本發(fā)明涉及林火風(fēng)險預(yù)測領(lǐng)域，尤其是以深度學(xué)習(xí)的注意力機制來進行預(yù)測以及分析的方法。

背景技術(shù)：

1、工業(yè)化的到來導(dǎo)致極端天氣事件的頻率顯著增加，這對人類的生產(chǎn)和生活影響十分巨大。傳統(tǒng)林火風(fēng)險預(yù)測使用經(jīng)驗?zāi)Ｐ突驒C器學(xué)習(xí)方法，但這些方法因為無法將大量的數(shù)據(jù)整合到一起進行預(yù)測，所以準確率不高。

技術(shù)實現(xiàn)思路

1、本公開的內(nèi)容部分用于以簡要的形式介紹構(gòu)思，這些構(gòu)思將在后面的具體實施方式部分被詳細描述。本公開的內(nèi)容部分并不旨在標識要求保護的技術(shù)方案的關(guān)鍵特征或必要特征，也不旨在用于限制所要求的保護的技術(shù)方案的范圍。

2、本公開的一些實施例提出了一種林火風(fēng)險預(yù)測方法、設(shè)備和計算機可讀介質(zhì)，來解決以上背景技術(shù)部分提到的技術(shù)問題。

3、第一方面，本公開的一些實施例提供了林火風(fēng)險預(yù)測方法，該方法包括：首先，對預(yù)先獲取的衛(wèi)星數(shù)據(jù)中的動態(tài)特征進行位置感知自適應(yīng)歸一化，得到動態(tài)向量；將所述衛(wèi)星數(shù)據(jù)中的靜態(tài)特征輸入可變形平均通道與空間注意力模塊(dacsa)中，得到靜態(tài)向量；將所述動態(tài)向量和所述靜態(tài)向量進行拼接，得到特征向量；對所述特征向量進行歸一化處理，得到林火預(yù)測結(jié)果。

4、第二方面，本公開的一些實施例提供了一種注意力方法即可變形平均通道與空間注意力模塊(dacsa)將所述衛(wèi)星數(shù)據(jù)中的靜態(tài)特征輸入得到靜態(tài)向量，包括：將所述靜態(tài)特征輸入第一可變形卷積模塊，得到第一中間靜態(tài)特征；對所述第一中間靜態(tài)特征進行批量歸一化與最大池化處理，得到第二中間靜態(tài)特征；將所述第二中間靜態(tài)特征輸入空間與通道注意力模塊，得到第三中間靜態(tài)特征；將所述第三中間靜態(tài)特征輸入第二可變形卷積模塊，得到第四中間靜態(tài)特征；對所述第四中間靜態(tài)特征進行全局平均池化處理，得到所述靜態(tài)向量。

5、第三方面，本公開的一些實施例通過可變形平均通道與空間注意力模塊(dacsa)提取不同特征的權(quán)重值，以此進行林火的驅(qū)動因素分析。

6、第四方面，本公開的一些實施例提供了一種電子設(shè)備，包括：一個或多個處理器；存儲裝置，其上存儲有一個或多個程序，當一個或多個程序被一個或多個處理器執(zhí)行，使得一個或多個處理器實現(xiàn)如第一方面中任一實現(xiàn)方式描述的方法。

7、第五方面，本公開的一些實施例提供了一種計算機可讀介質(zhì)，其上存儲有計算機程序，其中，程序被處理器執(zhí)行時實現(xiàn)如第一方面中任一實現(xiàn)方式描述的方法。

8、本公開的上述各個實施例中的一個實施例具有如下有益效果：通過本公開的一些實施例的林火風(fēng)險預(yù)測和林火驅(qū)動因素分析方法可以提高林火風(fēng)險預(yù)測的準確率，可以通過大量的特征數(shù)據(jù)來給出林火的驅(qū)動因素具體權(quán)重值。使得分析林火驅(qū)動因素量化更準確。且本發(fā)明提出的dacsa注意力方法相對于其他主流注意力方法效果更好。

技術(shù)特征：

1.一種林火預(yù)測和林火驅(qū)動因素分析方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，其中所述將所述衛(wèi)星數(shù)據(jù)中的靜態(tài)特征輸入可變形平均通道與空間注意力模塊(dacsa)中，得到靜態(tài)向量，包括：

3.根據(jù)權(quán)利要求1所述的方法，其中所述通過可變形平均通道與空間注意力模塊(dacsa)提取不同特征的權(quán)重值，以此進行林火的驅(qū)動因素分析。

4.一種電子設(shè)備，包括：

5.一種計算機可讀介質(zhì)，其上存儲有計算機程序，其中，所述程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-2中任一所述的方法。

技術(shù)總結(jié)
本公開的實施例公開了林火預(yù)測和林火驅(qū)動因素分析方法、設(shè)備和計算機可讀介質(zhì)。該方法的具體實施方式包括：LOAN?with?DACSA模型將15個靜態(tài)變量和10個動態(tài)變量生成相應(yīng)的靜態(tài)變量和動態(tài)變量，然后進行拼接和歸一化得到預(yù)測結(jié)果；通過DACSA注意力機制對變量進行權(quán)重提取以此進行林火驅(qū)動因素分析；該實施方式有效的提高了林火的預(yù)測的準確率，DACSA注意力機制更好的分析和量化林火的驅(qū)動因素。

技術(shù)研發(fā)人員：程朋樂,殷柯,張念慈,鄂雪,楊涵祎
受保護的技術(shù)使用者：北京林業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6