[发明专利]一种山火火点二次甄别方法及系统

权利要求书

1.一种山火火点二次甄别方法，其特征在于，包括：

S1、获取历史卫星热点信息作为样本数据，并针对真火点和假火点两种不同情况下的所述样本数据进行特征量提取，获得提取后的特征量，所述特征量包括：T，R，H，W，Z，D，Y，K；

其中，T为日最高气温，R为日降水量，H为日最小相对湿度，W为日平均风速，Z为植被指数，D为地形地貌，Y为月份，K为时间；

S2、对所述提取后的特征量进行归一化处理，并根据归一化处理后的特征量构造输入空间向量；

S3、以所述输入空间向量作为输入、所述输入空间向量对应的真火点或假火点的结果作为输出，建立SVM分类模型并对所述SVM分类模型进行训练；

S4、根据训练后的SVM分类模型输入卫星遥感热点信息，获得火点甄别输出结果。

2.根据权利要求1所述的山火火点二次甄别方法，其特征在于，所述步骤S1与所述步骤S2之间还包括：

随机选取部分所述样本数据作为训练样本数据，并将剩余的样本数据作为甄别样本数据。

3.根据权利要求2所述的山火火点二次甄别方法，其特征在于，所述步骤S2具体包括：

对所述提取后的特征量通过公式一进行归一化处理，并根据归一化处理后的特征量构造输入空间向量，公式一具体如下：

式中，为归一化处理后的数据；x_i代表特征量的原始数据值；x_max代表各特征量序列中的最大值；x_min代表各特征序列中的最小值。

4.根据权利要求3所述的山火火点二次甄别方法，其特征在于，所述步骤S3具体包括：

以所述输入空间向量作为输入、所述输入空间向量对应的真火点或假火点的结果作为输出，利用LS-SVM方法建立SVM分类模型并根据所述训练样本数据对所述SVM分类模型进行训练。

5.根据权利要求4所述的山火火点二次甄别方法，其特征在于，所述步骤S3与所述步骤S4之间还包括：

根据所述甄别样本数据对训练后的SVM分类模型进行评价和验证。

6.一种山火火点二次甄别系统，其特征在于，包括：

提取模块，用于获取历史卫星热点信息作为样本数据，并针对真火点和假火点两种不同情况下的所述样本数据进行特征量提取，获得提取后的特征量，所述特征量包括：T，R，H，W，Z，D，Y，K；

其中，T为日最高气温，R为日降水量，H为日最小相对湿度，W为日平均风速，Z为植被指数，D为地形地貌，Y为月份，K为时间；

归一化处理模块，用于对所述提取后的特征量进行归一化处理，并根据归一化处理后的特征量构造输入空间向量；

训练模块，用于以所述输入空间向量作为输入、所述输入空间向量对应的真火点或假火点的结果作为输出，建立SVM分类模型并对所述SVM分类模型进行训练；

甄别模块，用于根据训练后的SVM分类模型输入卫星遥感热点信息，获得火点甄别输出结果。

7.根据权利要求6所述的山火火点二次甄别系统，其特征在于，还包括：

选取模块，用于随机选取部分所述样本数据作为训练样本数据，并将剩余的样本数据作为甄别样本数据。

8.根据权利要求7所述的山火火点二次甄别系统，其特征在于，所述归一化处理模块具体包括：

归一化处理单元，用于对所述提取后的特征量通过公式一进行归一化处理，并根据归一化处理后的特征量构造输入空间向量，公式一具体如下：

式中，为归一化处理后的数据；x_i代表特征量的原始数据值；x_max代表各特征量序列中的最大值；x_min代表各特征序列中的最小值。

9.根据权利要求8所述的山火火点二次甄别系统，其特征在于，所述训练模块具体包括：

训练单元，用于以所述输入空间向量作为输入、所述输入空间向量对应的真火点或假火点的结果作为输出，利用LS-SVM方法建立SVM分类模型并根据所述训练样本数据对所述SVM分类模型进行训练。

10.根据权利要求9所述的山火火点二次甄别系统，其特征在于，还包括：

评价模块，用于根据所述甄别样本数据对训练后的SVM分类模型进行评价和验证。