[发明专利]一种基于深度学习的多传感器融合预警预测方法

说明书

本发明提出了一种基于深度学习的多传感器融合预警预测方法,包括洪涝灾害传感器、火灾传感器、旱灾传感器和主控系统，所述主控系统控制洪涝灾害传感器、火灾传感器和旱灾传感器对灾难进行预测，所述主控系统将预测后结果传输至报警器模块中，通过报警器模块进行报警预警处理，所述主控系统将预测后结果传输至数据整理模块，所述数据整理模块对每次预测的结果进行整理收集；该发明有效避免了单一监测传感器监测的不足，获取信息更加全面，减少误报情况发生，洪灾、火灾和旱灾预警准确率有效提升，充分利用监测传感器监测数据，融合结果及决策相对普通火灾报警器模块更加准确，火灾预警更加高效。

技术领域

本发明涉及预警预测技术领域，具体涉及一种基于深度学习的多传感器融合预警预测方法。

背景技术

我国地处中纬度季风气候带，降水分布极不平衡，地形复杂，新构造运动强烈，自然灾害发生的频度高、危害广、破坏性大，成灾比率高。由于历史的原因，我国的经济生产对自然因素的依赖较大，对自然灾害的承受能力较弱，每年造成的直接经济损失占GDP的3-6％，死亡人数数以万计，根据不完全统计，气象、地震、洪涝、干旱、地质、火灾、台风等自然灾害所导致的直接经济损失50年代年平均48亿，60年代年平均55.6亿，70年代年平均59.0亿，80年代年平均69亿，1990-2000年间为175.3亿，进入21世纪以来年均2000亿。随着国民经济持续高速发展、生产规模扩大和社会财富的积累，灾害损失有日益加重的趋势。1998年长江、松花江、嫩江的特大洪水，1999年太湖流域的洪涝灾害，1999年至2001年严重的持续干旱，2003年、2007年淮河特大洪涝灾害，2006年重庆和四川特大干旱，2008年南方低温雨雪冰冻灾害，2008年汶川地震灾害，以及台风、暴雨、泥石流等灾害，均造成严重的社会经济损失。仅汶川地震就造成8000亿元经济损失，死亡人数超过8万人。

该模块研究灾害预警预测的关键技术，面向政府和应急减灾部门监测和管理工作需要，制定标准的包含洪灾、雪灾、火灾和评估产品在内的生产技术流程，建立系统架构，开发灾害预警预测产品模块因此本发明提出一种基于深度学习的多传感器融合预警预测方法以解决现有技术中存在的问题。

发明内容

针对现有技术的不足，本发明提出一种基于深度学习的多传感器融合预警预测方法，该基于深度学习的多传感器融合预警预测方法，有效避免了单一监测传感器监测的不足，获取信息更加全面，减少误报情况发生，洪灾、火灾和旱灾预警准确率有效提升，充分利用监测传感器监测数据，融合结果及决策相对普通火灾报警器模块更加准确，火灾预警更加高效。

本发明的技术方案是这样实现的：一种基于深度学习的多传感器融合预警预测方法，包括以下步骤；

步骤一：通过洪涝灾害传感器、火灾传感器、旱灾传感器和主控系统进行预测预警，所述主控系统控制洪涝灾害传感器、火灾传感器和旱灾传感器对灾难进行预测，所述主控系统将预测后结果传输至报警器模块中；

步骤二：通过报警器模块进行报警预警处理，所述主控系统将预测后结果传输至数据整理模块；

步骤三：其次通过数据整理模块对每次预测的结果进行整理收集，所述数据整理模块将涝灾害传感器、火灾传感器和旱灾传感器造成的灾害预测发送至数据评估模块，所述数据评估模块对发生的灾害进行等级划分，所述数据评估模块将数据传输至学习记忆整理库；

步骤四：然后通过学习记忆整理库对每次发生的灾害记录进行保存便于下次快速评估使用；

步骤五：最后通过数据评估模块将发生的灾害数据导入应对生成模块，通过应对生成模块将灾害应对方案进行生成便于工作人员作出应对。

进一步改进在于：在所述步骤一中，洪涝灾害传感器预报造成洪涝灾害的降雨级别，通过主控系统提取生成灾害的信息，通过数据评估模块进行快速评估，所述火灾传感器对森林火灾进行监测和识别，通过数据评估模块进行灾害等级鉴定，所述旱灾传感器对空气温湿度气象信息进行监测，通过数据评估模块预报造成雪灾的降雪级别。