基于卷积神经网络的山火风险预测系统设计——以林芝市为例
Journal: Building Technology Research DOI: 10.32629/btr.v8i7.4877
Abstract
西藏自治区林芝市位于青藏高原东南部,森林覆盖率较高,气候干燥,易发生森林火灾。由于传统的山火预测方法存在精度较低以及实时性较差等问题,在此情况之下,提出一种基于卷积神经网络的山火风险预测模型,利用气象数据、遥感影像、地形因子、历史火情等多种多样的信息,采用深度卷积神经网络模型对各个特征提取出来的信息进行融合,并加以优化选取最后的权重系数,综合得到山火风险等级。经过实验后可以得出结论,此种方法与传统机器学习相比,在准确率上有一定的提升。在此测试集的山火风险预测上比原有的森林防火预警准确率提高约7个百分点。
Keywords
卷积神经网络；山火预测；风险管理；深度学习；林芝市
Funding
西藏大学校级大学生创新创业训练计划项目。
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] McArthur A G. Weather and grassland fire behavior[M]. Melbourne:CSIRO,1966.
[2] Van Wagner C E.Development and structure of the Canad ian Forest Fire Weather Index System[R].Ottawa:Canadian Fore stry Service,1987.
[3] 蔡奇均,王飞,李华.基于Logistic回归的浙江省林火预测模型研究[J].林业科学,2018,54(3):89-97.
[4] 文斌,陈涛,刘明.基于加权逻辑回归的输电走廊林火预警模型[J].电力系统保护与控制,2019,47(12):156-163.
[5] 文崇波.基于MODIS和气象数据的林芝地区野火风险预警研究[D].拉萨:西藏大学,2021.
[6] Vadrevu K P,Lasko K, Giglio L,et al.Fire risk and vulner ability mapping using fuzzy analytic hierarchy process and GIS:a case study[J].Natural Hazards,2020,101(2):567-589.
[7] LeCun Y, Bengio Y, Hinton G. Deep learning[J].Nature, 2015,521(7553):436-444.
[2] Van Wagner C E.Development and structure of the Canad ian Forest Fire Weather Index System[R].Ottawa:Canadian Fore stry Service,1987.
[3] 蔡奇均,王飞,李华.基于Logistic回归的浙江省林火预测模型研究[J].林业科学,2018,54(3):89-97.
[4] 文斌,陈涛,刘明.基于加权逻辑回归的输电走廊林火预警模型[J].电力系统保护与控制,2019,47(12):156-163.
[5] 文崇波.基于MODIS和气象数据的林芝地区野火风险预警研究[D].拉萨:西藏大学,2021.
[6] Vadrevu K P,Lasko K, Giglio L,et al.Fire risk and vulner ability mapping using fuzzy analytic hierarchy process and GIS:a case study[J].Natural Hazards,2020,101(2):567-589.
[7] LeCun Y, Bengio Y, Hinton G. Deep learning[J].Nature, 2015,521(7553):436-444.
Copyright © 2025 陈润禾
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License