[发明专利]存储器、火灾风险预测模型构建方法、系统和装置

权利要求书

1.一种火灾风险预测模型构建方法，其特征在于，包括步骤：

S11、根据与目标区域的火灾发生相关的变量项构成的变量数据集并生成自变量数据集；将目标区域的火灾密度作为因变量项并生成因变量数据集；

S12、通过特征选择对所述变量数据集中的变量项进行筛选获得优选变量项，并生成所述优选变量项的重要度排序；根据所述重要度排序从所述优选变量项中确定最终变量项；

S13、根据所述最终自变量项与所述因变量项组成样本数据集；

S14、根据所述样本数据集随机划分预设个数的数据子集，并从所述数据子集中确定训练集和内部测试集，通过训练生成多个子模型来构建火灾风险预测模型。

2.根据权利要求1所述的火灾风险预测模型构建方法，其特征在于，所述与目标区域的火灾发生相关的变量项包括：

海拔、坡度、坡向、归一化植被指数、人口密度、道路线密度、铁路线密度、月均降水量、月均最低温度、月均平均温度和月均最高温度中的一种及其任意组合。

3.根据权利要求2所述的火灾风险预测模型构建方法，其特征在于，所述生成自变量数据集包括：

对所述变量项中的具体数值进行0-1标准化处理，以生成自变量数据集中各变量项的变量数据。

4.根据权利要求3所述的火灾风险预测模型构建方法，其特征在于，所述对所述变量项中的具体数值进行0-1标准化处理，以生成自变量数据集中各变量项的变量数据，包括：

以分辨率为30M的数字高程模型DEM为基础，采用ArcGIS“栅格表面-坡度”工具计算所述预设区域的坡度和数值型坡向值；所述数值型坡向值根据坡度获得，所述数值型坡向值为介于-1和1之间的数值型变量；

以500MNDVI月合成产品为基础，计算归一化植被指数；

以相应年份的人口密度分布图为基础，使用网格分配算法计算所述预设区域人的口密度；

以道路网、铁路网为基础，使用ArcMap“线密度”工具计算道路线密度和铁路线密度；

以原始遥感观测的月均最高温度、月平均温度、月均最低温度数据集和地面降水月值数据集为基础，计算月均最高温度、月平均温度、月均最低温度和月均降水量等气候变量。

5.根据权利要求4所述的火灾风险预测模型构建方法，其特征在于，所述数值型坡向值根据坡度获得，包括根据公式(1)计算数值型坡向值；

Aspect＝-cos(θ×2×π/360)，公式(1)；其中，θ为坡度值，Aspect为数值型坡向值。

6.根据权利要求1所述的火灾风险预测模型构建方法，其特征在于，所述将目标区域的火灾密度作为因变量项并生成因变量数据集，包括：

通过对年均每平方公里工业园区内的火灾发生次数进行0-1标准化处理，生成因变量数据集。

7.根据权利要求1所述的火灾风险预测模型构建方法，其特征在于，所述通过特征选择对所述变量数据集中的变量项进行筛选获得优选变量项，并生成所述优选变量项的重要度排序，包括：

根据均方根误差RMSE对所述变量数据集中的变量项进行筛选，以获得所述优选变量项；

通过Rstudio软件进行模型训练，得到所述优选变量项的重要度排序。

8.根据权利要求1所述的火灾风险预测模型构建方法，其特征在于，所述根据所述样本数据集随机划分预设个数的数据子集，并从所述数据子集中确定训练集和内部测试集，通过训练生成多个子模型来构建火灾风险预测模型，包括：

将所述样本数据集随机分成五个数据子集；将其中四个数据子集作为训练集，另外一个数据子集作为测试集，依据参照交叉验证的方式，通过训练生成五个子模型，以构建火灾风险预测模型。

9.根据权利要求8所述的火灾风险预测模型构建方法，其特征在于，还包括：

根据训练集与测试集中预测值与实际值的简单相关系数来判断各变量因子重要性排序的准确性。