← 返回列表
一种基于图卷积神经网络的森林火灾风险预测方法
摘要文本
本发明提出了一种基于图卷积神经网络的森林火灾风险预测方法。通过建立适用于地理空间数据的特征表示方法和图构建技术，并结合图卷积神经网络(GCN)这一专注于图结构的深度学习技术，综合考虑预测目标区域相邻地区的气象、地形、植被时空数据特征对火灾发生与传播的影响，形成了区别于仅考虑预测目标区域时空数据特征进行森林火灾风险预测的新方法，从而更好地理解森林火灾发生规律，为实现更准确的森林火灾风险评估提供了技术途径。。 （来 自 专利查询网）
申请人信息
- 申请人:中国科学院空天信息创新研究院
- 申请人地址:100190 北京市海淀区北四环西路19号
- 发明人: 中国科学院空天信息创新研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于图卷积神经网络的森林火灾风险预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311613220.7 |
| 申请日 | 2023/11/29 |
| 公告号 | CN117575320A |
| 公开日 | 2024/2/20 |
| IPC主分类号 | G06Q10/0635 |
| 权利人 | 中国科学院空天信息创新研究院 |
| 发明人 | 葛星彤; 彭玲; 杨颐; 覃沧; 陈嘉辉; 杨丽娜 |
| 地址 | 北京市海淀区北四环西路19号 |
专利主权项内容
1.一种基于图卷积神经网络的森林火灾风险预测方法，其特征在于，所述方法包括以下步骤：步骤1.提出时空数据特征表示方法；从多源数据中提取有关地理位置、气象、植被、地形因素的特征，用于全面定量描述火灾风险因素；步骤2.提出预测目标区域的图构建方法；建立地理空间中的各个网格用节点表示，网格之间的空间关系用边表示的图结构，图构建方法能够表示相邻地区之间的空间联系，捕获相邻地区的特征，以便于后续的分析和建模；步骤3.构建森林火灾预测模型；结合特征表示方法和图卷积神经网络构建森林火灾预测模型，用于捕获相邻地区的特征，并实现端到端地预测森林火灾风险；步骤4.样本数据集构建；构建包含历史火灾事件、地形信息、植被信息、气象数据的多源时空数据的样本数据集，以供模型训练、验证与测试。