CN109670260A - 一种山火蔓延面积预测方法、装置和设备 - Google Patents
一种山火蔓延面积预测方法、装置和设备 Download PDFInfo
- Publication number
- CN109670260A CN109670260A CN201811614743.2A CN201811614743A CN109670260A CN 109670260 A CN109670260 A CN 109670260A CN 201811614743 A CN201811614743 A CN 201811614743A CN 109670260 A CN109670260 A CN 109670260A
- Authority
- CN
- China
- Prior art keywords
- mountain fire
- rate
- propagation
- wind
- fire
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 5
- 238000003860 storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本申请公开了一种山火蔓延面积预测方法、装置和设备，在山火发生后，山火蔓延面积与山火发生区域的微地形特征和气象预报场存在紧密联系，本申请提供的山火蔓延面积预测方法，充分考虑了微地形特征和气象预报场对山火蔓延的影响程度，使得构建的山火顺风蔓延速度模型准确度更高，通过计算山火顺风蔓延速度、山火逆风蔓延速度和山火侧方蔓延速度，将山火蔓延面积分为第一半类椭圆和第二半类椭圆，分别计算第一半类椭圆和第二半类椭圆的面积进行叠加，得到最终的山火蔓延面积，使得山火蔓延面积的计算得到细化，提高了计算速度，因此，本申请提供的山火蔓延面积预测方法，能够快速、准确地预测山火蔓延的面积变化，为山火防灾减灾工作提供有效指导。
Description
技术领域
本申请涉及电力系统技术领域，尤其涉及一种山火蔓延面积预测方法、装置和设备。
背景技术
随着我国电网的迅速发展，电网规模在不断扩大，越来越多输电线路跨越山火多发的林区和山区。山火是一种危害巨大、影响力持久、世界性的重大自然灾害，具有突发性强、破坏性大、处置救助较为困难等特点。
根据电网事故数据分析显示，在主网220kV和500kV线路强迫停运30min以上的故障中，由山火灾害导致的电网停运故障时间分别占总停运故障时间的79％和64％。山火发生后将蔓延并迅速扩展，它不仅对植被生态系统造成破坏，而且对当地人类活动及生命财产带来损失。因此，对电力企业来说，对山火蔓延面积预报越准确，在对山火防灾减灾举措方面就越主动，掌握精确的山火蔓延面积预报方法，并深入开展山火蔓延面积预报与电网防灾交叉学科融合，建立电网山火灾害预警系统，对保障输电线路大通道的安全可靠供电，扭转以往面对山火时的不利被动局面以及提升电网适应日趋频繁的山火的能力，都具有极其重要的意义。
发明内容
本申请实施例提供了一种山火蔓延面积预测方法、装置和设备，能够快速、准确地预测山火蔓延的面积变化，为山火防灾减灾工作提供有效指导。
有鉴于此，本申请第一方面提供了一种山火蔓延面积预测方法，包括：
获取火点所在区域范围的微地形特征数据，根据所述微地形特征数据构建山火顺风蔓延速度模型，所述微地形特征数据包括：坡度、坡向和植被叶面积指数；
根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度；
根据所述历史山火顺风蔓延速度，和所述山火顺风蔓延速度与山火侧方蔓延速度关系、所述山火顺风蔓延速度与所述山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度；
根据所述山火顺风蔓延速度和所述山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据所述山火逆风蔓延速度和所述山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将所述第一半类椭圆的面积和所述第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
优选地，所述获取火点所在区域范围的微地形特征数据，根据所述微地形特征数据构建山火顺风蔓延速度模型，所述微地形特征数据包括：坡度、坡向和植被叶面积指数，之前还包括：
根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将所述山火网格区域划分为山火发生危险区域和安全区域，所述山火发生危险区域为火点所在区域范围。
优选地，所述根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将所述山火网格区域划分为山火发生危险区域和安全区域，所述山火发生危险区域为火点所在区域范围，之前还包括：
根据GIS对山火检测区域进行网格划分，得到若干个山火网格区域。
优选地，所述根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度，具体包括：
