【技术实现步骤摘要】
一种基于机器学习对森林火灾预测分析的方法
本专利技术涉及预测分析领域，尤其涉及基于机器学习对森林火灾的预测分析的领域。
技术介绍
目前火灾风险评价的研究主要采用半定量方法。例如，模糊综合评价法、指标法、物元分析法，其评价指标、指标权重和各指标得分往往依据专家经验进行判定，评估模式主要以线性为主，严重依靠个人的主观能动性和经验知识；定性评价方法如安全检查表和预先危险性分析法缺乏明确可度量的评价标准；定量化的评价方法例如事故树，其各个事件发生概率同样依赖专家判定。各类森林火灾风险评价理论不够成熟，评价标准不统一，存在明显的主观性。而且，即使现存的预测方法，并没有将大气环境的情况以及植被的可燃情况考虑进去，导致预测的结果会产生很大偏差。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术中存在的不足，提供一种基于机器学习对森林火灾的预测分析系统。本专利技术是通过以下技术方案予以实现：采用多种机器学习算法，通过大数据分析，预测森林火灾概率，方法包括以下内容：数据预处理：数据预...
【技术保护点】
1.一种基于机器学习对森林火灾预测分析的方法，该方法采用多种机器学习算法，通过大数据分析，预测森林火灾概率，方法包括以下内容：/n数据预处理：数据预处理包括数据获取、数据处理；/n数据获取：获取的数据包含两个部分。预测自变量由森林信息情况、消防设施情况、当地地理生物情况、天气情况、雨水情况、周围环境情况几个部分的数据构成；待预测因变量由消防部门历史火灾信息的起火信息构成。/n数据处理：原始数据清洗，去除重复冗余数据；对原始数据中非数值型数据编码操作。/n对于定类型数据，将森林结构类型、森林各区块用途、森林可燃物类型采用One-Hot编码，将定类型数据转为计算机可以处理识别的...
【技术特征摘要】
1.一种基于机器学习对森林火灾预测分析的方法，该方法采用多种机器学习算法，通过大数据分析，预测森林火灾概率，方法包括以下内容：
数据预处理：数据预处理包括数据获取、数据处理；
数据获取：获取的数据包含两个部分。预测自变量由森林信息情况、消防设施情况、当地地理生物情况、天气情况、雨水情况、周围环境情况几个部分的数据构成；待预测因变量由消防部门历史火灾信息的起火信息构成。
数据处理：原始数据清洗，去除重复冗余数据；对原始数据中非数值型数据编码操作。
对于定类型数据，将森林结构类型、森林各区块用途、森林可燃物类型采用One-Hot编码，将定类型数据转为计算机可以处理识别的向量数据，
对于短文本数据，将历史记录中的消防隐患和举报信息这些短文本数据，采用One-Hot编码，采用Word2vec处理文本词汇间的关联，将其转换为稠密词向量；
对于长文本数据，采用LDA主题模型生成相对应的向量，从而用于后续处理。
降维与特征选择：
首先采用Relief特征选择方法选出与火灾发生密切相关的属性，删除方差低于阈值的属性变量，之后采用深度置信网络进行降维处理，
模型训练：
采用k近邻、朴素贝叶斯、随机森林和AdaBoost四...
【专利技术属性】
技术研发人员：戴维序，彭玉泉，郭鉴威，史岩岩，
申请(专利权)人：航天信德智图北京科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。