摘要： 森林火灾作为一种常见的自然灾害，影响因素众多，一旦发生将会造成严重损失。基于“分解-重构”的研究思路，采用集合经验模态分解EEMD对森林火灾成灾面积时间序列进行特征分解，将提取出的特征分量分别代入长短期记忆网络LSTM模型进行预测，由各分量的预测值叠加重构得到最终的森林火灾成灾面积预测值。选取我国 1992—2017年的全国森林火灾成灾面积作为样本数据进行应用验证，结果表明，与单一BP 和LSTM 神经网络模型相比，本文所建EEMD-LSTM预测模型平均绝对误差MAE的预测性能分别提高了33.7%和41.8%，均方根误差RMSE的预测性能提高了28.8%和39.1%，预测精度明显优于另外2种模型，在森林火灾预报研究领域具有一定的应用价值。

关键词: EEMD；LSTM；森林火灾成灾面积；预测模型

中图分类号: 

• S762.2