一种构建森林火险预测模型的方法及装置制造方法及图纸

本申请提供了一种构建森林火险预测模型的方法及装置，该方法包括：获取目标区域的历史自然森林火险信息及历史气象数据信息及植被类型信息；对获取的信息中存在缺项的数据记录进行过滤，得到过滤信息；利用logistic函数对过滤信息进行平滑处理，得到平滑信息；对平滑信息进行归一化处理，得到归一信息，将火险发生时历史自然森林火险归一信息与所述火险发生时的历史气象数据归一信息对应；以历史气象数据归一信息以及植被类型信息作为输入，以历史气象数据归一信息映射的历史自然森林火险归一信息作为输出，对长短时记忆法模型进行训练，直至训练的模型满足预先设置的精度要求，得到森林火险预测模型。可以有效提升森林火险的预测精度。

A Method and Device for Establishing Forecasting Model of Forest Fire Risk

This application provides a method and device for building forest fire risk prediction model, which includes: acquiring historical natural forest fire risk information, historical meteorological data information and vegetation type information of the target area; filtering the data records of missing items in the obtained information to obtain filtering information; smoothing the filtering information by using logistic function to obtain smoothing information. Information; normalize the smoothing information to get the normalized information, and correspond the normalized information of historical natural forest fire hazard when fire hazard occurs to the normalized information of historical meteorological data when fire hazard occurs; take the normalized information of historical meteorological data and vegetation type information as input, and take the normalized information of historical natural forest fire hazard mapped by historical meteorological data as transmission. Finally, the long-term and short-term memory model is trained until the training model meets the pre-set accuracy requirements, and the forest fire risk prediction model is obtained. It can effectively improve the accuracy of forest fire risk prediction.

