[發明專利]一種基于深度學習的多傳感器融合預警預測方法

有效

• 申請號: 202210254252.1
• 申請日: 2022-03-15
• 公開（公告）號: CN114664041B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 楊邦會;胡喬利;孫寧
• 申請（專利權）人: 中科海慧（北京）科技有限公司
• 主分類號: G08B17/00
• 分類號: G08B17/00;G08B21/10;G08B21/18;G08B29/18;H04W4/38
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 陳巍

本發明提出了一種基于深度學習的多傳感器融合預警預測方法,包括洪澇災害傳感器、火災傳感器、旱災傳感器和主控系統，所述主控系統控制洪澇災害傳感器、火災傳感器和旱災傳感器對災難進行預測，所述主控系統將預測后結果傳輸至報警器模塊中，通過報警器模塊進行報警預警處理，所述主控系統將預測后結果傳輸至數據整理模塊，所述數據整理模塊對每次預測的結果進行整理收集；該發明有效避免了單一監測傳感器監測的不足，獲取信息更加全面，減少誤報情況發生，洪災、火災和旱災預警準確率有效提升，充分利用監測傳感器監測數據，融合結果及決策相對普通火災報警器模塊更加準確，火災預警更加高效。

技術領域

本發明涉及預警預測技術領域，具體涉及一種基于深度學習的多傳感器融合預警預測方法。

背景技術

我國地處中緯度季風氣候帶，降水分布極不平衡，地形復雜，新構造運動強烈，自然災害發生的頻度高、危害廣、破壞性大，成災比率高。由于歷史的原因，我國的經濟生產對自然因素的依賴較大，對自然災害的承受能力較弱，每年造成的直接經濟損失占GDP的3-6％，死亡人數數以萬計，根據不完全統計，氣象、地震、洪澇、干旱、地質、火災、臺風等自然災害所導致的直接經濟損失50年代年平均48億，60年代年平均55.6億，70年代年平均59.0億，80年代年平均69億，1990-2000年間為175.3億，進入21世紀以來年均2000億。隨著國民經濟持續高速發展、生產規模擴大和社會財富的積累，災害損失有日益加重的趨勢。1998年長江、松花江、嫩江的特大洪水，1999年太湖流域的洪澇災害，1999年至2001年嚴重的持續干旱，2003年、2007年淮河特大洪澇災害，2006年重慶和四川特大干旱，2008年南方低溫雨雪冰凍災害，2008年汶川地震災害，以及臺風、暴雨、泥石流等災害，均造成嚴重的社會經濟損失。僅汶川地震就造成8000億元經濟損失，死亡人數超過8萬人。

該模塊研究災害預警預測的關鍵技術，面向政府和應急減災部門監測和管理工作需要，制定標準的包含洪災、雪災、火災和評估產品在內的生產技術流程，建立系統架構，開發災害預警預測產品模塊因此本發明提出一種基于深度學習的多傳感器融合預警預測方法以解決現有技術中存在的問題。

發明內容

針對現有技術的不足，本發明提出一種基于深度學習的多傳感器融合預警預測方法，該基于深度學習的多傳感器融合預警預測方法，有效避免了單一監測傳感器監測的不足，獲取信息更加全面，減少誤報情況發生，洪災、火災和旱災預警準確率有效提升，充分利用監測傳感器監測數據，融合結果及決策相對普通火災報警器模塊更加準確，火災預警更加高效。

本發明的技術方案是這樣實現的：一種基于深度學習的多傳感器融合預警預測方法，包括以下步驟；

步驟一：通過洪澇災害傳感器、火災傳感器、旱災傳感器和主控系統進行預測預警，所述主控系統控制洪澇災害傳感器、火災傳感器和旱災傳感器對災難進行預測，所述主控系統將預測后結果傳輸至報警器模塊中；

步驟二：通過報警器模塊進行報警預警處理，所述主控系統將預測后結果傳輸至數據整理模塊；

步驟三：其次通過數據整理模塊對每次預測的結果進行整理收集，所述數據整理模塊將澇災害傳感器、火災傳感器和旱災傳感器造成的災害預測發送至數據評估模塊，所述數據評估模塊對發生的災害進行等級劃分，所述數據評估模塊將數據傳輸至學習記憶整理庫；

步驟四：然后通過學習記憶整理庫對每次發生的災害記錄進行保存便于下次快速評估使用；

步驟五：最后通過數據評估模塊將發生的災害數據導入應對生成模塊，通過應對生成模塊將災害應對方案進行生成便于工作人員作出應對。

進一步改進在于：在所述步驟一中，洪澇災害傳感器預報造成洪澇災害的降雨級別，通過主控系統提取生成災害的信息，通過數據評估模塊進行快速評估，所述火災傳感器對森林火災進行監測和識別，通過數據評估模塊進行災害等級鑒定，所述旱災傳感器對空氣溫濕度氣象信息進行監測，通過數據評估模塊預報造成雪災的降雪級別。