SCI论文（www.lunwensci.com）:
摘要：针对近年来国内外森林火灾频发，给人民生命财产安全造成重大损失，本文提出“基于大数据支撑的森林火灾监测预警系统研究”，采用无人机遥感技术、优化的InceptionV1视频火焰超像素检测方法、DEMATEL、K-Means、Storm实时大数据处理框架和数据可视化来对易发火灾的森林进行有效监测与分析预警，并提供智能可视化的展示方案，构建大数据智能平台。帮助森林公安干警及时组织人力物力进行火情防控，提高响应速度和高效扑救能力，最大限度的遏制重特大森林火灾发生，保障人民群众生命财产安全和生态安全。同时，利用大数据的分析减少因设备自身故障或其他因素而导致的虚假警报，避免人力物力无谓消耗。
关键词：大数据；森林火灾；火灾监测预警系统；数据可视化
Research on the Forest Fire Monitoring and Early Warning System Supported by Big Data
ZHU Baochao
(Bohai University School of Information Science and Technology,Jinzhou Liaoning 121000)
【Abstract】：In view of the frequent forestfires at home and abroad in recent years and causing great losses to people's life and property safety,this paper puts forward the"Research on Forest Fire Monitoring and Early Warning System Supported Based on Big Data",uses UAV remote sensing technology,optimized InceptionV1 video flame superpixel detection method,DEMATEL,K-Means,Storm real-time big data processing framework and data visualization to conduct effective monitoring,analysis and early warning of fire-prone forests,and provide intelligent visualization display scheme to build a big data intelligent platform.We will help forest police officers to organize human and material resources to prevent and controlfires in a timely manner,improve the response speed and efficient rescue capacity,curb the occurrence of major forest fires to the maximum extent,and ensure the safety of people's lives and property and ecological safety.At the same time,the analysis of big data is used to reduce the false alarm caused by the equipment itself failure or other factors,to avoid the unnecessary consumption of human and material resources.
【Key words】：big data;forestfire;fire monitoring and early warning system;data visualization
0引言
森林资源是人类的必需资源。随着全球气候变暖，森林火灾预防尤为重要[1]。像国外一些发达国家已将火灾自动报警作为公共报警手段接入监控系统，使消防中心能够快速准确地判断火灾地点，调度消防。相比于世界上的发达国家，我国火灾报警产品起步较晚，目前国内森林火灾主要报警为短信提醒、警报铃和警示牌等方式。因受主客观因素的制约，现有森林监控预警业务系统已经不能满足大数据时代对海量数据进行深度挖掘、分析、应用的现实需求[2]。
1无人机轨迹规划研究
1.1 A*算法基本思想
A*算法不仅是一种求解最短路径最有效的搜索方法，也是常用的启发式算法。可以通过搜索空间中持续评估航迹的估价函数值来启发式搜索节点来寻找最优航迹[3]。其中A*算法的评估函数可以表示为：
f(n)=g(n)+h(n)(1)
其中，f(n)是从初始状态经过状态n到目标状态的代价估计，g(n)是在状态空间中从初始状态到状态n的实际代价，h(n)是从状态n到目标状态的最佳路径的估计代价。
1.2稀疏A*算法基本思想
稀疏A*算法(SAS)将无人机机动约束结合到搜索算法中，在保证航迹可行性的同时有效缩短了搜索时间[4]。我们可以根据林区的面积和位置并利用稀疏A*算法优化无人机轨迹，提高效率来确定最优的无人机监测轨迹，使得监测整个林区所需的无人机数量最少，检测所需时间最短。
2视频火焰检测模型研究
2.1 InceptionV1模型
CNN由若干个重复的Inception模块组成[5]，InceptionV1模型提出在网络结构中应用9个Inception模块的22层深度结构，并且该模型具有很好的性能，可以减少大量参数。
2.2 InceptionV1模型结构的改进
为了提高火焰检测的准确度，加深网络深度，采用卷积核堆叠替换的方法将大小为5×5的卷积核全部采用大小为1×1和3×3的卷积核[6]。并采用Focal-Loss函数[7]对样本类别进行不平衡校正，表达式为：
FL(pi)=-(1-pi)γlog(pi)(2)
式中：pi是特征值属于第i类样本的概率；γ是调节变化幅度的参数。火焰区域超像素定位方法是先将要检测的视频分割成多个超像素感知区域，然后采用SEEDS[8]算法使具有相近颜色和相似纹理的像素聚类生成超像素块，并作为优化后的网络输入。
