一种地表可燃物含水率的预测方法及系统、服务器技术方案

本发明专利技术提供一种地表可燃物含水率的预测方法及系统、服务器，包括以下步骤：获取作为采集样本的地表可燃物在各个样本周期的地表可燃物含水率；在每个采集样本对应的样本周期，在采集样本所在地表获取微型气象站、红外水分仪和土壤水分仪实时监测的传感器数据；基于获取的传感器数据，采用随机森林算法获取地表可燃物含水率的初次预测值；基于地表可燃物含水率的初次预测值、土壤水分仪和红外水分仪获取的地表可燃物含水率的测量值，使用支持向量回归机算法获取地表可燃物含水率的最终预测值。本发明专利技术的地表可燃物含水率的预测方法及系统、服务器利用多传感器信息融合的方法进行森林环境中可燃物含水率的快速预测，且准确度高。

【技术实现步骤摘要】
一种地表可燃物含水率的预测方法及系统、服务器
本专利技术涉及一种预测方法及系统，特别是涉及一种地表可燃物含水率的预测方法及系统、服务器。
技术介绍
森林火灾是当今世界发生面广、突发性强、破坏性大、处置扑救较为困难的自然灾害。随着全球气候变暖，火灾有上升的趋势。近年来我国特大和重大森林火灾的发生也呈上升趋势。因此，我国森林防火形势一直处于严峻的状态。森林地表可燃物的含水率是森林火灾发生及蔓延的主要影响因子，也是是森林火险预报的关键参数之一。因此，如何准确地预测森林地表可燃物含水率对预测森林火灾的发生以及森林火灾的扑救防范工作有着重大意义。地表可燃物含水率受环境条件影响较大。目前，野外气象站布设愈发健全，气象数据精度也在逐渐提高，其适用性广的优势日益凸显，是我国进行可燃物含水率预测的主要方法，所获取的预测值较为准确。但是，该预测方法的工作量大，受地域因素以及可燃物类型的限制导致适用范围有限。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种地表可燃物含水率的预测方法及系统、服务器，基于部署在森林监测区内的多个传感器实时实地所获取的森林环境中的多个参数，利用多传感器信息融合的方法进行森林环境中可燃物含水率的快速预测，且准确度高。为实现上述目的及其他相关目的，本专利技术提供一种地表可燃物含水率的预测方法，包括以下步骤：获取作为采集样本的地表可燃物在各个样本周期的地表可燃物含水率；在每个采集样本对应的样本周期，在采集样本所在地表，获取微型气象站实时监测的地表气象数据、红外水分仪实时监测的地表可燃物含水率、以及土壤水分仪实时监测的地表可燃物的温度、地表可燃物含水率和地表下方一定距离处的土壤温度和土壤湿度；以采集样本的含水率为目标属性，基于采集样本所在地表的气象数据、地表可燃物的温度以及地表下方一定距离处的土壤温度和土壤湿度，采用随机森林算法获取地表可燃物含水率的初次预测值；以采集样本的含水率为目标属性，基于地表可燃物含水率的初次预测值、土壤水分仪和红外水分仪获取的地表可燃物含水率的测量值，使用支持向量回归机算法获取地表可燃物含水率的最终预测值。于本专利技术一实施例中，所述微型气象站所获取的气象数据包括地表上方一定距离处的空气温度、空气湿度、风速和太阳光照强度，以及地表的降水量。于本专利技术一实施例中，通过微型气象站实时获取地表的气象数据还包括对所述微型气象站获取的原始数据进行预处理；所述预处理包括：a)计算过去一定时间段的总降水量，过去一定时间段的最高气温、最低气温、平均风速和总降水量，以及过去一定时间段的平均风速、平均湿度、平均光照和平均温度；b)将光照强度等频划分为若干个区间，确定所获取的光照强度所在区间；c)将空气湿度等宽离散为若干个区间，确定所获取的空气湿度所在区间；d)对风速进行分级，确定所获取的风速的级别。于本专利技术一实施例中，所述随机森林算法采用怀卡托智能分析环境平台实现，迭代次数为100次，随机种子为1，不进行剪枝处理。