根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，通过最小二乘法对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的风速更正系数、植被叶面积指数更正系数和地形坡度更正系数；
根据获取到的气象预报场数据和所述山火顺风蔓延速度模型，计算火点所在区域范围每个格点上的山火顺风蔓延速度。
优选地，所述山火顺风蔓延速度模型具体为：
V＝V0·Kw·Ks·Km；
其中，V为山火顺风蔓延速度，V0为可燃物在无风时的蔓延速度，Kw为风速更正系数，Ks为植被叶面积指数更正系数，Km为地形坡度更正系数。
优选地，所述风速更正系数具体为：
所述植被叶面积指数更正系数具体为：
Ks＝βL+C；
所述地形坡度更正系数具体为：
其中，Vw为风速，θ为风向与坡向的夹角，L为叶面积指数，φ为坡度，α，β，γ，C为常数。
优选地，所述第一半类椭圆的面积为：
所述第二半类椭圆的面积为：
其中，R为山火顺风蔓延半径，R1为山火侧方蔓延半径，R2为山火逆风蔓延半径。
优选地，所述根据所述山火顺风蔓延速度和所述山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据所述山火逆风蔓延速度和所述山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将所述第一半类椭圆的面积和所述第二半类椭圆的面积叠加，得到预测的山火蔓延面积，之后还包括：
判断所述预测的山火蔓延面积的预报时长是否达到预置时长，若否，则返回所述根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域，山火发生危险区域为火点所在区域范围。
本申请第二方面提供了一种山火蔓延面积预测装置，包括：
获取模块，用于获取火点所在区域范围的微地形特征数据，根据所述微地形特征数据构建山火顺风蔓延速度模型，所述微地形特征数据包括：坡度、坡向和植被叶面积指数；
速度计算模块，用于根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度；
拟合模块，用于根据所述历史山火顺风蔓延速度，和所述山火顺风蔓延速度与山火侧方蔓延速度关系、所述山火顺风蔓延速度与所述山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度；
面积计算模块，用于根据所述山火顺风蔓延速度和所述山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据所述山火逆风蔓延速度和所述山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将所述第一半类椭圆的面积和所述第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
本申请第三方面提供了一种山火蔓延面积预测设备，所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面所述的山火蔓延面积预测方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请中，提供了一种山火蔓延面积预测方法，包括：获取火点所在区域范围的微地形特征数据，根据微地形特征数据构建山火顺风蔓延速度模型，微地形特征数据包括：坡度、坡向和植被叶面积指数；根据历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，对山火顺风蔓延速度模型进行拟合，确定山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度；根据历史山火顺风蔓延速度和山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度；根据山火顺风蔓延速度和山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据山火逆风蔓延速度和山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将第一半类椭圆的面积和第二半类椭圆的面积叠加，得到预测的山火蔓延面积。在山火发生后，山火蔓延面积与山火发生区域的微地形特征和气象预报场存在紧密联系，本申请提供的山火蔓延面积预测方法，充分考虑了微地形特征和气象预报场对山火蔓延的影响程度，使得构建的山火顺风蔓延速度模型准确度更高，通过计算山火顺风蔓延速度、山火逆风蔓延速度和山火侧方蔓延速度，将山火蔓延面积分为第一半类椭圆和第二半类椭圆，分别计算第一半类椭圆和第二半类椭圆的面积进行叠加，得到最终的山火蔓延面积，使得山火蔓延面积的计算得到细化，提高了计算速度，因此，本申请提供的山火蔓延面积预测方法，能够快速、准确地预测山火蔓延的面积变化，为山火防灾减灾工作提供有效指导。
附图说明
图1为本申请实施例中的一种山火蔓延面积预测方法的流程示意图；
图2为本申请实施例中的一种山火蔓延面积预测方法另一流程示意图；
图3为本申请实施例中的一种山火蔓延面积预测装置的结构示意图；
