[发明专利]一种基于人工智能感知机模型的森林火灾预测方法

摘要

本发明涉及一种基于人工智能感知机模型的森林火灾预测方法，采用全新逻辑设计，基于历史数据进行训练，不断优化目标森林区域火灾模型，使之适应于目标森林区域的火灾预测，再结合传感网络所获得的实时检测数据，实现目标森林区域火灾等级的预测，如此有针对目标森林区域实现了高效率的火灾等级预测，并且预测准确性大大提高。此方法具有较强的的可扩展性，当迁移目标区域后，只需要重新提供数据集即可建立一个较为完备的预测模型，简化了传统方法的参数初始化操作，当预测结果和事实出现偏差时，可以动态的根据结果反馈并修正预测模型。

主权项

1.一种基于人工智能感知机模型的森林火灾预测方法，用于实现对目标森林区域的火灾预测，其特征在于，包括如下步骤：步骤A.基于目标森林区域的火灾历史数据，提取预设数目N组、分别由目标森林区域各指定属性数据值组成的属性向量，并结合N组向量分别所对应的火灾标记实际值，构成N组样本训练数据，然后进入步骤B；其中，火灾标记值为1，表示高等级火险级别；火灾标记值为‑1，表示中等级火险级别或低等级火险级别，且高等级火险级别与中等级火险级别之间的临界位置，表示高等级火险级别；步骤B.构建目标森林区域火灾模型如下：其中，表示预设目标森林区域火灾所对应各指定属性权重组成的权重向量，b表示预设目标森林区域火灾数据偏移值，1≤n≤N，表示N组样本训练数据中、第n组样本训练数据的属性向量，表示第n组样本训练数据的属性向量所对应的火灾标记预测值，若则若则若则表示高等级火险级别与中等级火险级别之间临界位置、目标森林区域各指定属性数据值组成的属性向量；然后初始化i＝1，并进入步骤C；步骤C.初始化n＝1，并进入步骤D；步骤D.判断n是否大于N，是则进入步骤H；否则进入步骤E；步骤E.将第n组样本训练数据的属性向量带入目标森林区域火灾模型中，获得第n组样本训练数据的属性向量所对应的火灾标记预测值，并判断该火灾标记预测值是否与第n组样本训练数据的属性向量所对应火灾标记实际值相等，是则进入步骤G；否则进入步骤F；步骤F.根据第n组样本训练数据中的属性向量以及对应的火灾标记实际值y_n，用的值针对进行更新，以及用b+ηy_n的值针对b进行更新，进而更新目标森林区域火灾模型，然后进入步骤G；其中，η表示预设步长，0＜η≤1；步骤G.针对n的值进行加1更新，然后返回步骤D；步骤H.判断i是否等于I，是则进入步骤I，否则针对i的值进行加1更新，并返回步骤C；其中，I表述预设最大训练次数；步骤I.目标森林区域火灾模型即为目标森林区域火灾等级预测模型，根据目标森林区域各指定属性的待处理数据值，即可实现目标森林区域火灾等级的预测。