基于单分类SVM的森林火险等级判定方法及系统技术方案

本发明专利技术提供一种基于单分类SVM的森林火险等级判定方法及系统，包括以下步骤：以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；获取所述建模样本对应的气象因子；基于所述建模样本对应的气象因子，构建单分类SVM模型；构建森林火险发生概率模型，即利用激活函数将所述单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；计算待测样本的森林火险发生概率，并根据所述待测样本的森林火险发生概率判定森林火险等级。本发明专利技术的基于单分类SVM的森林火险等级判定方法及系统有效克服了由于森林火灾样本集中而存在类别不平衡问题，提高了森林火险的判定的准确度。

Forest fire danger grade determination method and system based on single classification SVM

The present invention provides a method and system for determining the single SVM classification of forest fire danger rating based on, which comprises the following steps: to sample units, according to fire fire data samples were selected as modeling samples; meteorological factors to obtain the modeling samples corresponding to the meteorological factors; the corresponding modeling samples based on the construction of single classification SVM model; construction of forest fire occurrence probability model, namely the use of activated intermediate output function of the single classification model and the SVM model in spherical center of the sample to the distance interval mapping and [0,1] mapping results for the forest fire occurrence probability; calculation of forest fire occurrence probability sample, and according to the forest fire sample probability to determine the forest fire danger rating. The method and system for determining forest fire danger grade based on single classification SVM effectively overcomes the problem of class imbalance due to the concentration of forest fire samples, thereby improving the accuracy of forest fire risk determination.

【技术实现步骤摘要】
基于单分类SVM的森林火险等级判定方法及系统
本专利技术涉及一种等级判定方法及系统，特别是涉及一种基于单分类SVM的森林火险等级判定方法及系统。
技术介绍
森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害，其高破坏性决定了森林火灾防控的重要性。因此，如何科学有效的对森林火灾进行预警预报，最大限度的减少森林火灾的发生以及由森林火灾带来的损失一直是我国林业部门和科研部门十分关注的问题。森林火险是森林火灾发生的可能性和蔓延容易程度的一种度量。森林火灾的发生、发展与气象条件密切相关。故开展森林火险预报工作离不开实时观测气象要素，它是可燃物和背景综合因子的综合函数。森林火险等级与多种因子有关。现有技术中，对火险等级的预测主要是根据气象因子以及可燃物情况等因子进行。其中，气象因子包括空气温度、相对湿度、光照、降水、风速等、。在森林火灾领域，传统的森林火险预测方法一般是选取一段时间内的气象数据，以天为样本单位，对每个样本标注‘是’或‘否’发生火灾；然后将所有的样本送入二分类器进行训练，得到一个火险预测模型。但是，由于森林火灾的特殊性，发生火灾的正样本数严重少于未发生火灾的负样本数，导致该样本集存在严重的类别不平衡性。标准的机器学习分类方法在处理不平衡数据分类问题时，分类判决综合倾向多样本类，导致少样本类分类精度很低。而在森林防火中，作为少样本的正样本才是真正关心的样本。因此，现有的森林火险预测方法无法达到对森林火险预测准确度的要求。
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基于单分类SVM的森林火险等级判定方法及系统，以若干项气象因子作为判断森林火险等级的影响因子，利用不发生火灾的样本基于单分类SVM进行森林火险发生概率模型的学习，进而判定森林火险等级，有效地克服了由于森林火灾样本集中而存在类别不平衡问题，提高了森林火险的判定的准确度。为实现上述目的及其他相关目的，本专利技术提供一种基于单分类SVM的森林火险等级判定方法，包括以下步骤：以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；获取所述建模样本对应的气象因子；基于所述建模样本对应的气象因子，构建单分类SVM模型；构建森林火险发生概率模型，即利用激活函数将所述单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；计算待测样本的森林火险发生概率，并根据所述待测样本的森林火险发生概率判定森林火险等级。于本专利技术一实施例中，所述气象因子包括日降水量、日最高气温、日最低气温、日平均相对湿度、日平均风速、昨日降水量、前三天天降水量合计值、前三天相对湿度平均值、前三天气温合计值、今日以前降水量小于等于5毫米的连续日数、20时以前日降水量小于等于3毫米的连续日数、20时前日降水量小于等于0.5毫米的连续日数。于本专利技术一实施例中，构建所述单分类SVM模型时，使用怀卡托智能分析环境平台的单分类SVM模型，采用默认参数。于本专利技术一实施例中，所述激活函数采用于本专利技术一实施例中，根据待测样本的森林火险发生概率判定森林火险等级时，遵循以下原则：当森林火险发生概率在区间[0，0.2]时，判定森林火险等级为火险一级；当森林火险发生概率在区间(0.2，0.4]时，判定森林火险等级为火险二级；当森林火险发生概率在区间(0.4，0.6]时，判定森林火险等级为火险三级；当森林火险发生概率在区间(0.6，0.8]时，判定森林火险等级为火险四级；当森林火险发生概率在区间(0.8，1]时，判定森林火险等级为火险五级。同时，本专利技术还提供一种基于单分类SVM的森林火险等级判定系统，包括选取模块、获取模块、单分类SVM模型构建模块、森林火险发生概率模型构建模块和判定模块；所述选取模块用于以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；所述获取模块用于获取建模样本对应的气象因子；所述单分类SVM模型构建模块用于基于建模样本对应的气象因子，构建单分类SVM模型；所述森林火险发生概率模型构建模块用于构建森林火险发生概率模型，即利用激活函数将单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；所述判定模块用于计算待测样本的森林火险发生概率，并根据待测样本的森林火险发生概率判定森林火险等级。于本专利技术一实施例中，所述气象因子包括日降水量、日最高气温、日最低气温、日平均相对湿度、日平均风速、昨日降水量、前三天天降水量合计值、前三天相对湿度平均值、前三天气温合计值、今日以前降水量小于等于5毫米的连续日数、20时以前日降水量小于等于3毫米的连续日数、20时前日降水量小于等于0.5毫米的连续日数。于本专利技术一实施例中，所述单分类SVM模型构建模块构建所述单分类SVM模型时，使用怀卡托智能分析环境平台的单分类SVM模型，采用默认参数。于本专利技术一实施例中，所述激活函数采用于本专利技术一实施例中，所述判定模块根据待测样本的森林火险发生概率判定森林火险等级时，遵循以下原则：当森林火险发生概率在区间[0，0.2]时，判定森林火险等级为火险一级；当森林火险发生概率在区间(0.2，0.4]时，判定森林火险等级为火险二级；当森林火险发生概率在区间(0.4，0.6]时，判定森林火险等级为火险三级；当森林火险发生概率在区间(0.6，0.8]时，判定森林火险等级为火险四级；当森林火险发生概率在区间(0.8，1]时，判定森林火险等级为火险五级。如上所述，本专利技术的基于单分类SVM的森林火险等级判定方法及系统，具有以下有益效果：(1)以若干项气象因子作为判断森林火险等级的影响因子，利用不发生火灾的样本基于单分类SVM进行森林火险发生概率模型的学习，进而判定森林火险等级；(2)有效地克服了由于森林火灾样本集中而存在类别不平衡问题；(3)从火灾发生概率的角度进行森林火险等级的判断，提高了森林火险的判定的准确度，更具有科学性。附图说明图1显示为本专利技术的基于单分类SVM的森林火险等级判定方法的流程图；图2显示为本专利技术的基于单分类SVM的森林火险等级判定系统的结构示意图。元件标号说明1选取模块2获取模块3单分类SVM模型构建模块4森林火险发生概率模型构建模块5判定模块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。在机器学习领域，支持向量机(SupportVectorMachine，SVM)是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析。SVM的主要思想可以概括为以下：1)针对线性可分情况进行分析；对于线性不可分的情况，通过使用非线性映射算法将低维输入本文档来自技高网...

