[發明專利]多維數據整合下的火災預測系統

在審

• 申請號: 202210455233.5
• 申請日: 2022-04-24
• 公開（公告）號: CN114792163A
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 李強;吳亞蕊;胡銓懿;蒯云青;孫偉;王付義
• 申請（專利權）人: 山東強力消防工程有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26;G06F16/2458;G06F17/18
• 代理公司: 濟南知來知識產權代理事務所(普通合伙) 37276
• 代理人: 曹麗

本發明公開了多維數據整合下的火災預測系統。包括：數據獲取單元，配置用于獲取目標監測區域的多方向數據，并將多方向數據進行方向分離，得到多個不同方向的變量；多方向數據包括：時間方向數據、空間方向數據和固有數據；數據整合單元，配置用于將時間方向數據作為變量，使用第一異常判斷模型進行一維數據整合，得到一維數據整合結果，然后以一維數據整合結果作為前置條件，以空間方向數據為變量，使用第二異常判斷模型進行二維數據整合，得到二維數據整合結果，最后以二維數據整合結果作為前置條件。其通過從空間維度、時間維度和自身維度的數據進行整合，基于條件概率的思想，進行火災概率判斷，具有判斷準確率高的優點。

技術領域

本發明屬于災害預測技術領域，具體涉及多維數據整合下的火災預測系統。

背景技術

農田秸稈焚燒、草原和森林的意外或偶發性火災除可能造成空氣污染、生態系統破壞外，還可能造成人口和財產損失。近年來，人為和氣候等原因導致的火災，尤其是農林草復合區火災頻發，然而由于農田與林草地發生火災的驅動因素不同，且二者火災發生的時間區段等差異也較明顯，因此進行火災的分類預測和預警十分重要。

進行火災預測預警，需要從歷史數據中得到火災發生的時間、地點、焚燒面積、頻率等信息。想要準確的獲得這些信息，需要通過熱紅外獲得燃燒的時間點或通過多光譜數據獲得燃燒痕跡信息，再以此推算火災發生的時間、地點、強度等信息。因此，現有方法中存在一些主要通過熱紅外異常信息的識別來獲得火災的發生時間的方法，以及一些基于燃燒痕跡的預測預警方法。

專利申請號為CN202010448952.5A的專利文獻公開了一種基于動態集成神經網絡的多源信息融合火災預測方法，采用創新性的邏輯設計，基于多源信息融合方法建立火災預測模型，將多種火災特征信號依次經過信息層、特征層、決策層，在特征層利用深度學習中的LSTM和RBF-BP神經網絡作為子網絡對多源火災特征信號進行自適應學習，并將輸出結果進行集成分析，再經決策層完成火災預測，解決了火災信號的時變性和非線性特點以及單特征信號火災預測方法的高漏報率和誤報率問題，有效提高了火災預測系統的識別準確度。

該發明使用的是基于深度學習和特征融合的方法，雖然能夠提高火災預測的準確率，但該方法本質上還是基于特征的融合，特征雖然能夠反映數據整體的特征，但對于某些不明顯的特征無法考慮到，使得準確率和效率上都不盡人意。

發明內容

有鑒于此，本發明的主要目的在于提供多維數據整合下的火災預測系統，其通過從空間維度、時間維度和自身維度的數據進行整合，基于條件概率的思想，進行火災概率判斷，具有判斷準確率高的優點。

為達到上述目的，本發明的技術方案是這樣實現的：

多維數據整合下的火災預測系統，所述系統包括：數據獲取單元，配置用于獲取目標監測區域的多方向數據，并將多方向數據進行方向分離，得到多個不同方向的變量；所述多方向數據包括：時間方向數據、空間方向數據和固有數據；數據整合單元，配置用于將時間方向數據作為變量，使用第一異常判斷模型進行一維數據整合，得到一維數據整合結果，然后以一維數據整合結果作為前置條件，以空間方向數據為變量，使用第二異常判斷模型進行二維數據整合，得到二維數據整合結果，最后以二維數據整合結果作為前置條件，以固有數據作為變量，使用第三異常判斷模型進行三維數據整合，得到三維數據整合結果；所述第一異常判斷模型、第二異常判斷模型和第三異常判斷模型均為異常判斷模型，基于前置條件和/或變量，進行概率計算，得到一維數據整合結果、二維數據整合結果或三維數據整合結果；火災判斷單元，配置用于基于一維數據整合結果、二維數據整合結果和三維數據整合結果進行火災預測，得到預測結果。

進一步的，所述時間方向數據包括：同一目標監測區域，不同時間發生火災的頻次、溫度數據、濕度數據，以及不同光譜率下的光譜數據和熱紅外數據。

進一步的，所述空間方向數據定義為：將同一目標監測區域劃分為多個子區域，這些子區域在同一時間下，發生火災的頻次、溫度數據、濕度數據，以及不同光譜率下的光譜數據和熱紅外數據。