同时，本专利技术还提供一种地表可燃物含水率的预测系统，包括样本含水率获取模块、样本传感器数据获取模块、随机森林建模模块和支持向量回归机建模模块；所述样本含水率获取模块用于获取作为采集样本的地表可燃物在各个样本周期的地表可燃物含水率；所述样本传感器数据获取模块用于在每个采集样本对应的样本周期，在采集样本所在地表，获取微型气象站实时监测的地表气象数据、红外水分仪实时监测的地表可燃物含水率、以及土壤水分仪实时监测的地表可燃物的温度、地表可燃物含水率和地表下方一定距离处的土壤温度和土壤湿度；所述随机森林建模模块用于以采集样本的含水率为目标属性，基于采集样本所在地表的气象数据、地表可燃物的温度和地表下方一定距离处的土壤温度和土壤湿度，采用随机森林算法获取地表可燃物含水率的初次预测值；所述支持向量回归机建模模块用于以采集样本的含水率为目标属性，基于地表可燃物含水率的初次预测值、土壤水分仪和红外水分仪获取的地表可燃物含水率的测量值，使用支持向量回归机算法获取地表可燃物含水率的最终预测值。于本专利技术一实施例中，所述微型气象站所获取的气象数据包括地表上方一定距离处的空气温度、空气湿度、风速和太阳光照强度，以及地表的降水量。于本专利技术一实施例中，通过微型气象站实时获取地表的气象数据还包括对所述微型气象站获取的原始数据进行预处理；所述预处理包括：a)计算过去一定时间段的总降水量，过去一定时间段的最高气温、最低气温、平均风速和总降水量，以及过去一定时间段的平均风速、平均湿度、平均光照和平均温度；b)将光照强度等频划分为若干个区间，确定所获取的光照强度所在区间；c)将空气湿度等宽离散为若干个区间，确定所获取的空气湿度所在区间；d)对风速进行分级，确定所获取的风速的级别。于本专利技术一实施例中，所述随机森林算法采用怀卡托智能分析环境平台实现，迭代次数为100次，随机种子为1，不进行剪枝处理。另外，本专利技术还提供一种服务器，包括上述任一的地表可燃物含水率的预测系统。相应地，本专利技术还提供一种地表可燃物含水率的预测系统，包括上述的服务器，以及设置在监测区域且与所述服务器通信连接的微型气象站、土壤水分仪和红外水分仪；所述微型气象站用于实时获取监测区域的地表的气象数据；所述土壤水分仪用于实时获取监测区域的地表可燃物的温度、地表可燃物含水率和地表下方一定距离处的土壤温度和土壤湿度；所述红外水分仪用于实时获取监测区域的地表可燃物含水率；所述服务器用于根据所获取的各个样本周期内采集样本的地表可燃物的含水率，以及微型气象站、土壤水分仪和红外水分仪获取的采集样本的传感数据，预测监测区域的地表可燃物含水率。如上所述，本专利技术的地表可燃物含水率的预测方法及系统、服务器，具有以下有益效果：(1)通过部署在森林监测区内的多个传感器来实时实地来获取森林环境中的多个参数；(2)利用多传感器信息融合的方法进行森林环境中可燃物含水率的快速预测，实现多传感信息的互补集成，改善不确定环境中的决策过程，提高了地表可燃物含水率的预测精度；(3)能够方便快捷地对需要监测的目标实行全天候的快速监测。附图说明图1显示为本专利技术的地表可燃物含水率的预测方法的流程图；图2显示为本专利技术的地表可燃物含水率的预测系统的一优选实施例的结构示意图；图3显示为本专利技术的服务器的结构示意图；图4显示为本专利技术的地表可燃物含水率的预测系统的另一优选实施例的结构示意图。元件标号说明1样本含水率获取模块2样本传感器数据获取模块3随机森林建模模块4支持向量回归机建模模块10微型气象站20土壤水分仪30红外水分仪40服务器具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。在本本文档来自技高网...

