一种森林火灾检测预警方法技术

本发明专利技术提供了一种森林火灾检测预警方法

【技术实现步骤摘要】
一种森林火灾检测预警方法


[0001]本专利技术涉及火灾预警领域，尤其涉及一种森林火灾检测预警方法
。

技术介绍

[0002]野外夜间超低照度条件下，对森林防火敏感地带的监测与防控较为不足
。
[0004]普遍的，当前的预警监测系统在森林防火的监测与预警方面依然存在一定问题
。
其中，最主要的是现有森林火险预报模型存在适用性低，及时性差
、
准确性低等情况
。
适用性不足的主要原因是现有森林火险预报模型对模型特征参量的贡献率考虑不足
。
例如国内试验研究成果发现，对于早期林火监测识别，在环境温差变化不大，无明显降雨的状况下，未发现温度
、
湿度与火灾状态有明显的相关性
。
其贡献率远小于
CO
浓度
、CO。
浓度以及烟雾浓度
。
但是温度
、
湿度依然是常用特征参量
。
模型及时性准确性不足的主要原因是缺乏对特征参量存在时间上的连续性与相关性的考虑
。
例如，各种特征参量在不同的时间点对森林火险预报有不同的作用，但是各种变量常采用单一时间点采样的做法
。

技术实现思路

[0005]本专利技术提供了一种森林火灾检测预警方法，不仅考虑了模型变量的贡献率，还考虑了变量存在时间上的连续性与相关性
。
基于机器学习和大数据等技术，加强了精确预警模型构建技术，实现高适用性r/>、
高及时性，高准确性的森林火灾检测预警方法
。
[0006]为解决上述专利技术目的，本专利技术提供的技术方案如下：
[0007]根据本公开的第一方面，提供了一种森林火灾检测预警方法
。
该方法包括：获取选定传感器采集的森林火灾第一特征参量；对所述森林火灾第一特征参量进行分析，确定森林火灾第二特征参量；将所述森林火灾第二特征参量作为一维向量，加入传感器测量时间与数据维组合形成二维向量；将所述一维向量，二维向量输入训练后的火情监测预警模型；输出得到预测的火灾等级，根据所述预测的火灾等级，制定不同森林火灾的预警方案
。
[0008]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述森林火灾第一特征参量包括：
CO
浓度
、CO2
浓度
、
烟雾浓度
、
颗粒物
PM2.5
浓度
、
颗粒物
PM10
浓度
、
颗粒物
PM100
浓度，以及如下至少一种：火焰
、
空气温度
、
空气湿度
、
大气压力
、
风速
、
光照
。
[0009]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，对所述森林火灾第一特征参量进行分析，确定森林火灾第二特征参量，具体包括：根据现有数据分析和研究结果，对所述森林火灾第一特征参量进行分析，确定和火灾发生相关性最高的特征参量，为森林火灾第二特征参量，所述火灾发生相关性最高的特征参量包括
CO
浓度
、CO2
浓度
、
烟雾浓度
、
颗粒物
PM2.5
浓度
、
颗粒物
PM10
浓度
、
颗粒物
PM100
浓度
。
[0010]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述
S3
的将所述森林火灾第二特征参量作为一维向量，加入传感器测量时间与数据维组合形成二维向量，具体包括：将所述
CO
浓度
、CO2
浓度
、
烟雾浓度
、
颗粒物
PM2.5
浓度
、
颗粒物
PM10
浓度
、
颗粒物
PM100
浓度作为6个一维向量；将所述6个一维向量与当前时间
、
当前时间的前第一预设时
间
、
当前时间的前第二预设时间组合成为6个二维向量，组合作为
18
个输入向量
。
[0011]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述火情监测预警模型的训练方法包括：获取多组所述
18
个输入向量；基于传感器位置时间和火灾发生位置和时间，给每组添加标签，所述标签包括火灾等级；将所述多组所述
18
个输入向量和标签分为训练数据和检测数据，分别输入不同的火情监测预警模型进行训练和验证，得到最优的火情监测预警模型
。
[0012]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述得到最优的火情监测预警模型包括：选择不同火情监测预警模型，所述不同的火情监测预警模型包括以下至少一种：决策树模型
