发生起数死亡人数受伤人数以及人均经济损失为研究对象，通过分析火灾时间序列非线性动力学特性，恢复并刻画出火灾时间序列原始动力系统，提出适用于小样本火灾时间序列预测方法，建立具有高精度预测模型。针对随机波动性大火灾时间序列其分布必然存在种随机性，且随机性主要反映在残差序列中，本文提出了种基于支持向量回归和马尔科夫状态转移理论火灾时间序列预测方法。此方法利用支持向量回归建立火灾时间序列预测模型，并采用马尔科夫状态转移理论来减小前步预测误差。由于实际火灾时间序列具有非线性非平稳特点，不适合直接用来作为支持向量预测模型输入，为了减小时