[發明專利]一種基于深度學習技術的森林火災預警模型及系統

在審

• 申請號: 202010478816.0
• 申請日: 2020-05-29
• 公開（公告）號: CN111625999A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 張貴;闕華斐;吳鑫;楊志高
• 申請（專利權）人: 中南林業科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06Q10/04;G06Q50/26
• 代理公司: 長沙思創聯合知識產權代理事務所(普通合伙) 43215
• 代理人: 夏興友

1.一種基于深度學習技術的森林火災預警模型，其特征在于，所述森林火災預警模型以深度殘差網絡為核心，其體系結構包括臨近組件、周期組件和外部組件三個組件，其構建流程包括以下步驟：

S1、構建組件，鄰近組件與周期組件使用同樣的由多層卷積神經網絡與殘差單元連接構成的組件單元，外部組件通過提取特征屬性信息并輸入一個兩層完全連接的神經網絡組成；

S2、模型構建，將鄰近組件與周期組件結果進行融合得到殘差分量X_Res，并將其結果再與外部組件X_Ext的輸出進一步集成，通過Tanh函數將繼承結果映射到預測范圍，得到預測結果；

S3、數據準備，使用預處理后的氣象數據，將每個時間間隔內的氣溫、濕度、風速和降水量分別轉換為一個四通道的近似圖像的矩陣；將連續的圖像矩陣按照時間順序構建一組時間序列數據集；將時間序列數據分為兩部分，一部分作為訓練集用于模型訓練，一部分作為驗證集用于模型驗證；

S4、模型訓練，利用訓練集，按照特定的時間間隔，將時間片段中的圖像矩陣輸入到對應的鄰近組件與周期組件；將對應時間的外部數據輸入外部組件；通過模型求出預測結果與所預測時間的真實結果比對計算誤差，通過迭代反復運行獲得模型內部參數，實現模型自動調優；

S5、模型驗證，利用驗證集進行S4同樣的步驟對模型進一步優化，得到效果較好的模型。

2.根據權利要求1所述的基于深度學習技術的森林火災預警模型，其特征在于，所述鄰近組件和周期組件具有相同的網絡結構，均由卷積和殘差單元兩部分組成。

3.根據權利要求1所述的基于深度學習技術的森林火災預警模型，其特征在于，所述外部組件結構中以歷史火情發生的日期以及節假日作為外部隱私的特征向量E_t。

4.根據權利要求2所述的基于深度學習技術的森林火災預警模型，其特征在于，所述網絡結構為多層卷積神經網絡，鄰近組件采用每個時刻的鄰近幾個時刻[X_t-i、X_t-(i-1)、…、X_t-1]一起建模，并將該軸連接成一個張量最后再進行卷積，如

上式中*為卷積運算，f表示一個激活函數，則為第一層學習的參數。

5.根據權利要求1所述的基于深度學習技術的森林火災預警模型，其特征在于，所述步驟S3中的數據預處理包括：

A1、將實驗區域進行網格狀分區；

A2、收集試驗區內氣象站的數據，按照分隔后的網格大小進行克里金插值分析，生成各氣象因子的連續分布柵格數據；

A3、將各氣象因子進行歸一化處理，將數據全部轉化為[-1，1]之間，歸一化公式如下：y＝2×(x-x_min)/(x_max-x_min)-1，式中x為對應的每個數據，y為歸一化后的結果，x_min為該類數據中最小值，x_max為該類數據中的最大值；

A4、計算森林火災天氣指數，采用各氣象因子要素梯度打分并求和的過程，再對HTZ值進行梯度等級劃分以獲得不同的火警等級。

6.一種基于權利要求1-5任意一項所述的森林火災預警模型構件的森林火災預警系統，其特征在于，所述系統采用分層的結構，各層之間相互獨立，包括數據資源層、服務層、業務層和應用層；所述數據資源層包括柵格矢量數據，所述服務層負責對數據的處理以及為預測提供運算環境；所述業務層負責數據管理以及火險預測；所述應用層實現數據的展示、查詢及可視化操作。

7.根據權利要求6所述的森林火災預警系統，其特征在于，所述數據資源層包括基礎地理數據模塊、氣象數據模塊、遙感數據模塊和元數據模塊。

8.根據權利要求6所述的森林火災預警系統，其特征在于，所述服務層包括深度學習計算框架模塊、數據推送模塊和數據空間插值模塊。

9.根據權利要求6所述的森林火災預警系統，其特征在于，所述業務層包括火險預測模塊、基礎地理數據管理模塊、氣象數據采集和管理模塊和遙感數據處理及管理模塊；所述應用層包括展示模塊和火險查詢模塊。