一种冲突减少的证据体系检测森林火灾识别方法技术

本发明专利技术公开了一种冲突减少的证据体系检测森林火灾识别方法，具体包括：获取多种传感器采集的不同类型数据，其中所述不同类型数据包括温度数据

【技术实现步骤摘要】
一种冲突减少的证据体系检测森林火灾识别方法


[0001]本专利技术属于森林火灾识别
，具体涉及到一种冲突减少的证据体系检测森林火灾识别方法
。

技术介绍

[0002]目前，森林火灾检测主要采取人力巡检和固定检测设备协同作用的方法，其中检测设备只能够充当观察者，没有自主报警的功能或者其识别效率不高
。
森林火灾检测系统最初是简单使用温度传感器作为主要的检测手段，但是单一的传感器检测存在误差较大和灵敏度不高的问题，而随着传感器技术的发展，检测系统也逐渐增加了更多维度的检测手段，如湿度传感器
、
各种气体浓度传感器等，来补全检测时的精度和灵敏度，但多种传感器产生的不同类型数据容易使得外界迷惑，增加分析难度
。
[0003]目前，多传感器数据都是采取数据融合这个数据处理手段，但是数据融合存在需要进行大量训练才能够得到一个单一且特异性较大的数据处理程序；如果需要为每个不同地点的森林配置检测系统就需要针对每一个不同的地理位置进行长时间的数据采集和长时间的训练，这样得到的模式需要成本较高
。
现阶段多数对森林火灾信息的数据融合方法都是以证据理论为主，而多数证据理论对证据之间的冲突信息采取全部舍弃来处理，这种方式导致严重违反常识的处理结果，而造成这种结果的原因是没有对冲突信息的有效利用
。