【技术实现步骤摘要】
一种构建森林火险预测模型的方法及装置
本申请涉及火险预测
，具体而言，涉及一种构建森林火险预测模型的方法及装置。
技术介绍
森林资源是地球上最为重要的自然资源之一，一方面，森林是地球生态系统的主要组成部分，具有调节气候、制氧、防风固沙、消除噪音、净化环境的作用，另一方面，森林也为人们的生产生活提供了大量的资源，例如，为人们提供原木材、纸浆制材、人造板材等各种林业制品和植物加工副产品。因而，保护森林具有无可替代的经济意义、生态意义和社会意义。其中，如何预防森林自然火险是森林保护的重点研究领域。目前，随着国家对森林防火工作的重视和科学的进步，我国于1992年和1994年分别通过关科研单位结合我国森林防火工作的实践，制订了《全国森林火险区划等级》和《全国森林火险天气等级》行业标准，并由林业部颁布实施，以作为我国森林火险预测的基准。其中，利用线性回归的logistics模型表达森林火险等级(p)与火险因子(x)之间的关系，其线性表达式如下：式中，p为森林火险等级；X1、X2、...、Xn为火险因子；β1、β2、…、βn为火险因子系数，β0为常数。但该森林火险预测方法，由于各火险因子一般具有多维度的复杂性，各火险因子相互关联，因而，采用线性回归的logistics模型的森林火险预测具有一定的局限性，预测结果的精度还有待提高；进一步地，对于互联网时代的大数据，线性回归的logistics模型还不能满足大数据的分析处理要求。
技术实现思路
有鉴于此，本申请的目的在于提供一种构建森林火险预测模型的方法及装置，提升森林火险的预测精度。第一方面，本申请实施例提供了一种构建森林火险预测模型的方法，该方法包括：获取目标区域的历史自然森林火险信息，所述历史自然森林火险信息包括过火面积信息以及过火持续时间信息；获取所述目标区域发生火险时的历史气象数据信息及植被类型信息；对所述历史自然森林火险信息和所述历史气象数据信息及植被类型信息中存在缺项的数据记录进行过滤，得到待处理历史自然森林火险信息和待处理历史气象数据信息及植被类型信息；利用logistic函数对所述待处理历史自然森林火险信息和待处理历史气象数据信息进行平滑处理，得到历史自然森林火险平滑信息和历史气象数据平滑信息；对所述历史自然森林火险平滑信息和历史气象数据平滑信息进行归一化处理，得到历史自然森林火险归一信息和历史气象数据归一信息，将火险发生时历史自然森林火险归一信息与所述火险发生时的历史气象数据归一信息对应，构建历史自然森林火险归一信息与历史气象数据归一信息的映射关系；以所述历史气象数据归一信息以及植被类型信息作为长短时记忆法模型的输入，以所述历史气象数据归一信息映射的历史自然森林火险归一信息作为所述长短时记忆法模型的输出，对所述长短时记忆法模型进行训练，直至训练的长短时记忆法模型满足预先设置的精度要求，得到森林火险预测模型。可选地，所述待处理历史自然森林火险信息包括过火面积信息，利用logistic函数对所述待处理历史自然森林火险信息进行平滑处理包括：提取所述待处理历史自然森林火险信息中的过火面积信息；依据所述logistic函数对提取的过火面积信息进行拟合，根据拟合结果确定所述logistic函数中所述过火面积信息的拟合权值；依据确定的所述logistic函数的拟合权值，依次对提取的过火面积信息进行运算，得到该过火面积信息对应的过火面积平滑信息。可选地，所述对所述长短时记忆法模型进行训练，直至训练的长短时记忆法模型满足预先设置的精度要求，包括：采用K-S算法，将历史气象数据归一信息与历史自然森林火险归一信息组成的数据集划分为训练集以及测试集；以训练集对长短时记忆法模型进行训练后，以测试集对训练的长短时记忆法模型进行测试，若测试结果满足预先设置的精度要求，则停止对长短时记忆法模型的训练，若测试结果不满足预先设置的精度要求，则继续依据训练集对长短时记忆法模型进行训练，直至测试结果满足预先设置的精度要求。可选地，所述方法还包括：将预先设置的测试集中的历史测试气象数据归一信息以及植被类型信息作为所述森林火险预测模型的输入，得到预测结果，所述预测结果包括：预测的过火面积信息的归一化信息以及过火持续时间信息的归一化信息；依据所述预测结果以及所述历史测试气象数据归一信息对应的历史过火面积信息以及历史过火持续时间信息，绘制损失函数曲线、预测结果散点图，以及，计算准确性度量值；依据所述损失函数曲线、预测结果散点图以及准确性度量值，对所述森林火险预测模型的精度进行评价。可选地，所述方法还包括：获取所述目标区域当前的气象数据信息及植被类型信息；将所述当前的气象数据信息及植被类型信息作为所述森林火险预测模型的输入，得到对所述目标区域的森林火险预测信息，所述森林火险预测信息包括：过火面积信息的归一化信息以及过火持续时间信息的归一化信息。可选地，所述历史气象数据信息及植被类型信息包括：日最高气温、日最低气温、日均气温、前一个月日均气温低于18摄氏度天数、前一个月日均气温高于18摄氏度天数、总降雨量、总降雪量、地面积雪厚度、日最大风向以及日最大风速。第二方面，本申请实施例提供了一种构建森林火险预测模型的装置，该装置包括：火险信息获取模块，用于获取目标区域的历史自然森林火险信息，所述历史自然森林火险信息包括过火面积信息以及过火持续时间信息；气象数据信息获取模块，用于获取所述目标区域发生火险时的历史气象数据信息及植被类型信息；信息过滤模块，用于对所述历史自然森林火险信息和所述历史气象数据信息及植被类型信息中存在缺项的数据记录进行过滤，得到待处理历史自然森林火险信息和待处理历史气象数据信息及植被类型信息；平滑处理模块，用于利用logistic函数对所述待处理历史自然森林火险信息和待处理历史气象数据信息及植被类型信息进行平滑处理，得到历史自然森林火险平滑信息和历史气象数据平滑信息；归一化处理模块，用于对所述历史自然森林火险平滑信息和历史气象数据平滑信息进行归一化处理，得到历史自然森林火险归一信息和历史气象数据归一信息，将火险发生时历史自然森林火险归一信息与所述火险发生时的历史气象数据归一信息对应，构建历史自然森林火险归一信息与历史气象数据归一信息的映射关系；模型生成模块，用于以所述历史气象数据归一信息以及植被类型信息作为长短时记忆法模型的输入，以所述历史气象数据归一信息映射的历史自然森林火险归一信息作为所述长短时记忆法模型的输出，对所述长短时记忆法模型进行训练，直至训练的长短时记忆法模型满足预先设置的精度要求，得到森林火险预测模型。可选地，所述平滑处理模块，具体用于：提取所述待处理历史自然森林火险信息中的过火面积信息；依据所述logistic函数对提取的过火面积信息进行拟合，根据拟合结果确定所述logistic函数中所述过火面积信息的拟合权值；依据确定的所述logistic函数的拟合权值，依次对提取的过火面积信息进行运算，得到该过火面积信息对应的过火面积平滑信息。可选地，所述装置还包括：模型评价模块，用于将预先设置的测试集中的历史测试气象数据归一信息以及植被类型信息作为所述森林火险预测模型的输入，得到预测结果，所述预测结果包括：预测的过火面积信息的归一化信息以及过火持续时间信息的归一化信本文档来自技高网...