图4为本申请实施例中的一种山火蔓延面积预测示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为了便于理解，请参阅图1，本申请实施例中提供的一种山火蔓延面积预测方法，包括：
步骤101、获取火点所在区域范围的微地形特征数据，根据微地形特征数据构建山火顺风蔓延速度模型，微地形特征数据包括：坡度、坡向和植被叶面积指数。
需要说明的是，导致山火发生的原因主要有自然因素和人为因素，自然因素主要是高温、低湿度的空气，加以大风的影响，人为因素主要是野外用火导致的，与正常天气条件相比，极端天气条件下的火灾危险性会更高。山火发生后，山火蔓延面积与山火发生区域的微地形特征和气象预报场存在紧密联系，微地形特征主要为坡度、坡向和植被叶面积指数，气象预报场主要是风速和风向，例如，顺风方向的山火蔓延较快，而逆风方向的山火蔓延较慢。因此，本申请实施例中首先要获取火点所在区域范围的微地形特征数据，根据微地形特征数据来构建山火顺风蔓延速度模型。
步骤102、根据历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，对山火顺风蔓延速度模型进行拟合，确定山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度。
需要说明的是，山火顺风蔓延速度与气象预报场数据和微地形特征数据有关，因此，可以通过历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，拟合出山火顺风蔓延速度模型的各项系数，得到各项系数之后代入山火顺风蔓延速度模型，即可计算出火点所在区域范围每个格点上的山火顺风蔓延速度。气象预报场数据可以是由气象部门提供的风速数据和风向数据。
步骤103、根据历史山火顺风蔓延速度，和山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火顺风蔓延速度与山火逆风蔓延速度。
需要说明的是，本申请实施例中，可以读取历史山火顺风蔓延速度，根据历史山火蔓延速度，和山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系，通过最小二乘法拟合得到每个格点上的山火侧方蔓延速度和山火顺风蔓延速度与山火逆风蔓延速度，山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系如下：
其中，V为山火顺风蔓延速度，V1为山火侧方蔓延速度，V2为山火逆风蔓延速度，a1、a2、b1和b2均为常数。
步骤104、根据山火顺风蔓延速度和山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据山火逆风蔓延速度和山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将第一半类椭圆的面积和第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
需要说明的是，得到山火顺风蔓延速度、山火侧方蔓延速度和山火逆风蔓延速度之后，根据预设的时间步长Δt，即可确定山火顺风蔓延半径、山火侧方蔓延半径和山火逆风蔓延半径，计算公式如下：
其中，R为山火顺风蔓延半径，R1为山火侧方蔓延半径，R2为山火逆风蔓延半径，Rt为前一时刻山火顺风蔓延半径，Rt1为前一时刻山火侧方蔓延半径，Rt2为前一时刻山火逆风蔓延半径，可以理解的是，山火刚发生时，Rt，Rt1，Rt2为0。得到山火顺风蔓延半径、山火侧方蔓延半径和山火逆风蔓延半径之后，即可计算第一半类椭圆的面积和第二半类椭圆的面积，最后将这两个面积进行叠加，即可得到最终预测的山火蔓延面积。
本申请实施例中，提供了一种山火蔓延面积预测方法，包括：获取火点所在区域范围的微地形特征数据，根据微地形特征数据构建山火顺风蔓延速度模型，微地形特征数据包括：坡度、坡向和植被叶面积指数；根据历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，对山火顺风蔓延速度模型进行拟合，确定山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度；根据历史山火顺风蔓延速度和山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度；根据山火顺风蔓延速度和山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据山火逆风蔓延速度和山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将第一半类椭圆的面积和第二半类椭圆的面积叠加，得到预测的山火蔓延面积。在山火发生后，山火蔓延面积与山火发生区域的微地形特征和气象预报场存在紧密联系，本申请提供的山火蔓延面积预测方法，充分考虑了微地形特征和气象预报场对山火蔓延的影响程度，使得构建的山火顺风蔓延速度模型准确度更高，通过计算山火顺风蔓延速度、山火逆风蔓延速度和山火侧方蔓延速度，将山火蔓延面积分为第一半类椭圆和第二半类椭圆，分别计算第一半类椭圆和第二半类椭圆的面积进行叠加，得到最终的山火蔓延面积，使得山火蔓延面积的计算得到细化，提高了计算速度，因此，本申请提供的山火蔓延面积预测方法，能够快速、准确地预测山火蔓延的面积变化，为山火防灾减灾工作提供有效指导。
