[发明专利]基于单分类SVM的森林火险等级判定方法及系统

说明书

本发明提供一种基于单分类SVM的森林火险等级判定方法及系统，包括以下步骤：以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；获取所述建模样本对应的气象因子；基于所述建模样本对应的气象因子，构建单分类SVM模型；构建森林火险发生概率模型，即利用激活函数将所述单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；计算待测样本的森林火险发生概率，并根据所述待测样本的森林火险发生概率判定森林火险等级。本发明的基于单分类SVM的森林火险等级判定方法及系统有效克服了由于森林火灾样本集中而存在类别不平衡问题，提高了森林火险的判定的准确度。

技术领域

本发明涉及一种等级判定方法及系统，特别是涉及一种基于单分类SVM的森林火险等级判定方法及系统。

背景技术

森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害，其高破坏性决定了森林火灾防控的重要性。因此，如何科学有效的对森林火灾进行预警预报，最大限度的减少森林火灾的发生以及由森林火灾带来的损失一直是我国林业部门和科研部门十分关注的问题。

森林火险是森林火灾发生的可能性和蔓延容易程度的一种度量。森林火灾的发生、发展与气象条件密切相关。故开展森林火险预报工作离不开实时观测气象要素，它是可燃物和背景综合因子的综合函数。

森林火险等级与多种因子有关。现有技术中，对火险等级的预测主要是根据气象因子以及可燃物情况等因子进行。其中，气象因子包括空气温度、相对湿度、光照、降水、风速等、。

在森林火灾领域，传统的森林火险预测方法一般是选取一段时间内的气象数据，以天为样本单位，对每个样本标注‘是’或‘否’发生火灾；然后将所有的样本送入二分类器进行训练，得到一个火险预测模型。但是，由于森林火灾的特殊性，发生火灾的正样本数严重少于未发生火灾的负样本数，导致该样本集存在严重的类别不平衡性。标准的机器学习分类方法在处理不平衡数据分类问题时，分类判决综合倾向多样本类，导致少样本类分类精度很低。而在森林防火中，作为少样本的正样本才是真正关心的样本。因此，现有的森林火险预测方法无法达到对森林火险预测准确度的要求。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于单分类SVM的森林火险等级判定方法及系统，以若干项气象因子作为判断森林火险等级的影响因子，利用不发生火灾的样本基于单分类SVM进行森林火险发生概率模型的学习，进而判定森林火险等级，有效地克服了由于森林火灾样本集中而存在类别不平衡问题，提高了森林火险的判定的准确度。

为实现上述目的及其他相关目的，本发明提供一种基于单分类SVM的森林火险等级判定方法，包括以下步骤：以天为样本单位，根据火灾数据选取发生火灾的样本作为建模样本；获取所述建模样本对应的气象因子；基于所述建模样本对应的气象因子，构建单分类SVM模型；构建森林火险发生概率模型，即利用激活函数将所述单分类SVM模型的中间输出的样本到模型中超球面球心的距离的取值区间映射至[0,1]，映射结果即为森林火险发生概率；计算待测样本的森林火险发生概率，并根据所述待测样本的森林火险发生概率判定森林火险等级。

于本发明一实施例中，所述气象因子包括日降水量、日最高气温、日最低气温、日平均相对湿度、日平均风速、昨日降水量、前三天天降水量合计值、前三天相对湿度平均值、前三天气温合计值、今日以前降水量小于等于5毫米的连续日数、20时以前日降水量小于等于3毫米的连续日数、20时前日降水量小于等于0.5毫米的连续日数。

于本发明一实施例中，构建所述单分类SVM模型时，使用怀卡托智能分析环境平台的单分类SVM模型，采用默认参数。

于本发明一实施例中，所述激活函数采用

于本发明一实施例中，根据待测样本的森林火险发生概率判定森林火险等级时，遵循以下原则：