【技术保护点】
1.一种构建森林火险预测模型的方法，其特征在于，该方法包括：获取目标区域的历史自然森林火险信息，所述历史自然森林火险信息包括过火面积信息以及过火持续时间信息；获取所述目标区域发生火险时的历史气象数据信息及植被类型信息；对所述历史自然森林火险信息和所述历史气象数据信息及植被类型信息中存在缺项的数据记录进行过滤，得到待处理历史自然森林火险信息和待处理历史气象数据信息及植被类型信息；利用logistic函数对所述待处理历史自然森林火险信息和待处理历史气象数据信息进行平滑处理，得到历史自然森林火险平滑信息和历史气象数据平滑信息；对所述历史自然森林火险平滑信息和历史气象数据平滑信息进行归一化处理，得到历史自然森林火险归一信息和历史气象数据归一信息，将火险发生时历史自然森林火险归一信息与所述火险发生时的历史气象数据归一信息对应，构建历史自然森林火险归一信息与历史气象数据归一信息的映射关系；以所述历史气象数据归一信息以及植被类型信息作为长短时记忆法模型的输入，以所述历史气象数据归一信息映射的历史自然森林火险归一信息作为所述长短时记忆法模型的输出，对所述长短时记忆法模型进行训练，直至训练的长短时记忆法模型满足预先设置的精度要求，得到森林火险预测模型。...

【技术特征摘要】
1.一种构建森林火险预测模型的方法，其特征在于，该方法包括：获取目标区域的历史自然森林火险信息，所述历史自然森林火险信息包括过火面积信息以及过火持续时间信息；获取所述目标区域发生火险时的历史气象数据信息及植被类型信息；对所述历史自然森林火险信息和所述历史气象数据信息及植被类型信息中存在缺项的数据记录进行过滤，得到待处理历史自然森林火险信息和待处理历史气象数据信息及植被类型信息；利用logistic函数对所述待处理历史自然森林火险信息和待处理历史气象数据信息进行平滑处理，得到历史自然森林火险平滑信息和历史气象数据平滑信息；对所述历史自然森林火险平滑信息和历史气象数据平滑信息进行归一化处理，得到历史自然森林火险归一信息和历史气象数据归一信息，将火险发生时历史自然森林火险归一信息与所述火险发生时的历史气象数据归一信息对应，构建历史自然森林火险归一信息与历史气象数据归一信息的映射关系；以所述历史气象数据归一信息以及植被类型信息作为长短时记忆法模型的输入，以所述历史气象数据归一信息映射的历史自然森林火险归一信息作为所述长短时记忆法模型的输出，对所述长短时记忆法模型进行训练，直至训练的长短时记忆法模型满足预先设置的精度要求，得到森林火险预测模型。2.如权利要求1所述的方法，其特征在于，所述待处理历史自然森林火险信息包括过火面积信息，利用logistic函数对所述待处理历史自然森林火险信息进行平滑处理包括：提取所述待处理历史自然森林火险信息中的过火面积信息；依据所述logistic函数对提取的过火面积信息进行拟合，根据拟合结果确定所述logistic函数中所述过火面积信息的拟合权值；依据确定的所述logistic函数的拟合权值，依次对提取的过火面积信息进行运算，得到该过火面积信息对应的过火面积平滑信息。3.如权利要求1所述的方法，其特征在于，所述对所述长短时记忆法模型进行训练，直至训练的长短时记忆法模型满足预先设置的精度要求，包括：采用K-S算法，将历史气象数据归一信息与历史自然森林火险归一信息组成的数据集划分为训练集以及测试集；以训练集对长短时记忆法模型进行训练后，以测试集对训练的长短时记忆法模型进行测试，若测试结果满足预先设置的精度要求，则停止对长短时记忆法模型的训练，若测试结果不满足预先设置的精度要求，则继续依据训练集对长短时记忆法模型进行训练，直至测试结果满足预先设置的精度要求。4.如权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：将预先设置的测试集中的历史测试气象数据归一信息以及植被类型信息作为所述森林火险预测模型的输入，得到预测结果，所述预测结果包括：预测的过火面积信息的归一化信息以及过火持续时间信息的归一化信息；依据所述预测结果以及所述历史测试气象数据归一信息对应的历史过火面积信息以及历史过火持续时间信息，绘制损失函数曲线、预测结果散点图，以及，计算准确性度量值；依据所述损失函数曲线、预测结果散点图以及准确性度量值，对所述森林火险预测模型的精度进行评价。5.如权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：获取所述目标区域当前的气象数据信息及植被类型信息；将所述当前的气象数据信息及植被类型信息作为所述森林火险预测模型的输入，得到对所述目标区域的森林火险预...

【专利技术属性】
技术研发人员：梁浩，张萌，赵燕东，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京,11