[发明专利]一种森林火灾消防直升机需求预测方法及系统

说明书

本发明公开一种森林火灾消防直升机需求预测方法及系统，涉及消防直升机技术领域。该方法包括：获取待预测消防直升机数量的影响数据和样本数据；利用改进灰色关联分析对影响数据进行属性约简；利用改进奇异值分解法对第一矩阵进行降维处理；利用样本数据构建径向基函数神经网络；将待预测矩阵导入构建的径向基函数神经网络模型，得到预测的消防直升机数量。本发明以径向基函数神经网络作为消防直升机需求预测模型的主体，充分考虑影响消防直升机数量的多个影响数据，采用改进灰色关联分析和改进奇异值分解法对影响数据进行属性约简和维度约简，优化RBF神经网络模型的结构，提高预测消防直升机数量的精度。

技术领域

本发明涉及消防直升机技术领域，特别是涉及一种森林火灾消防直升机需求预测方法及系统。

背景技术

据国家森林草原防灭火指挥部办公室统计，2018年，全国共发生森林火灾2478起，其中：一般森林火灾1579起、较大森林火灾894起、重大森林火灾3起、特大森林火灾2起，受害森林面积16309公顷，因灾造成人员伤亡39人，其中死亡23人，由森林火灾造成的人力和财力资源损失严重。因此，在森林火灾面临如此严峻的形势下，如何在森林火灾发生时迅速采取措施，有效控制火势，减少森林资源的损失和人员伤亡是一个必要解决的问题。通用航空是我国航空应急救援体系社会化的基础，构建以消防直升机为基础的通航应急救援体系已经成为未来应急救援的必然趋势。国内外对森林火灾发生时的航空救援的研究大多集中在资源调度上，但是关于森林火灾资源调度之前的资源需求分析环节的研究并不多见，近年来，森林火灾频发，依靠飞机灭火是森林防火的重要手段。森林火灾发生后迅速确定直升机需求，不仅可以为调度直升机节约时间，还可以提高消防救援效率。现有预测消防直升机需求的方法采用熵权法与案例推理法结合，通过建立案例库进行火灾相似度匹配和修正，对森林火灾所需的消防直升机具体数量进行预测，然而案例推理法在面对大量的案例数据是缺少一定的时序性和准确性，对样本数据的依赖程度高，得到的预测结果精度不高。因此，现有技术存在预测结果精度低的问题。

发明内容

本发明的目的是提供一种森林火灾消防直升机需求预测方法及系统，解决了现有技术预测结果精度低的问题。

为实现上述目的，本发明提供了如下方案：

一种森林火灾消防直升机需求预测方法，包括：

获取待预测消防直升机数量的影响数据；所述影响数据为影响消防直升机数量的影响因素；

利用改进灰色关联分析对所述影响数据进行属性约简，得到主要影响数据；

利用改进奇异值分解法对所述影响数据和所述主要影响数据构建的第一矩阵进行降维处理，得到待预测矩阵；

获取样本数据，所述样本数据包括历史消防直升机数量以及与所述历史消防直升机数量对应的历史影响数据；

利用所述样本数据构建径向基函数神经网络，得到构建的径向基函数神经网络模型；

将所述待预测矩阵导入所述构建的径向基函数神经网络模型，得到预测的消防直升机数量。

可选的，所述利用改进灰色关联分析对所述影响数据进行属性约简，得到主要影响数据，具体包括：

获取参考序列和比较序列，所述参考序列为所述待预测消防直升机数量，所述比较序列为所述影响数据；

对所述参考序列和所述比较序列进行去量纲处理，得到第一参考序列和第一比较序列；

将所述第一比较序列与所述第一参考序列做差，得到差序列；

利用所述差序列计算所述第一比较序列和所述第一参考序列的两极最大差，以及所述第一比较序列和所述第一参考序列的两极最小差；

利用所述两极最大差和所述两极最小差，计算所述第一比较序列中各影响因素的灰色关联系数，得到每个所述影响因素的灰色关联系数；