m,JTA)計算縣級林火 概率。
[0037] 應(yīng)用聯(lián)合樹算法進(jìn)行推理，預(yù)測出縣級林火概率具體步驟是，首先將貝葉斯網(wǎng)絡(luò) 結(jié)構(gòu)圖G轉(zhuǎn)換為一個輔助的數(shù)據(jù)結(jié)構(gòu)，即聯(lián)合樹T，然后通過在T上的初始化定義和信息傳遞 來進(jìn)行后驗概率計算：
[0038]
[0039]
[0040]概率分配模型與計算300m X 300m粒度林火概率的具體步驟：
[0041] 概率分配以縣為單位進(jìn)行，根據(jù)貝葉斯網(wǎng)絡(luò)預(yù)報出的縣級林火概率，對該縣內(nèi)每 個300m X 300m的區(qū)域進(jìn)行概率分配，主要在縣級林火概率基礎(chǔ)上，考慮地形和地表覆蓋對 林火的影響度，模型輸入為某縣平均林火概率$，所需計算的300mX300m區(qū)域內(nèi)的平均海 拔Η，坡度S，坡位T，地表覆蓋L，共4種影響因子;輸出為該小塊的林火概率；
[0042] 首先計算上述4種林火因子的影響度。記海拔因子的影響度為Ph，坡位因子的影響 度為Pt，坡度因子的影響度為P s，地表覆蓋因子的影響度為Pi。依據(jù)整個縣內(nèi)所有300mX 300m區(qū)域的林火因子影響度和縣林火概率，計算規(guī)則化系數(shù)，每個小塊4種因子影響度相 乘，再乘以規(guī)則化系數(shù)，得到該小塊的林火概率。計算公式如下：
[0043] V.'** h.' ' ' s'
t：' ' ' / / - :·
[0044] 其中，ΝΑ表示地表覆蓋的一些特殊取值，比如水體、冰川等，這些地方林火概率為 〇,其他地方林火概率為每種林火因子的影響度乘以規(guī)則化系數(shù)；
[0045] 影響因子影響度采用統(tǒng)計方法進(jìn)行計算:對每種影響因子在林火歷史記錄出現(xiàn)進(jìn) 行統(tǒng)計分析，將每種影響因子的取值作為自變量，其對林火的影響度作為因變量，應(yīng)用正態(tài) 分布對二者進(jìn)行擬合，并對相應(yīng)的系數(shù)值進(jìn)行微調(diào)，分別統(tǒng)計每種因子在林火歷史記錄中 的充分統(tǒng)計量；
[0046] 依據(jù)正態(tài)分布擬合出海拔與林火影響度之間的關(guān)系，林火歷史記錄中，林火點平 均海拔為2257，樣本方差為624，依據(jù)正態(tài)分布得到海拔對林火影響度與海拔之間的關(guān)系如 下：
[0047]
[0048]依據(jù)已有林火歷史記錄的統(tǒng)計特征和韓國國家森林火險等級預(yù)報系統(tǒng)，Pt取值與 所求小塊實際坡位對照如下：
[0049] 山腳:pt = 〇.5，
[0050] 山谷：Pt = 0.25，
[0051] 中下坡:Pt = 0.1,
[0052] 中上坡:pt = 〇.〇5.
[0053] 上述規(guī)律依據(jù)林火歷史記錄中林火發(fā)生地點的坡位統(tǒng)計得到，其中林火有半數(shù)發(fā) 生在山腳，有四分之一發(fā)生在山谷，有十分之一發(fā)生在中下坡，剩余林火發(fā)生地點為中上 坡，中上坡的林火次數(shù)較少；
[0054]同樣，坡度因子影響度與坡度之間關(guān)系通過正態(tài)分布擬合得到，計算公式如下：
[0055]
[0056]其中，S表示小塊內(nèi)的平均坡度；
[0057]地表覆蓋分為32種，依據(jù)中國氣象行業(yè)標(biāo)準(zhǔn)對每一種地表覆蓋類型設(shè)置影響度， 其中，冰川、農(nóng)田、水體、城市等超出森林范圍的地表覆蓋值為NA，其余的每種覆蓋類型賦值 為0到1之間的實數(shù)；
[0058]計算各因子貢獻(xiàn)度后，還需計算標(biāo)準(zhǔn)化系數(shù):計算方法如下：
[0059]
[0060] 其中η為縣內(nèi)300m X 300m的小塊數(shù)，Pi為每個小塊的林火概率。
[0061] 制定林火風(fēng)險等級的具體步驟：
[0062] 根據(jù)林火概率所對應(yīng)的林火產(chǎn)出比進(jìn)行林火風(fēng)險等級的制定，令Pfire3表示某個確 定的林火概率，N fire3表示預(yù)測結(jié)果中林火概率大于Pfire3的林火樣本數(shù)，Ntcitai表示預(yù)測結(jié)果 中林火概率大于Pf ire樣本總數(shù)，則Pf ire對應(yīng)的林火產(chǎn)出比計算方法為：
[0063]