【技术保护点】
一种地表可燃物含水率的预测方法，其特征在于：包括以下步骤：获取作为采集样本的地表可燃物在各个样本周期的地表可燃物含水率；在每个采集样本对应的样本周期，在采集样本所在地表，获取微型气象站实时监测的地表气象数据、红外水分仪实时监测的地表可燃物含水率、以及土壤水分仪实时监测的地表可燃物的温度、地表可燃物含水率和地表下方一定距离处的土壤温度和土壤湿度；以采集样本的含水率为目标属性，基于采集样本所在地表的气象数据、地表可燃物的温度以及地表下方一定距离处的土壤温度和土壤湿度，采用随机森林算法获取地表可燃物含水率的初次预测值；以采集样本的含水率为目标属性，基于地表可燃物含水率的初次预测值、土壤水分仪和红外水分仪获取的地表可燃物含水率的测量值，使用支持向量回归机算法获取地表可燃物含水率的最终预测值。

【技术特征摘要】
1.一种地表可燃物含水率的预测方法，其特征在于：包括以下步骤：获取作为采集样本的地表可燃物在各个样本周期的地表可燃物含水率；在每个采集样本对应的样本周期，在采集样本所在地表，获取微型气象站实时监测的地表气象数据、红外水分仪实时监测的地表可燃物含水率、以及土壤水分仪实时监测的地表可燃物的温度、地表可燃物含水率和地表下方一定距离处的土壤温度和土壤湿度；以采集样本的含水率为目标属性，基于采集样本所在地表的气象数据、地表可燃物的温度以及地表下方一定距离处的土壤温度和土壤湿度，采用随机森林算法获取地表可燃物含水率的初次预测值；以采集样本的含水率为目标属性，基于地表可燃物含水率的初次预测值、土壤水分仪和红外水分仪获取的地表可燃物含水率的测量值，使用支持向量回归机算法获取地表可燃物含水率的最终预测值。2.根据权利要求1所述的地表可燃物含水率的预测方法，其特征在于：所述微型气象站所获取的气象数据包括地表上方一定距离处的空气温度、空气湿度、风速和太阳光照强度，以及地表的降水量。3.根据权利要求1所述的地表可燃物含水率的预测方法，其特征在于：通过微型气象站实时获取地表的气象数据还包括对所述微型气象站获取的原始数据进行预处理；所述预处理包括：a)计算过去一定时间段的总降水量，过去一定时间段的最高气温、最低气温、平均风速和总降水量，以及过去一定时间段的平均风速、平均湿度、平均光照和平均温度；b)将光照强度等频划分为若干个区间，确定所获取的光照强度所在区间；c)将空气湿度等宽离散为若干个区间，确定所获取的空气湿度所在区间；d)对风速进行分级，确定所获取的风速的级别。4.根据权利要求1所述的地表可燃物含水率的预测方法，其特征在于：所述随机森林算法采用怀卡托智能分析环境平台实现，迭代次数为100次，随机种子为1，不进行剪枝处理。5.一种地表可燃物含水率的预测系统，其特征在于：包括样本含水率获取模块、样本传感器数据获取模块、随机森林建模模块和支持向量回归机建模模块；所述样本含水率获取模块用于获取作为采集样本的地表可燃物在各个样本周期的地表可燃物含水率；所述样本传感器数据获取模块用于在每个采集样本对应的样本周期，在采集样本所在地表，获取微型气象站实时监测的地表气象数据、红外水分仪实时监测的地表可燃物含水率、以及土壤水分仪实时监测...

【专利技术属性】
技术研发人员：童官军，
申请(专利权)人：上海事凡物联网科技有限公司，
类型：发明
国别省市：上海,31