为了便于理解，请参阅图2和图4，本申请实施例中另一种山火蔓延面积预测方法，包括：
步骤201、根据GIS对山火检测区域进行网格划分，得到若干个山火网格区域。
需要说明的是，GIS(Geographic Information System或Geo-InformationSystem，地理信息系统)是一种在计算机硬、软件系统支持下，对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。利用GIS对山火检测区域进行网格划分，可得到若干个山火网格区域。山火网格区域的空间分辨率不超过1km×1km，将山火检测区域进行网格划分，可以使得预报区域得到细化，能够进一步提高计算速度。
步骤202、根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域，山火发生危险区域为火点所在区域范围。
需要说明的是，模糊聚类算法是一种采用模糊数学语言对事物按一定的要求进行描述和分类的数学方法，根据研究对象本身的属性来构造模糊矩阵，并在此基础上根据一定的隶属度来确定聚类关系，即用模糊数学的方法把样本之间的模糊关系定量的确定，从而客观且准确地进行聚类。本申请实施例中，利用模糊聚类算法，以预置山火预报模型作为参照，可将所有划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域两类，对于山火发生危险区域，则需要在火点发生时计算山火发生危险区域的每个山火网格进行山火蔓延面积的计算和预报，对于安全区域，则不需要计算山火蔓延面积，并将山火蔓延面积记为0,可以减少不具山火蔓延性的安全区域的面积计算预测，进一步提高山火蔓延面积的计算速度和计算量以及存储量。
步骤203、获取火点所在区域范围的微地形特征数据，根据微地形特征数据构建山火顺风蔓延速度模型，微地形特征数据包括：坡度、坡向和植被叶面积指数。
需要说明的是，本申请实施例中的步骤203与上一实施例中的步骤101一致，在此不再进行详细赘述。
进一步的，山火顺风蔓延速度模型具体为：
V＝V0·Kw·Ks·Km；
其中，V为山火顺风蔓延速度，V0为可燃物在无风时的蔓延速度，Kw为风速更正系数，Ks为植被叶面积指数更正系数，Km为地形坡度更正系数。
步骤204、根据历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，通过最小二乘法对山火顺风蔓延速度模型进行拟合，确定山火顺风蔓延速度模型的风速更正系数、植被叶面积指数更正系数和地形坡度更正系数。
步骤205、根据获取到的气象预报场数据和山火顺风蔓延速度模型，计算火点所在区域范围每个格点上的山火顺风蔓延速度。
进一步地，风速更正系数具体为：
植被叶面积指数更正系数具体为：
Ks＝βL+C；
地形坡度更正系数具体为：
其中，Vw为风速，θ为风向与坡向的夹角，L为植被叶面积指数，φ为坡度，α，β，γ，C为常数。
步骤206、根据历史山火顺风蔓延速度，和山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火顺风蔓延速度与山火逆风蔓延速度。
需要说明的是，本申请实施例中的步骤206与上一实施例中的步骤103一致，在此不再进行详细赘述。
步骤207、根据山火顺风蔓延速度和山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据山火逆风蔓延速度和山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将第一半类椭圆的面积和第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
进一步地，第一半类椭圆的面积为：
第二半类椭圆的面积为：
其中，R为山火顺风蔓延半径，R1为山火侧方蔓延半径，R2为山火逆风蔓延半径。
需要说明的是，得到山火顺风蔓延速度、山火侧方蔓延速度和山火逆风蔓延速度之后，根据预设的时间步长Δt，即可确定山火顺风蔓延半径、山火侧方蔓延半径和山火逆风蔓延半径，计算公式如下：
其中，R为山火顺风蔓延半径，R1为山火侧方蔓延半径，R2为山火逆风蔓延半径，Rt为前一时刻山火顺风蔓延半径，Rt1为前一时刻山火侧方蔓延半径，Rt2为前一时刻山火逆风蔓延半径，可以理解的是，山火刚发生时，Rt，Rt1，Rt2为0。得到山火顺风蔓延半径、山火侧方蔓延半径和山火逆风蔓延半径之后，即可计算第一半类椭圆的面积：
和第二半类椭圆的面积：
最后将这两个面积进行叠加，即可得到最终预测的山火蔓延面积(如图4所示)：
步骤208、判断预测的山火蔓延面积的预报时长是否达到预置时长，若是，则结束本次预测，否则，返回根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域，山火发生危险区域为火点所在区域范围。
需要说明的是，在计算得到山火蔓延面积之后，输出山火蔓延面积进行预报，此时，需要判断预测的山火蔓延面积的预报时长是否达到预置时长，如果达到了预置时长，则结束本次预报，此时，不需要再继续执行山火蔓延面积计算操作，直到接收到新的控制指令。如果没有达到预置时长，说明目前输出的山火蔓延面积还不是最终的预测结果，还需要继续预报下一时刻的山火蔓延面积，因此，需要返回重新根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域，山火发生危险区域为火点所在区域范围。