技术实现思路

[0004]本专利技术要解决的技术问题在于提供一种冲突减少的证据体系检测森林火灾识别方法，新的数据融合决策思路，通过将层次分析法和证据体系相结合，解决需要经过大量且多次训练而成本较高和出现违反常识结果的数据融合决策问题
。
[0005]为了解决上述技术问题，本专利技术通过以下方式来实现：
[0006]一种冲突减少的证据体系检测森林火灾识别方法，具体包括：
[0007]S1、
获取多种传感器采集的不同类型数据，其中所述不同类型数据包括温度数据
、
湿度数据
、
风速数据和气体浓度数据；
[0008]S2、
对获取的数据进行预处理，构建森林火灾识别框架；
[0009]S3、
获取待识别的多个不同类型数据，并根据多个不同类型数据对应的
Mass
函数获取融合信任度及信任度期望：
[0010]S4、
以多个不同类型数据对应的信任度为基础，合成计算出所有证据信任度，比较所有证据对于事件信任度，选出事件证据信任度最大作为模型的判断，得到森林火灾识别结果
。
[0011]进一步的，所述步骤
S2
中数据预处理具体步骤如下：
[0012]S21、
将数据存储到对应位置并按照矩阵形式进行存储，
[0013]S22、
以单个传感器的数据为单位，建立基础概率分布
Mass
函数，每个传感器都需
要以经验或者专家对传感器所采集数据划分区段并分配信任度；
[0014]S23、
根据发生的火灾发展过程一般分为以下四个阶段：初期潜伏阶段
、
阴燃缓慢发展阶段
、
充分发展阶段和火势衰减阶段四个不同阶段，作为不同事件的识别框架为：
[0015]Θ
＝
{“火灾风险低”，“火灾风险中等”，“火灾风险高”，“火灾风险极高”}
；
[0016]S24、
依据温度数据
、
湿度数据
、
风速数据和气体浓度数据，分别建立湿度
、
温度
、
风速
、
二氧化碳浓度的
Mass
函数
。
[0017]进一步的，所述步骤
S3
的具体步骤如下：
[0018]S31、
针对输出的湿度
Mass
函数
、
温度
Mass
函数
、
风速
Mass
函数及气体浓度
Mass
函数，计算归一化常数
K
，
[0019][0020]其中，
m
n
(A
n
)
表示证据
m
n
对应事件
A
n
的信任度，表示各项数据所对应事件交集不为空集的集合；
[0021]S32、
计算证据源之间的冲突系数，
[0022][0023]其中，
K
ij
表示证据源
i
和
j
间的冲突系数，表示两项数据所对应事件交集不为空集的集合；
[0024]S33、
计算证据对不同事件融合后的信任度
p(A)
和证据对于不同事件的信任度期望
q(A)
：
[0025][0026][0027]进一步的，所述步骤
S4
的具体步骤如下：
[0028]S41、
根据各证据的融合信任度
p(A)
和信任度期望
q(A)
计算出证据的信任度
m(A)
：
[0029]m(A)
＝
p(A)+k
×
ε
×
q(A)
[0030]其中，
ε
表示可信度参数，
[0031]再计算辅助识别证据
Ω
的信任度
m(
Ω
)
：
[0032]m(
Ω
)
＝
p(
Ω
)+k
×
ε
×
q(
Ω
)
[0033]S42、
计算出所有证据信任度后将其相加，满足：
[0034][0035]排除辅助识别证据
Ω
的事件信任度后，比较所有证据对于事件信任度，选着事件证据信任度最大作为模型的判断结果
。
[0036]与现有技术相比，本专利技术具有的有益效果：
[0037]本专利技术在现有利用
D
‑
S
证据体系做森林火灾识别的基础上，根据
D
‑
S
证据理论体系
存在的理论缺点与森林火灾这个特殊环境进行结合与改良，在减少传感器数据之间冲突的同时，还能够将冲突之间的数据加以利用，得到更加完备和准确的结果；与现有面向森林火灾检测的多种传感器检测数据融合算法相比，不需要经过大量的训练，也不需要在不同的地方进行使用时需要重新采集数据和训练，能够充分利用冲突证据信息，有效的降低训练成本，提高了数据处理的速度，并且保持了较高的火灾识别准确率，在森林火灾检测领域中将有着广泛的应用前景
。
附图说明
[0038]图1为本专利技术中传感器数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种冲突减少的证据体系检测森林火灾识别方法，其特征在于：具体包括：
S1、
获取多种传感器采集的不同类型数据，其中所述不同类型数据包括温度数据
、
湿度数据
、
风速数据和气体浓度数据；
S2、
对获取的数据进行预处理，构建森林火灾识别框架；
S3、
获取待识别的多个不同类型数据，并根据多个不同类型数据对应的
Mass
函数获取融合信任度及信任度期望：
S4、
以多个不同类型数据对应的信任度为基础，合成计算出所有证据信任度，比较所有证据对于事件信任度，选出事件证据信任度最大作为模型的判断，得到森林火灾识别结果
。2.
如权利要求1所述的一种冲突减少的证据体系检测森林火灾识别方法，其特征在于：所述步骤
S2
中数据预处理具体步骤如下：
S21、
将数据存储到对应位置并按照矩阵形式进行存储；
S22、
以单个传感器的数据为单位，建立基础概率分布
Mass
函数，每个传感器都需要以经验或者专家对传感器所采集数据划分区段并分配信任度；
S23、
根据发生的火灾发展过程一般分为以下四个阶段：初期潜伏阶段
、
阴燃缓慢发展阶段
、
充分发展阶段和火势衰减阶段四个不同阶段，作为不同事件的识别框架为：
Θ
＝
{“火灾风险低”，“火灾风险中等”，“火灾风险高”，“火灾风险极高”}
；
S24、
依据温度数据
、
湿度数据
、
风速数据和气体浓度数据，分别建立湿度
、
温度
、
风速
、
二氧化碳浓度的
Mass
函数
。3.
如权利要求1所述的一种冲突减少的证据体系检测森林火灾识别方法，其特征在于：所述步骤
S3
的具体步骤如下：
S31、
针对输出的湿度
Mass
...

【专利技术属性】
技术研发人员：李琪林，彭军，叶润，贺含峰，
申请(专利权)人：国网四川省电力公司营销服务中心，
类型：发明
国别省市：