[0001] 本发明属于森林防火监测技术领域，具体涉及一种森林火灾监测预测系统。

[0002] 森林防火监测预测系统的发展，大致分为3个方向：基于卫星遥感的森林监测、基于图像视频监测的森林防控和基于无线传感网络的森林火灾防控。卫星遥感方式现阶段还需要解决高清分辨难题，对高温饱和、强反射面、云层等干扰因素需要进一步解决，同时设置好合适的图像处理阈值，避免对较小火情的相关信息提取出现误报、漏报现象；基于图像视频的监测方式对复杂森林图片的处理还存在很大难题，同时该方式需要实现大量数据传输，在自然环境中大量数据无线传输需要合适的传输设备，耗能较大。

[0003] 基于无线传感网络的林火防控机制是兴起热点之一，也是未来林火防控的主要趋势之一，然而无线传感网络的森林防火监测预测系统的缺点是受功耗与处理器处理能力影响，往往不能传送图像与视频信息。

[0013] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0014] 如图1所示，本实施例提供了一种森林火灾监测预测系统，包括：森林火灾监测预测模型建立模块，根据森林火灾的样本数据建立森林火灾监测预测模型；以及森林火灾监测预测结果输出模块，与森林火灾监测预测模型建立模块电性连接，以将当前森林数据代入森林火灾监测预测模型中得出森林火灾监测预测结果。

[0015] 在本实施例中，具体的，所述森林火灾监测预测模型建立模块包括：数据采集单元，以及与该数据采集单元电性连接的森林火灾监测预测模型单元；其中数据采集单元采集被检测区域的森林火灾的样本数据，并将样本数据发送至森林火灾预测模型单元以建立森林火灾预测模型。

[0016] 如图3所示，具体的，所述数据采集单元包括红外图像传感器模块、温度传感器模块、湿度传感器模块、风速传感器模块和火焰传感器模块，以检测森林的温度数据、湿度数据、风速数据、植被易燃程度等级和森林火灾状态；并且所述植被易燃程度等级根据被检测区域的植被类型进行划分确定易燃程度；所述森林火灾状态包括无森林火灾和发生森林火灾两个状态。

[0017] 在本实施例中，具体的，先由工作人员根据被检测区域的植被类型进行划分植被自身易燃等级，从低到高划分为一到十级，并设定季节系数，南方地区冬春季系数为1，夏秋季系数为0.7，北方地区春秋季系数为1，夏冬季系数为0.8，植被自身易燃等级与季节系数之积即为植被易燃程度。

[0018] 在本实施例中，具体的，所述森林火灾监测预测模型单元以建立森林火灾监测预测模型，即根据样本数据，通过fisher判别设立数据向量与变换向量，以训练求得样本数据投影到一维空间的最佳投影方向；根据最佳投影方向，将样本数据在其上投影得到数据，求得无森林火灾与发生森林火灾两个状态的数据类别的均值与标准差，以获得森林火灾监测预测模型，求得森林火灾监测预测结果。

[0019] 在本实施例中，具体的，根据样本数据，通过fisher判别设立数据向量与变换向(1) (2)量，以训练求得样本数据投影到一维空间的最佳投影方向；即建立数据向量x＝(x ，x ，x(3) (4) (1) (2) (3) (4)
，x )，其中x 为温度，单位为℃；x 为湿度，单位为RH％；x 为风速，单位为m/s；x 为(1) (2) (3) (4) (1) (1) (2) (2)
植被易燃程度；定义变换向量w＝(w ，w ，w ，w )，其中w 为x 的系数向量，w 为x(3) (3) (4) (4) * ‑1
的系数向量，w 为x 的系数向量，w 为x 的系数向量；求取最佳变换向量w ＝Sw (m2‑*
m1)，其中w的最大值w为最佳变换向量，即训练得到的最佳投影方向；Sw为类内协标准差矩阵；m1和m2分别表示无森林火灾和发生森林火灾两类的均值向量。

[0020] 具体的，最佳变化相量w*通过拉格朗日法求得。

[0021] 在本实施例中，fisher判别具体是是根据方差分析的思想建立起来的一种能较好区分各个总体的线性判别法，把高维空间的点向低维空间投影，在原来的坐标系下，可能很难把样品分开，而投影后可能区别明显。

[0022] 具体的，基于fisher判别，原本数据库中的样本数据得以分开，通过此方式得到在一维方向上的最佳投影方向。

[0023] 在本实施例中，具体的，所述根据最佳投影方向，将样本数据在其上投影得到数*据，求得无森林火灾与发生森林火灾两个状态的数据类别的均值与标准差，即μ1＝w m1；μ2*
＝w m2； 其中μ1为无森林火灾数据
* *
在w向量轴投影后所得到的数据的均值，μ2为发生森林火灾数据在w 向量轴投影后所得到*
的数据的均值，δ1为无森林火灾数据在w向量轴投影后所得到的数据的标准差，δ2为发生森*
林火灾数据在w向量轴投影后所得到的数据的标准差，N1为无森林火灾的数据样本总数，N2为发生森林火灾的数据样本总数。

[0024] 具体的，w*T为w*的转置。

[0025] 在本实施例中，具体的，所述森林火灾监测预测结果输出模块适于将当前森林数* *据设为数据向量xc，Zc＝wxc，Zc为数据向量xc在w向量轴投影后所得到的值；则当前森林火灾的危险度指数D为：当Zc≤μ1+δ1时，危险度指数D为0，判定为无森林火灾；当Zc≥μ2‑δ2时，危险度指数D为1，判定为发生森林火灾；当μ1+δ1≤Zc≤μ2‑δ2时，建立森林火灾监测预测模型，即 判定为存在森林火灾风险；所述危险度指数D为从0到1范围
的数，越接近0表示危险度越小，越接近1表示危险度越大。

[0026] 如图2所示，具在本实施例中，可选的，阈值D0设定为0.5。

[0027] 具体的，在使用过程中可根据危险度大小进行预防性维护和提前防护。

[0028] 体的，所述森林火灾监测预测结果输出模块还通过无线模块与服务器相连；其中所述森林火灾监测预测结果输出模块适于人工设定阈值D0，以当危险度指数低于设定的阈值D0时，调节红外图像帧频为指定固定帧频FA；当已监测到发生火灾时，调节红外图像帧频为指定固定帧频FC；当危险度指数高于设定的阈值D0，但未监测到发生火灾时，调节红外图像帧频FB为: 其中：k为调节系数，取值范围包括20‑22，e为自然常数。

[0029] 在本实施例中，具体的，FA为1帧/小时，FB为 帧/秒，FC为30帧/秒。

[0030] 综上所述，本发明的一种森林火灾监测预测系统，构建森林火灾监测预测系统，系统根据森林防火监测历史数据，学习出森林防火预警模型。根据森林防火预警模型并结合当前得到的森林防火监测参数，给出当前森林火灾的危险度指数。根据当前森林火灾的危险度指数，在火灾危险度较低的情况下，采用低帧频存储与传输红外图像，节约系统功耗；在火灾危险度较高的情况下，采用高帧频存储与传输红外图像；在监测到已发生森林火灾的情况下，存储与传输视频流，提供最充分的火场信息，实现了森林火灾监控的智能化，提高了森林火灾监控的及时性和可靠性，并降低了监控成本。

[0031] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0032] 另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

[0033] 以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。