[发明专利]基于数据挖掘的森林火灾预测方法

说明书

技术领域

本发明涉及一种基于数据挖掘的森林火灾预测方法，属于信息自动化技术领域。

背景技术

我国是森林火灾多发的国家之一。森林火灾对生态环境 造成的严重破坏，同时给人类的生存造成严重的经济损失。为了防止森林火灾的发生，需要对火灾发生的频率和因素进行研究，并能提供更可靠和更准确的森林火灾预测系统是重要的研究和探索的领域。目前在传统的森林火灾预测技术中，主要采用的是Logistic和零膨胀Poisson(ZIP)回归模型、智能预测等技术。这些技术能有效解决预测等问题，但在预测精度方面还可以进一步提升。

发明内容                                  

针对以上问题，本发明提供一种基于数据挖掘的森林火灾预测系统，将先进的数据挖掘技术应用于森林火灾预测，并采用Logistic回归模型对火灾发生的概率预测，与森林火灾预警分级结合，更精确的将森林火灾预警明确和分级，对于较高发生火险等级的情况及时告警增加了概率分析，提高了判断的准确性，同时使运算方便，快捷。

本发明采用的技术方案：本发明采用了相关性算法和回归模型算法相结合的数据挖掘技术和预测算法手段，并利用Logistic回归模型进行概率预测，根据预测的概率结果，与森林火险信号进行对比，进行预测，具体按照下面步骤进行；

第一步、数据采集过程：根据森林火灾预测所需要的特征参数进行数据的采集、处理和建立所需特征参数的实时和历史数据库；

第二步、相关性分析过程：根据收集到的特征参数利用相关系数公式：                                                进行相关性分析，其中为相关系数，分别为自变量；

第三步：利用最小二乘法计算回归系数，                                                                             其中是回归系数 ， 、为变量、的平均值；              

第四步：利用公式， 其中：是回归系数，为自变量，为概率；并通过计算预测火灾发生的可能性概率；

第五步：利用Logistic回归模型进行概率预测，根据预测的概率结果，与国家林业局规定的森林火险信号进行对比，即：当概率在0-0.25之间时，此时是黄色警情，森林火灾较易发生，但是发生的可能性不大；当概率大于0.5时，需要用当年的每日测量值进行校验，此时橙色警情，森林火灾较易发生，火势蔓延速度快；当概率大于0.75时，需要用多年的日平均测量值进行校验，此时是红色警情，森林火灾极易发生，火势蔓延速度极快。

影响森林火灾因素的特征参数，根据影响火灾的多种因素，选择相应的特征参数作为系统的数据源，诸如：温度、湿度、风速直接因素和环境、地质结构、气候带等间接因素构成。

本发明的有益效果：将先进的数据挖掘技术应用于森林火灾预测，并采用Logistic回归模型对火灾发生的概率预测，与森林火灾预警分级结合，更精确的将森林火灾预警明确和分级，对于较高发生火险等级的情况及时告警增加了概率分析，提高了判断的准确性，同时使运算方便，快捷。

附图说明

图1为系统流程图。

具体实施方式

下面通过实施例对本发明进行详细说明。

本发明采用了相关性算法和回归模型算法相结合的数据挖掘技术和预测算法手段，并利用Logistic回归模型进行概率预测，根据预测的概率结果，与森林火险信号进行对比，进行预测，具体按照下面步骤进行；

第一步、数据采集过程：根据森林火灾预测所需要的特征参数进行数据的采集、处理和建立所需特征参数的实时和历史数据库；

影响森林火灾因素的特征参数，根据影响火灾的多种因素，选择相应的特征参数作为系统的数据源，诸如：温度、湿度、风速等直接因素和环境、地质结构、气候带等间接因素构成。

第二步、相关性分析过程

相关系数：

                             （1）