论文标题：Simulating Forest Fire Spread with Cellular Automation Driven by a LSTM Based Speed Model

期刊： Fire

作者：Xingdong Li et al.

发表时间：20 January 2022

DOI：10.3390/fire5010013

微信链接：

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2650062227&idx=3&sn=

cf2c06ad6e061d3dc2270bdd26f628d3&chksm=f1d90757c6ae8e4139da1273abc956c01

b196346e5bfcae5ee498776531d681fa7bad4b688c3&token=1267831838&lang=zh_CN#rd

期刊链接：

https://www.mdpi.com/journal/fire

作者介绍

李兴东

2015年毕业于哈尔滨工业大学机械电子工程专业，获工学博士学位，现任东北林业大学机电工程学院副教授。

主要研究方向：森林火灾智能防控技术、机器人视觉技术、应急机器人技术等。

张铭显

目前正在东北林业大学机电工程学院攻读硕士学位。

主要研究方向：基于深入学习的森林火灾蔓延模型研究等。

文章导读

森林火灾是一种全球性的自然灾害。对森林火灾蔓延的精确模拟可以有效地减少人员伤亡和财产损失。本研究提出了将元胞自动机 (Cellular Automata, CA) 与LSTM相结合的森林火灾蔓延模型 (LSTM-CA)。研究采用LSTM模型对森林火灾蔓延速率进行预测；元胞自动机模型用于模拟森林火灾蔓延过程。基于风与火的相互作用，作者提出了充分利用火蔓延速率对时间依赖的S-LSTM算法。为了模拟森林火灾的实际蔓延，根据不同坡度和风向设计了15种相同结构的火蔓延速率模型，并基于实验数据对基于LSTM的模型进行了训练，同时在CA模型中添加了三个修正规则，最后通过KAPPA系数、豪斯多夫距离等多种评价方法验证了方法的可行性。

图1. 基于LSTM速度模型为驱动的元胞自动机模拟林火蔓延模型流程图。

研究过程与结果

一、基于LSTM与CA的火蔓延模型构建

在本研究中，LSTM将历史的风速和火蔓延速率作为输入来预测未来的火蔓延速率。在普通的LSTM模型中，风速和火蔓延速率同时被输入到LSTM单元的输入门、输出门和遗忘门。风和火速之间的相互作用通过LSTM单元中的网络连接来反映出来。在S-LSTM模型中，风速与火速之间不仅通过模型网络相互影响，还将风速控制LSTM的遗忘门。LSTM和S-LSTM单元结构如图2、3所示。

图2. 普通LSTM单元结构。

图3. S-LSTM单元结构。

本研究通过S-LSTM预测火蔓延速率，选择元胞自动机作为传播方法。在元胞自动机模型中，作者对每个元胞赋予现有植被覆盖度、坡向、坡度三种参数用于对S-LSTM预测结果的修正，并根据元胞燃烧区域面积占元胞总面积的比值设定元胞的三种状态，以及设置了四条元胞转换规则。

图4. LSTM-CA模型框架。

二、实验设置

为了验证所研究的方法，作者设计了上坡、下坡、平坡三种不同坡度，以及火灾蔓延方向与风向的五种夹角共计15种火灾蔓延实验。15种火灾蔓延实验如图5所示。

图5. 三种坡度、五种火蔓延方向与风向之间夹角，共15种火灾蔓延实验。从左到右，风向与火力扩散方向的夹角分别为0°、45°、90°、135°、180°。

三、火速率预测及火蔓延模型结果分析

为了验证普通LSTM与S-LSTM两种模型对火蔓延速率的预测性能，首先，本研究对训练和验证损失曲线进行了分析，其次分析了两种模型在测试集上预测的均方误差。最后得出S-LSTM预测火蔓延速率的准确性优于普通的LSTM模型。

图6. 基于15种实验收集的数据集，普通LSTM和S-LSTM的训练损失和验证损失曲线图。

图7. 普通LSTM和S-LSTM模型在15种实验数据集上预测火蔓延速率的MSE。

本研究采用S-LSTM模型和元胞自动机相结合的LSTM-CA模型对森林火灾蔓延进行了模拟；同时利用LSTM-CA模型和ELM-CA模型对美国3场森林火灾进行了模拟分析。虽然通过漏分误差与错分误差不能体现LSTM-CA模型的优越性，但通过对KAPPA系数和豪斯多夫距离的分析，LSTM-CA的模拟结果与实际结果达到高度一致性，其精度也要高于ELM-CA模型。结果表明LSTM-CA模型具有较高的精度，在模拟森林火灾蔓延方面是可行的。

图8. LSTM-CA和ELM-CA模型模拟结果与实际结果的KAPPA系数和豪斯多夫距离对比。

研究总结

林火蔓延过程中受到多种因素的影响，在S-LSTM对火蔓延速率预测时会存在误差累积，以及在实验室部分数据采集时有误差存在，导致对各场火蔓延模拟性能不同。在日后的研究中，继续深入各影响因素对火蔓延速率的影响并加入动态优化的方法提高模拟精度将成为重点。

原文出自Fire期刊

Li, X.; Zhang, M.; Zhang, S.; Liu, J.; Sun, S.; Hu, T.; Sun, L. Simulating Forest Fire Spread with Cellular Automation Driven by a LSTM Based Speed Model. Fire 2022, 5, 13.

Fire期刊介绍

主编：Alistair M. S. Smith, University of Idaho, USA

期刊主题包括火灾的科学、政策、技术、以及它们与社区和环境相互作用的方式；耐火材料；能源、燃料、空气质量等与火相关的最新科学理论、技术及应用等。

2020 CiteScore: 3.7

Time to First Decision: 15.5 Days

Time to Publication: 40 Days