DT、
随机森林模型
RF、
轻量级梯度提升机
lightGBM、
多层感知机
MLP、
朴素贝叶斯
NB、
极端梯度提升树
Xgboost、
支持向量机
SVM
；
[0013]对验证数据进行变量间的相关性检测，当所述
18
个输入向量中，多个输入向量存在变量间的相关性问题，轻量级梯度提升机
lightGBM
为最优的火情监测预警模型，所述轻量级梯度提升机
lightGBM
在分类过程中，利用当前节点的直方图信息中计算出最佳分裂点，导致高度相关变量产生聚合效果；
[0014]对验证数据进行样本均衡性检测，当样本数量少而且存在样本均衡性问题时，随机森林模型
RF
为最优的火情监测预警模型，所述随机森林模型
RF
通过采用欠采样方法处理样本均衡性问题，所述欠采样方法不影响后续的随机选择样本和输入向量步骤；
[0015]利用检测数据进行模型准确性检测，当所述
18
个输入向量不存在变量间的相关性问题和样本均衡性问题，利用检测数据比较不同的火情监测预警模型的准确率，准确率最高的模型为最优的火情监测预警模型
。
[0016]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述变量间的相关性检测是采用皮尔逊相关系数对
18
个输入向量进行两两相关系数计算，所述皮尔逊相关系数为：
[0017][0018]其中，
r
是皮尔逊相关系数，
x
i
和
y
i
分别为第
i
个样本的两个连续变量的取值，和分别为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种森林火灾检测预警方法，其特征在于，所述方法包括：
S1、
获取选定传感器采集的森林火灾第一特征参量；
S2、
对所述森林火灾第一特征参量进行分析，确定森林火灾第二特征参量；
S3、
将所述森林火灾第二特征参量作为一维向量，加入传感器测量时间与数据维组合形成二维向量；
S4、
将所述一维向量，二维向量输入训练后的火情监测预警模型；
S5、
输出得到预测的火灾等级，根据所述预测的火灾等级，制定不同森林火灾的预警方案
。2.
根据权利要求1所述的方法，其特征在于，所述森林火灾第一特征参量包括：
CO
浓度
、CO2
浓度
、
烟雾浓度
、
颗粒物
PM2.5
浓度
、
颗粒物
PM10
浓度
、
颗粒物
PM100
浓度，以及如下至少一种：火焰
、
空气温度
、
空气湿度
、
大气压力
、
风速
、
光照
。3.
根据权利要求2所述的方法，其特征在于，所述
S2
的对所述森林火灾第一特征参量进行分析，确定森林火灾第二特征参量，具体包括：根据现有数据分析和研究结果，对所述森林火灾第一特征参量进行分析，确定和火灾发生相关性最高的特征参量，为森林火灾第二特征参量，所述火灾发生相关性最高的特征参量包括
CO
浓度
、CO2
浓度
、
烟雾浓度
、
颗粒物
PM2.5
浓度
、
颗粒物
PM10
浓度
、
颗粒物
PM100
浓度
。4.
根据权利要求3所述的方法，其特征在于，所述
S3
的将所述森林火灾第二特征参量作为一维向量，加入传感器测量时间与数据维组合形成二维向量，具体包括：将所述
CO
浓度
、CO2
浓度
、
烟雾浓度
、
颗粒物
PM2.5
浓度
、
颗粒物
PM10
浓度
、
颗粒物
PM100
浓度作为6个一维向量；将所述6个一维向量与当前时间
、
当前时间的前第一预设时间
、
当前时间的前第二预设时间组合成为6个二维向量，组合作为
18
个输入向量
。5.
根据权利要求4所述的方法，其特征在于，所述火情监测预警模型的训练方法包括：
S1、
获取多组所述
18
个输入向量；
S2、
基于传感器位置时间和火灾发生位置和时间，给每组添加标签，所述标签包括火灾等级；
S3、
将所述多组所述
18
个输入向量和标签分为训练数据和检测数据，分别输入不同的火情监测预警模型进行训练和验证，得到最优的火情监测预警模型
。6.
根据权利要求5所述的方法，其特征在于，所述得到最优的火情监测预...

【专利技术属性】
技术研发人员：冀小平，李迎顺，夏宗海，张传升，邵进智，
申请(专利权)人：太极计算机股份有限公司，
类型：发明
国别省市：