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！

申请/专利权人：成都森拓沐然科技有限公司

摘要：本申请提供了一种基于数字孪生的森林防火预测方法，属于森林防火领域，通过获取待测森林的历史火灾所对应的时间序列数据，对时间序列数据进行季节性分解和SSA奇异谱分析处理，将时间序列数据导入堆叠式LSTM神经网络层，在LSTM神经网络层之后增加全连接层，通过调参和训练得到最优参数模型，接着获取待测森林的消防数据和植被数据等以生成数字孪生数据库，将数字孪生数据库与三维森林可视化平台进行数据传输以生成待测森林的数字孪生模型，当基于消防数据监测到火灾发生时，生成火灾报警信息，获取当前的时间序列数据，采用所述最优参数模型进行火源定位并预测火灾发展趋势，实现了及时、准确地监测到森林火灾并进行准确的预测。

主权项：1.一种基于数字孪生的森林火灾预测方法，其特征在于，所述方法包括如下步骤：S1：通过分析历史火灾的视频图像获取待测森林的历史火灾所对应的时间序列数据，采用X-11时间序列分解方法对所述时间序列数据进行季节性分解，所述X-11时间序列分解方法采用加法模型公式以将时间序列数据分解为季节周期分量、趋势分量和随机分量，所述加法模型公式为： ；式中，表示时间序列数据，表示季节周期分量，表示趋势分量，表示随机分量，季节性分解后将分解出的随机分量进行SSA奇异谱分析处理；其中，所述时间序列数据为多元时间序列，其通过以下步骤获取：先将视频图像逐帧分解，对分解后的图片进行灰度化处理，以得到灰度值矩阵，将灰度值矩阵按照时间排序以获取多元时间序列；S2：将时间序列数据的季节周期分量、趋势分量和经过SSA奇异谱分析处理的随机分量导入堆叠式LSTM神经网络层，在LSTM神经网络层之后增加全连接层，通过调参和训练以得到最优参数模型；所述全连接层位于堆叠式LSTM神经网络层之后，用于完成数据的回归分析，以提高模型学习特征之间的非线性关系的能力；S3：获取待测森林的消防数据、植被数据、气象数据、地形数据以生成数字孪生数据库，将数字孪生数据库与三维森林可视化平台进行数据传输以生成待测森林的数字孪生模型，其中，消防数据包括通过温度传感器、烟雾传感器、火焰探测器、气体传感器采集的数据，植被数据包括森林覆盖率、林分结构，气象数据包括温度、空气湿度、土壤湿度、风向、风速，地形数据包括坡度、坡向、坡位、输配电线路；S4：当基于消防数据监测到火灾发生时，生成火灾报警信息，获取当前的时间序列数据，采用所述最优参数模型进行火源定位并预测火灾发展趋势。

全文数据：

权利要求：

百度查询： 成都森拓沐然科技有限公司 一种基于数字孪生的森林防火预测方法