[发明专利]一种基于大数据的火灾预警方法及系统

说明书

本申请提供一种基于大数据的火灾预警方法及系统，该方法包括：将目标区域划分为N个互不重叠的区域，对同一区域在多个历史时间段的指定数据进行融合，以得到融合后的特征数据；将融合后的特征数据输入到预设的基于ConvLSTM模型的火灾预测模型进行运算，以确定区域在预测时间段内发生火灾的概率值；根据得到的目标区域中各个区域内发生火灾的概率值和各个区域内发生火灾对整个目标区域的威胁程度，确定整个目标区域发生火灾的风险程度。本申请通过将目标区域划分为多个区域，并对各个区域进行火灾预测，能够降低火灾发生的随机性对预测结果的影响，采用ConvLSTM模型能兼顾时间和空间的火灾预测，从而更加准确的进行火灾预测。

技术领域

本申请涉及计算机技术领域技术领域，具体涉及一种基于大数据的火灾预警方法及系统。

背景技术

火灾会促使目标区域环境发生急剧的变化，使大气、水域和土壤等目标区域生态受到干扰，失去平衡，往往需要几十年或上百年的时间才能得到回复。火灾能烧毁林区的各种生产设施和建筑物，威胁目标区域附近的村镇，危及人民生命和财产的安全，等。火灾发生时还会产生大量的烟雾，污染空气环境。此外，扑救火灾的消耗大量的人力、物力和财力，影响工农业生产，有时还会造成人员伤亡，影响社会稳定。因此，火灾预警显得尤为重要。

发明内容

本申请的目的是提供一种基于大数据的火灾预警方法及系统。

本申请一方面提供一种基于大数据的火灾预警方法，包括：

将目标区域划分为N个互不重叠的区域，采用在各区域内布置的传感器实时采集指定数据；

对同一区域在多个历史时间段的指定数据进行融合，以得到融合后的特征数据，其中所述指定数据是多个对发生火灾用影响的数据；

将所述融合后的特征数据输入到预设的基于ConvLSTM模型的火灾预测模型进行运算，以确定所述区域在预测时间段内发生火灾的概率值；

根据得到的目标区域中各个区域内发生火灾的概率值和各个区域内发生火灾对整个目标区域的威胁程度，对目标区域中各个区域内发生火灾的风险程度进行评估，根据各个区域内发生火灾的风险程度，确定整个目标区域发生火灾的风险程度。

在一些实施例中，所述对与每个区域具有相同目标区域属性的目标区域在多个历史时间段的指定数据进行融合，包括：

基于预先训练好的递归神经网络模型对对同一区域在多个历史时间段的指定数据进行融合，以得到融合后的特征数据，以得到融合后的特征数据。

在一些实施例中，所述对同一区域在多个历史时间段的指定数据进行融合，以得到融合后的特征数据，还包括：

判断所述多个历史时间段的指定数据是否存在人为放火的记录数据；

如果存在人为放火的记录数据，则从所述多个历史时间段的指定数据清除。

在一些实施例中，所述指定数据包括对应所述目标区域的火点信息数据、火像元数据、着火日期数据、火灾季节的烧伤疤痕数据、现场火警记录数据、地形数据以及地形矢量数据。

在一些实施例中，所述将所述融合后的特征数据输入到预设的基于ConvLSTM模型的火灾预测模型进行运算之前，包括：

获取所述目标区域的地貌属性；

根据所述目标区域的地貌属性调用对应所述目标区域的地貌属性的所述火灾预测模型，其中，所述火灾预测模型包括多个，不同的火灾预测模型是针对不同地貌属性，并基于ConvLSTM模型建立的火灾预测模型。

在一些实施例中，所述将目标区域划分为N个互不重叠的区域，包括：