【技术实现步骤摘要】
本专利技术涉及森林火灾风险评估，尤其涉及一种森林火灾风险评估的非火点生成方法、装置、设备及介质。
技术介绍
1、受气候变化影响，干旱、热浪等极端事件频发，导致森林火灾的发生愈加频繁和复杂。机器学习因其强大的非线性学习能力，被广泛应用于森林火灾的风险评估建模研究中。其通过自动分析和学习样本集(包括正样本与负样本，即火点与非火点)的高维特征，构建森林火灾的风险评估模型。
2、模型的评估精度高度依赖于用于学习的数据质量。当前研究较少关注负样本的生成方法，使得负样本的代表性不足，容易造成森林火灾风险的高估，从而引起不必要的森林火灾防控投入。
技术实现思路
1、基于此，有必要针对现有技术的森林火灾风险评估中负样本的代表性不足的技术问题，提出了一种森林火灾风险评估的非火点生成方法、装置、设备及介质。
2、第一方面，提供了一种森林火灾风险评估的非火点生成方法，所述方法包括：
3、获取目标地点的森林覆盖区以及所述目标地点的历史时间的火点数据；
4、根据所述火点数据的属性信息，确定火点样本集，其中，所述火点样本集是指所述森林覆盖区中属性信息为森林火灾且置信度满足预设条件的火点数据；
5、根据所述森林覆盖区和所述火点样本集，生成缓冲区域，并确定目标区域，其中，所述目标区域是在所述森林覆盖区中除了所述缓冲区域外的区域；
6、在所述目标区域中进行随机撒点，并对各随机点赋予随机时间，基于所述随机点以及所述随机点对应的随机时间，计算各个随
7、基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据。
8、第二方面，提供了一种森林火灾风险评估的非火点生成装置，所述装置包括：
9、获取模块，用于获取目标地点的森林覆盖区以及所述目标地点的历史时间的火点数据；
10、第一确定模块，用于根据所述火点数据的属性信息，确定火点样本集，其中，所述火点样本集是指所述森林覆盖区中属性信息为森林火灾且置信度满足预设条件的火点数据；
11、第二确定模块，用于根据所述森林覆盖区和所述火点样本集，生成缓冲区域，并确定目标区域，其中，所述目标区域是在所述森林覆盖区中除了所述缓冲区域外的区域；
12、计算模块，用于在所述目标区域中进行随机撒点，并对各随机点赋予随机时间，基于所述随机点以及所述随机点对应的随机时间，计算各个随机点在各自的随机时间的干燥度指数；
13、筛选模块，用于基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据。
14、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述森林火灾风险评估的非火点生成方法的步骤。
15、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述森林火灾风险评估的非火点生成方法的步骤。
16、本专利技术提出的森林火灾风险评估的非火点生成方法，通过获取目标地点的森林覆盖区以及所述目标地点的历史时间的火点数据，并根据所述火点数据的属性信息，确定火点样本集，其中，所述火点样本集是指所述森林覆盖区中属性信息为森林火灾且置信度满足预设条件的火点数据，而后根据所述森林覆盖区和所述火点样本集，生成缓冲区域，并确定目标区域，其中，所述目标区域是在所述森林覆盖区中除了所述缓冲区域外的区域，接着在所述目标区域中进行随机撒点，并对各随机点赋予随机时间，基于所述随机点以及所述随机点对应的随机时间，计算各个随机点在各自的随机时间的干燥度指数，最后基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据，能够充分考虑森林火灾发生的物理机理，在降低火点数据与拟生成非火点数据空间相关性的目标区域中生成随机点，并通过干燥度指数排除未达到可燃条件的随机点，生成具有一定湿度的非火点数据，生成的非火点数据具有更高的代表性，避免了单次或重复随机采样可能生成错误的或者代表性不高的非火点数据所存在的随机性和不确定性，而后利用该非火点数据进行模型训练可显著提高森林火灾风险的计算效率和评估精度。
本文档来自技高网...【技术保护点】
1.一种森林火灾风险评估的非火点生成方法，其特征在于，所述森林火灾风险评估的非火点生成方法包括：
2.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述根据所述森林覆盖区和所述火点样本集，生成缓冲区域，并确定目标区域的步骤，包括：
3.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述干燥度指数由下式表示：
4.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据的步骤，包括：
5.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据的步骤之后，包括：
6.根据权利要求5所述的森林火灾风险评估的非火点生成方法，其特征在于，训练好的所述森林火灾风险评估模型是基于随机森林、支持向量机和多层感知机训练得到的。
7.根据权利要求5所述的森林火灾风险评估的非火点生成方法，其特征在于，评估指标包括准确率、精确率、召回率以及F1分数，所述
8.一种森林火灾风险评估的非火点生成装置，其特征在于，所述森林火灾风险评估的非火点生成装置包括：
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述森林火灾风险评估的非火点生成方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述森林火灾风险评估的非火点生成方法的步骤。
...【技术特征摘要】
1.一种森林火灾风险评估的非火点生成方法，其特征在于，所述森林火灾风险评估的非火点生成方法包括：
2.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述根据所述森林覆盖区和所述火点样本集，生成缓冲区域，并确定目标区域的步骤，包括：
3.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述干燥度指数由下式表示：
4.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据的步骤，包括：
5.根据权利要求1所述的森林火灾风险评估的非火点生成方法，其特征在于，所述基于所述干燥度指数以及所述随机点进行筛选，得到非火点数据的步骤之后，包括：
6.根据权利要求5所述的森林火灾风险评估的非火点生成方法，其特征...
【专利技术属性】
技术研发人员：赵龙龙，李洪忠，李晓丽，韩宇，陈劲松，姜小砾，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
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。