一种森林火灾检测预警方法与流程

本发明涉及火灾预警领域，尤其涉及一种森林火灾检测预警方法。

背景技术：

1、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。

2、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

1、本发明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、高及时性，高准确性的森林火灾检测预警方法。

2、为解决上述发明目的，本发明提供的技术方案如下：

3、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。

4、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。

5、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。

6、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。

7、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。

8、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；

9、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；

10、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；

11、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。

12、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：

13、

14、其中，r是皮尔逊相关系数，xi和yi分别为第i个样本的两个连续变量的取值，和分别为两个变量的样本均值，n为样本数量，如果r大于预设阈值则表明两个变量相关，当存在少量变量间的相关性问题，接着判断这对是否是同一变量在不同时间的取值，如果这对是同一变量在不同时间的取值，保留其中在先时间的取值，利用所有保留下来的输入向量参与计算，所述不同时间包括当前时间、当前时间的前第一预设时间、当前时间的前第二预设时间的；

15、所述样本均衡性检测是通过计算不同类别的样本的数量比例判断不同类别的样本数量是否均衡，如果不同类别的样本数量均衡则不存在样本均衡问题，反正则存在样本均衡问题，如果存在样本不均衡问题并且数据数量充足，从数量较多类别选取部分样本参加模型训练。

16、根据本公开的第二方面，提供了一种森林火灾检测预警装置。该装置包括：第一特征参量单元，用于获取选定传感器采集的森林火灾第一特征参量；第二特征参量单元，用于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；二维向量单元，用于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；预警单元，用于将所述一维向量，二维向量输入训练后的火情监测预警模型；输出单元，用于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。

17、根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

18、根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。

19、上述技术方案，与现有技术相比至少具有如下有益效果：

20、上述方案，提供了一种森林火灾检测预警方法。这种方法通过不同的传感器采集了大量的跟森林火灾有各种关系的环境特征参量的时序数据，称为森林火灾第一特征参量。并且通过现有研究和现有数据分析，通过对贡献率的研究，对这些环境特征参量进行了筛选，选出了和火灾状态有明显的相关性的特征参量，称为森林火灾第二特征参量。同时考虑到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，对森林火灾第二特征参量按照时间维度进行了扩维处理。并对多种模型进行训练，对比，选出最优森林火险预报模型。由此提高了森林火险预报模型的适用性，及时性、和准确性。