[0064]自yclT舁/7Γ書觀懺Itf」樸火概率，選定若干個閾值，將林火概率的值域劃分為 若干個區(qū)間，對于每個閾值，計算其對應(yīng)的產(chǎn)出比，依據(jù)產(chǎn)出比的相對大小，制定林火風(fēng)險 等級。
[0065]本發(fā)明的特點及有益效果是：
[0066] 由于本發(fā)明采用了貝葉斯網(wǎng)絡(luò)模型和概率分配模型，因而本發(fā)明的林火概率預(yù)報 系統(tǒng)的預(yù)報結(jié)果更準(zhǔn)確，預(yù)報粒度更細(xì)，是有效、實用的系統(tǒng)。該系統(tǒng)可為林火預(yù)防、兵力部 署、設(shè)備配置等提供可靠參考。
【附圖說明】：
[0067] 圖1:加拿大森林火險天氣指標(biāo)系統(tǒng)(FWI)結(jié)構(gòu)圖。
[0068]圖2:韓國森林火險等級預(yù)報系統(tǒng)(KFFDRI)結(jié)構(gòu)圖。
[0069]圖3:林火概率預(yù)報系統(tǒng)架構(gòu)圖。
[0070] 圖4:林火概率預(yù)報系統(tǒng)功能模塊圖。
[0071] 圖5:林火概率預(yù)報系統(tǒng)流程圖。
[0072] 圖6:林火概率預(yù)報的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。
[0073]圖7 :聯(lián)合樹算法流程圖。
[0074]圖8:概率分配流程示意圖。
[0075]圖9:林火風(fēng)險等級制定示意圖。
[0076]圖10:第二組實驗測試集上的R0C曲線。
[0077] 圖11:2015年2月26日預(yù)報結(jié)果圖。
[0078]圖12:2015年2月26日林火概率預(yù)報系統(tǒng)預(yù)報結(jié)果局部放大圖。
[0079] 圖13:2015年3月22日預(yù)報結(jié)果圖。
[0080]圖14:2015年3月22日林火概率預(yù)報系統(tǒng)預(yù)報結(jié)果局部放大圖。
【具體實施方式】
[0081 ]林火概率預(yù)報系統(tǒng)以Java作為開發(fā)語言，MySQL作為數(shù)據(jù)庫管理工具，通過JDBC訪 問系統(tǒng)數(shù)據(jù)庫，在Eclipse編程環(huán)境下進(jìn)行開發(fā)。系統(tǒng)采用標(biāo)準(zhǔn)三層體系結(jié)構(gòu)，分別由表示 層、應(yīng)用層和數(shù)據(jù)層組成，如圖3所示。數(shù)據(jù)層為整個系統(tǒng)提供數(shù)據(jù)支持，同時存儲系統(tǒng)的計 算結(jié)果數(shù)據(jù);應(yīng)用層提供系統(tǒng)具體功能;表示層提供系統(tǒng)與用戶的交互接口。
[0082]系統(tǒng)采用關(guān)系型數(shù)據(jù)庫MySQL存儲數(shù)據(jù)，結(jié)合JDBC實現(xiàn)數(shù)據(jù)庫基本操作。系統(tǒng)數(shù)據(jù) 庫包括氣象觀測數(shù)據(jù)庫、氣象預(yù)報數(shù)據(jù)庫、模型輸入因子數(shù)據(jù)庫、模型數(shù)據(jù)庫和林火概率數(shù) 據(jù)庫。氣象觀測數(shù)據(jù)庫存儲當(dāng)日的氣象觀測數(shù)據(jù)，用于更新模型輸入因子數(shù)據(jù)庫中的數(shù)據(jù)； 氣象預(yù)報數(shù)據(jù)庫存儲用于貝葉斯網(wǎng)絡(luò)推理的氣象預(yù)報數(shù)據(jù);模型輸入因子數(shù)據(jù)庫存儲用于 構(gòu)建貝葉斯網(wǎng)絡(luò)模型和概率分配模型的歷史數(shù)據(jù)和空間數(shù)據(jù)，包括氣象歷史數(shù)據(jù)、林火歷 史數(shù)據(jù)、地理數(shù)據(jù)、地表覆蓋數(shù)據(jù)、人口分布數(shù)據(jù)等;林火概率數(shù)據(jù)庫存儲系統(tǒng)的計算結(jié)果， 包括由貝葉斯網(wǎng)絡(luò)推理得到的縣級林火概率，由概率分配模型計算得到的300mX300m粒度 林火概率，以及相應(yīng)的林火風(fēng)險等級;模型數(shù)據(jù)庫存儲系統(tǒng)的模型文件，為每個地區(qū)的林火 概率提供計算模型。
[0083]系統(tǒng)需具備數(shù)據(jù)庫管理功能、數(shù)據(jù)采集功能、FWI指數(shù)計算功能、數(shù)據(jù)規(guī)整功能、貝 葉斯網(wǎng)絡(luò)推理功能和概率分配功能，如圖4所示。
