[发明专利]一种基于梯度提升树的输电线路山火风险等级预报方法

权利要求书

1.一种基于梯度提升树的输电线路山火风险等级预报方法，其特征在于，包括以下步骤：

步骤1：选取预报区域，将选择的预报区域按经纬度为基准单位划分为预定大小的空间网格；

步骤2：采集该预报区域的每个空间网格内已核实的真实火点数量历史数据、历史气象数据、植被类型、卫星监测到的历史热源的月分布情况；

步骤3：根据步骤2中采集的真实火点数量历史数据，计算山火风险等级；

步骤4：根据步骤2采集的历史气象数据、植被类型以及卫星监测到的历史热源的月分布情况，计算山火气象指数I、植被燃烧系数L、工农业用火指数C；

步骤5：根据步骤3-4的计算结果，采用所有样本构建样本空间；

步骤6：基于梯度提升树算法构建山火风险等级预报模型，以山火气象指数I、植被燃烧系数L、工农业用火指数C为输入，山火风险等级为输出进行训练；

步骤7：采用网格搜索寻找最优超参数，并输出最终的山火风险等级预报模型；步骤7包括以下步骤：

步骤701：使用梯度提升树算法默认的迭代过程参数，设置不同的最大深度和最小划分样本数的参数组合，输入山火气象指数I、植被燃烧系数L、工农业用火指数C，输出在不同最大深度和最小划分样本数的参数组合下的山火风险等级，计算其准确率；其中，准确率指模型正确划分山火风险等级的样本数占总样本数的比例；

步骤702：从步骤701的计算结果中，选取准确率最高的一组最大深度和最小划分样本数的参数组合作为最佳决策树参数；

步骤703：将步骤702中的最佳决策树参数带入到山火风险等级预报模型中，设置不同学习率和基学习器数，输入山火气象指数I、植被燃烧系数L、工农业用火指数C，输出在不同学习率和基学习器数下的山火风险等级，并计算其准确率；

步骤704：从步骤703的计算结果中，选取准确率最高的一组学习率和基学习器数作为最佳迭代过程参数；

步骤705：选取最佳决策树参数和迭代过程参数完成训练，输出最终的山火风险等级预报模型；

步骤8：获取各个空间网格待预报日气象数据、植被类型以及预报日所属月份，计算山火气象指数I、各个空间网格的植被燃烧系数L和预报日的工农业用火指数C，输入山火风险等级预报模型，输出各空间网格的山火风险等级。

2.根据权利要求1所述的基于梯度提升树的输电线路山火风险等级预报方法，其特征在于：

采集任意空间网格内的真实火点数量历史数据时，以天为单位，采集预报日之前近s年的经线路运维人员现场核实的距最近输电线路预定距离以内的火点数量，形成“天”为单位的火点数量序列；

采集历史气象数据时，以天为单位，采集预报日之前近s年的历史数据，形成以“天”为单位的气象数据序列；

采集植被类型时，将各空间网格细分为数量为d×d的二次网格，读取二次网格内的植被类型。