改进的Inception模块结构如图1所示：
通过采用卷积核堆叠替换的方法改进Inception模块结构，用Focal-Loss函数作为损失函数，并使用SEEDS算法来对火焰区域进行超像素定位来提高模型准确度和误报率，改善了模型对火灾初期小目标火焰的检测能力。
3火灾预警等级划分研究
3.1 DEMATEL方法确定火灾影响因素
DEMATEL方法是在1971年由美国巴特尔纪念研究所为了解决现实世界中复杂困难的问题提出的一个方法论，该方法将图论和矩阵工具完美结合，不仅分析了系统因素之间的相互作用，还分析了直接互相影响的两个因素之间的关系，并且还考虑到了所有因素间接影响之间的关系。最后通过计算可以得出困难复杂问题的逻辑关系，从而实现了将复杂问题简单化的目的[9-12]。根据这种思想，我们可以利用DEMATEL方法对影响森林火灾的各种因素进行定量分析，并进行相关性分析。为了有效避免森林火灾的发生，我们不仅要控制人的行为，还要加强对气候因素和植被因素的相关研究，以便于以后为森林火灾的预测提供更加科学的依据[13]
3.2 K-Means确定各影响因素的阈值
K-Means是一种常见的无监督聚类算法，其可以将较高相似度的数据对象划分到同一类簇，将较高相异度的数据对象划分至不同类簇。所以，我们可以利用K-Means来把可能引发森林火灾的因素划分为人为因素、社会经济因素、气候因素、植被因素等因素，然后根据往年数据和经验来为各类因素设定阈值，即当该因素达到预先设定的阈值便会触发相应的预警方式，到达的阈值越高，触发的预警级别就越高，相应的该地区发生火灾的可能性也就越高，通过K-Means这种无监督的聚类算法和阈值的设定来为火灾预警划分等级。
4大数据平台搭建的可行性研究
4.1 Storm简介
Storm是由BackType开发并被Twitter于2011年开源的分布式实时计算系统，Storm不仅可以很容易地处理持续的流数据，还可以进行实时计算。其主要应用在实时分析、在线机器学习、持续计算、分布式等领域。Storm是常用的流式计算框架，不仅在实时计算中具有更可靠的事务机制和可靠性机制，还可以动态调整实时计算程序的并行度，以最大限度利用集群资源[14]。
4.2火灾预警系统设计
火灾监测预警系统采用分布式大数据框架为基础，使用Java语言编程开发，使各模块之间相互作用、相互联系，火灾监测预警系统设计如图2所示。
4.3火灾信息可视化展示
为了更加直观的展示森林消防的实时状态,系统还可以对监测林区的各种气候条件,易发生火灾区域以及火灾发生后的处置策略等进行可视化的展示，使监管人员可以实时掌握火灾警报的信息位置、预警类型等,从而为消防预警提供更加直观的展示画面。
5结语
本文提出“基于大数据支撑的森林火灾监测预警系统研究”，采用无人机遥感技术、优化的InceptionV1视频火焰超像素检测方法、DEMATEL、K-Means、Storm实时大数据处理框架和数据可视化来对易发火灾的森林进行有效监测与分析预警，并提供智能可视化的展示方案，构建大数据智能平台。希望该平台不仅可以缓解当前森林防火平台数据不统一、平台相互独立，难以形成联防联控和信息共享的问题，还可以对森林火灾进行准确预报与评估，力争将森林火灾消灭于萌芽状态，使决策更加科学有效，使损失降到最小。本文尚有许多不足之处，愿可以为森林火灾监测预警提供一种新思路，新想法，为森林火灾监测预警作出自己的一份努力。
参考文献
[1]朱露晶,郑娅婷.基于北斗的森林火灾预警系统的研究[J].信息与电脑(理论版),2019(15):91-93.
[2]鲁作云.新时期森林防火监测与预警系统建设研究[J].林业科技情报,2021,53(1):38-40.
[3]陈海,王新民,焦裕松,等.一种凸多边形区域的无人机覆盖航迹规划算法[J].航空学报,2010,31(9):1802-1808.
[4]时浩,田聪玲,任意,等.基于稀疏A~*算法的微小型固定翼无人机航迹规划[J].兵工自动化,2021,40(3):14-18+39.
[5]SZEGEDY C,LIU W,JIA Y Q,et al.Going Deeper with Convolutions[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2015:1-9.
[6]邓军,姚涵文,王伟峰,等.基于优化InceptionV1的视频火焰超像素检测方法[J].激光与光电子学进展,2021,58(2):76-85.
[7]LIN T Y,GOYAL P,GIRSHICK R,et al.Focal Loss for Dense Object Detection[C]//Proceedings ofthe IEEE International Conference on Computer Vision,2017:2980-2988.
[8]BERGH M,BOIX X,ROIG G,et al.Seeds:Superpixels ExtractedViaEnergy-drivenSampling[C]//EuropeanConference onComputerVision.Springer,Berlin,Heidelberg,2012:13-26.
[9]李楷,王薇.基于DEMATEL的动物疫情公共危机中消费者行为决策分析[J].安徽农业科学,2014,42(31):11122-11124.
[10]郑丽娟,万志芳.基于DEMATEL的国有林可持续经营影响因素研究[J].林业经济,2014,36(5):32-36.
[11]金卫健,胡汉辉.模糊DEMATEL方法的拓展应用[J].统计与决策,2011(23):170-171.
[12]石春娜.我国森林质量的社会经济影响因素研究[D].北京:北京林业大学,2010.
[13]刘蓉,段辉良,吴鑫.基于DEMATEL的森林火灾影响因素研究[J].安徽农业科学,2021,49(4):115-118.
[14]贺勇,薛盖超,畅广辉,等.基于分布式实时计算框架的电能量数据异常特征提取在线预警系统[J].机电信息,2019(35):22-23+25.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/40929.html
