买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于多智能体强化学习的火情监控与预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120013094B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510503081.5，技术领域涉及：G06Q10/063；该发明授权一种基于多智能体强化学习的火情监控与预测方法是由杨语希;黄鹏飞;丁岚;涂志宏;朱敏设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本一种基于多智能体强化学习的火情监控与预测方法在说明书摘要公布了：本发明公开了一种基于多智能体强化学习的火情监控与预测方法，属于人工智能与灾害防控领域。所述方法基于智能化手段对火灾进行早期检测、实时监控、准确预测以及迅速响应；包括火情风险度、火势蔓延度、火情危害度、环境影响因子及应急响应度等多项指标的计算与评估；采用强化学习方法：深度Q学习、蒙特卡洛树搜索、策略梯度法、行动者‑评价者框架和双DQN网络来提升火情监控的覆盖范围、反应速度及预测能力。所述方法利用多智能体联合，对火灾进行智能化的风险评估和蔓延预测，有效提高了火情防控的效率与准确性，具备广泛的应用前景。

本发明授权一种基于多智能体强化学习的火情监控与预测方法在权利要求书中公布了：1.一种基于多智能体强化学习的火情监控与预测方法，其特征在于，所述方法包括以下步骤： 步骤S1、基于导航采集智能体获取与火灾相关的多源数据；并对数据进行预处理； 步骤S2、地图构建智能体根据导航采集智能体提供的数据，构建Top-Down图和深度图像； 步骤S3、火情特征提取智能体负责从Top-Down图和深度图像中提取火情相关特征； 步骤S4、火势蔓延预测智能体基于Top-Down图和深度图像，预测火势蔓延方向和速度； 步骤S5、导航优化智能体负责优化导航智能体的路径，提升数据采集和应急响应的效率； 步骤S6、综合决策智能体融合导航数据、Top-Down图和深度图像的分析结果，生成火情预测和应急建议； 所述步骤S1具体如下： 所述导航采集智能体包括动态采集智能体和静态采集智能体； 步骤S11、动态采集智能体围绕火灾区域进行环绕式导航，动态采集视觉和深度数据； 步骤S12、静态采集智能体利用固定传感器采集环境数据，包括温度、湿度、风向风速； 步骤S13、智能体之间通过通信网络共享采集的数据，将采集的原始数据传输给其他智能体； 步骤S14、使用DQN训练导航路径，最大化数据覆盖范围，辅助地图构建智能体建立起火灾区域的Top-Down图和深度图像；所述DQN为深度Q网络； 步骤S15、对数据进行标准化处理，确保各类数据的量纲一致； 步骤S16、构建状态空间矩阵St，将不同时间点的各类输入数据转化为模型可以处理的状态表示； 步骤S17、对缺失值进行填充或删除，处理异常数据； 所述步骤S6具体如下： 步骤S61、综合火情特征和蔓延预测，计算火情风险度FR、危害度FH和应急响应度ER； 步骤S62、使用层次分析法确定各指标权重，综合评估当前火情状态： TS＝α1·FR+α2·FS+α3·FH+α4·ER 其中，各权重系数α1到α4通过层次分析法确定，用以衡量不同指标的相对重要性； 所述步骤S61中计算火情风险度FR、危害度FH和应急响应度ER的计算公式如下： FR＝QSt,aFR＝Rt+γFR·maxQSt+1,a′FR ER＝Qs,aER＝r+γER·Q′s′,argmaxQs′,a′ER 其中，QSt,aFR表示在t时刻、状态S下采取动作aFR的价值函数，Rt表示即时奖励，即系统在某个时间点采取动作后立即获得的反馈值，γFR为火情风险度折扣因子；πaFH∣s为策略函数，rt为t时刻的奖励值，为t时刻的衰减系数；Qs,aER为主网络，用于选择在状态s下采取的最佳动作aER，r表示即时奖励，γER为应急响应度折扣因子，Qs′,a′ER为目标网络，用于估计采取下一步动作后的状态价值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。