【技术保护点】
一种基于单分类SVM的森林火险等级判定方法，其特征在于：包括以下步骤：以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；获取所述建模样本对应的气象因子；基于所述建模样本对应的气象因子，构建单分类SVM模型；构建森林火险发生概率模型，即利用激活函数将所述单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；计算待测样本的森林火险发生概率，并根据所述待测样本的森林火险发生概率判定森林火险等级。

【技术特征摘要】
1.一种基于单分类SVM的森林火险等级判定方法，其特征在于：包括以下步骤：以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；获取所述建模样本对应的气象因子；基于所述建模样本对应的气象因子，构建单分类SVM模型；构建森林火险发生概率模型，即利用激活函数将所述单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；计算待测样本的森林火险发生概率，并根据所述待测样本的森林火险发生概率判定森林火险等级。2.根据权利要求1所述的基于单分类SVM的森林火险等级判定方法，其特征在于：所述气象因子包括日降水量、日最高气温、日最低气温、日平均相对湿度、日平均风速、昨日降水量、前三天天降水量合计值、前三天相对湿度平均值、前三天气温合计值、今日以前降水量小于等于5毫米的连续日数、20时以前日降水量小于等于3毫米的连续日数、20时前日降水量小于等于0.5毫米的连续日数。3.根据权利要求1所述的基于单分类SVM的森林火险等级判定方法，其特征在于：构建所述单分类SVM模型时，使用怀卡托智能分析环境平台的单分类SVM模型，采用默认参数。4.根据权利要求1所述的基于单分类SVM的森林火险等级判定方法，其特征在于：所述激活函数采用5.根据权利要求1所述的基于单分类SVM的森林火险等级判定方法，其特征在于：根据待测样本的森林火险发生概率判定森林火险等级时，遵循以下原则：当森林火险发生概率在区间[0，0.2]时，判定森林火险等级为火险一级；当森林火险发生概率在区间(0.2，0.4]时，判定森林火险等级为火险二级；当森林火险发生概率在区间(0.4，0.6]时，判定森林火险等级为火险三级；当森林火险发生概率在区间(0.6，0.8]时，判定森林火险等级为火险四级；当森林火险发生概率在区间(0.8，1]时，判定森林火险等级为火险五级。6.一种基于单分类SVM的森林火险等级判定系统，其特征在于：包括选取模块、获取模块、单分类SVM模型构建模块...

【专利技术属性】
技术研发人员：宋林森，王宏伟，
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