[0084]數(shù)據(jù)庫管理模塊包含時態(tài)數(shù)據(jù)管理、空間數(shù)據(jù)管理等子功能，提供對數(shù)據(jù)庫中基 礎(chǔ)信息的處理，實現(xiàn)數(shù)據(jù)的導(dǎo)入、數(shù)據(jù)格式轉(zhuǎn)換、數(shù)據(jù)編輯、修改、查詢等功能。數(shù)據(jù)采集模 塊完成對系統(tǒng)輸入數(shù)據(jù)的采集工作，其中氣象歷史數(shù)據(jù)需要編寫網(wǎng)絡(luò)爬蟲程序進(jìn)行采集； 地表覆蓋、海拔等柵格數(shù)據(jù)需要借助地理信息系統(tǒng)工具進(jìn)行提取。FWI指數(shù)計算模塊完成加 拿大森林火險天氣指數(shù)計算功能，首先由午時氣溫、午時相對濕度、午時風(fēng)速、24小時降水 量計算得到5個中間指數(shù)，再由5個中間指數(shù)計算得出當(dāng)日的FWI指數(shù)。數(shù)據(jù)規(guī)整模塊完成對 連續(xù)型數(shù)據(jù)的離散化功能，以生成用于貝葉斯網(wǎng)絡(luò)模型訓(xùn)練及預(yù)測的樣本數(shù)據(jù)。貝葉斯網(wǎng) 絡(luò)推理模塊完成貝葉斯網(wǎng)絡(luò)建模和推理功能，首先根據(jù)專家經(jīng)驗，主觀確定貝葉斯網(wǎng)絡(luò)的 節(jié)點和網(wǎng)絡(luò)結(jié)構(gòu);然后，基于樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)參數(shù)學(xué)習(xí)，建立用于林火概率預(yù)測的貝葉斯 網(wǎng)絡(luò)模型；最后，應(yīng)用聯(lián)合樹算法進(jìn)行推理，預(yù)測出縣級林火概率。概率分配模塊完成將縣 級林火概率分配至300m X 300m粒度功能，首先對林火歷史記錄進(jìn)行統(tǒng)計分析，得到各林火 因子的取值權(quán)重，然后基于空間數(shù)據(jù)和縣級林火概率計算300mX300m粒度的林火概率。
[0085]系統(tǒng)流程如圖5所示。首先，以氣象、植被、地理、人口分布等數(shù)據(jù)作為輸入，綜合林 火歷史數(shù)據(jù)建立貝葉斯網(wǎng)絡(luò)模型，并應(yīng)用聯(lián)合樹算法進(jìn)行概率推理，預(yù)測出縣級林火概率。 然后，對歷史數(shù)據(jù)進(jìn)行統(tǒng)計分析并構(gòu)建概率分配模型，將縣級林火概率調(diào)整至300m X 300m 粒度。最后，依據(jù)林火概率制定林火風(fēng)險等級，并將之可視化。
[0086]林火概率預(yù)報的貝葉斯網(wǎng)絡(luò)
[0087]貝葉斯網(wǎng)絡(luò)(Bayesian Networks，BN)[ll]，又稱信念網(wǎng)絡(luò)，是在多元統(tǒng)計分析技 術(shù)中的貝葉斯決策方法的基礎(chǔ)上發(fā)展起來的一種統(tǒng)計推斷方法，于1988年由Pearl首次提 出[12]。貝葉斯網(wǎng)絡(luò)以獨特的不確定性知識表達(dá)形式、豐富的概率表達(dá)能力、綜合先驗知識 的增量學(xué)習(xí)特性成為近幾年來理論研究的熱點，被廣泛應(yīng)用于諸多領(lǐng)域，如，海嘯風(fēng)險評估
[13]，水文預(yù)測[14]，毀傷評估[15]等。
[0088] 貝葉斯網(wǎng)絡(luò)以概率論為基礎(chǔ)，研究客觀事物中多個因素之間相互依賴的統(tǒng)計規(guī)律 性，以圖論的形式形象直觀地表達(dá)隨機(jī)變量之間的因果關(guān)聯(lián)關(guān)系。它不僅可以通過有向無 環(huán)圖（網(wǎng)絡(luò)結(jié)構(gòu))來定性表示變量間的依賴和獨立關(guān)系，而且能夠通過條件概率分布（網(wǎng)絡(luò) 參數(shù))來定量刻畫變量對其父節(jié)點的依賴關(guān)系。
[0089] 定義1貝葉斯網(wǎng)絡(luò)為一個二元組13 =〈6，0>。6 = 〇(，4>為有向無環(huán)圖，其中每一個節(jié) 點Xi￡X表示領(lǐng)域變量，每條有向連接弧AijEA表示相應(yīng)節(jié)點Xi和Xj間的關(guān)聯(lián)關(guān)系Xi-Xjd ={01}表示網(wǎng)絡(luò)的條件概率參數(shù)集