本申请实施例提供是山火蔓延面积预测方法，充分考虑；微地形特征对山火蔓延的影响程度，使得所建立的山火顺风蔓延速度模型准确度更高，利用最小二乘法拟合分析确定各项对山火蔓延速度和面积影响的系数，保证了模型的客观性和准确度，同时，将山火预报区域进行网格划分，对山火蔓延面积的计算区域进行了细化，提高了计算速度，因此也更加适用于山火蔓延面积预报。
为了便于理解，请参阅图3，本申请实施例提供了一种山火蔓延面积预测装置，包括：
获取模块301，用于获取火点所在区域范围的微地形特征数据，根据微地形特征数据构建山火顺风蔓延速度模型，微地形特征数据包括：坡度、坡向和植被叶面积指数。
速度计算模块302，用于根据历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，对山火顺风蔓延速度模型进行拟合，确定山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度。
拟合模块303，用于根据历史山火顺风蔓延速度，和山火顺风蔓延速度与山火侧方蔓延速度关系、山火顺风蔓延速度与山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度。
面积计算模块304，用于根据山火顺风蔓延速度和山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据山火逆风蔓延速度和山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将第一半类椭圆的面积和第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
进一步地，还包括：
聚类模块305，用于根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域，山火发生危险区域为火点所在区域范围。
进一步地，还包括：
网格划分模块306，用于根据GIS对山火检测区域进行网格划分，得到若干个山火网格区域.
进一步地，速度计算模块302具体包括：
第一子模块3021，用于根据历史山火顺风蔓延速度、历史气象预报场数据和微地形特征数据，通过最小二乘法对山火顺风蔓延速度模型进行拟合，确定山火顺风蔓延速度模型的风速更正系数、植被叶面积指数更正系数和地形坡度更正系数；
第二子模块3022，用于根据获取到的气象预报场数据和山火顺风蔓延速度模型，计算火点所在区域范围每个格点上的山火顺风蔓延速度。
进一步地，山火顺风蔓延速度模型具体为：
V＝V0·Kw·Ks·Km；
其中，V为山火顺风蔓延速度，V0为可燃物在无风时的蔓延速度，Kw为风速更正系数，Ks为植被叶面积指数更正系数，Km为地形坡度更正系数。
进一步地，风速更正系数具体为：
植被叶面积指数更正系数具体为：
Ks＝βL+C；
地形坡度更正系数具体为：
其中，Vw为风速，θ为风向与坡向的夹角，L为叶面积指数，φ为坡度，α，β，γ，C为常数。
进一步地，第一半类椭圆的面积为：
第二半类椭圆的面积为：
其中，R为山火顺风蔓延半径，R1为山火侧方蔓延半径，R2为山火逆风蔓延半径。
进一步地，还包括：
判断模块307，用于判断预测的山火蔓延面积的预报时长是否达到预置时长，若否，则触发聚类模块305。
本申请实施例中提供了一种山火蔓延面积预测设备，设备包括处理器以及存储器：
存储器用于存储程序代码，并将程序代码传输给处理器；
处理器用于根据程序代码中的指令执行前述的实施例中的山火蔓延面积预测方法。
本申请实施例中提供了一种计算机可读存储介质，计算机可读存储介质用于存储程序代码，程序代码用于执行前述的实施例中的山火蔓延面积预测方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种山火蔓延面积预测方法，其特征在于，包括：
获取火点所在区域范围的微地形特征数据，根据所述微地形特征数据构建山火顺风蔓延速度模型，所述微地形特征数据包括：坡度、坡向和植被叶面积指数；
根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度；
根据所述历史山火顺风蔓延速度，和所述山火顺风蔓延速度与山火侧方蔓延速度关系、所述山火顺风蔓延速度与所述山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度；
根据所述山火顺风蔓延速度和所述山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据所述山火逆风蔓延速度和所述山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将所述第一半类椭圆的面积和所述第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
2.根据权利要求1所述的山火蔓延面积预测方法，其特征在于，所述获取火点所在区域范围的微地形特征数据，根据所述微地形特征数据构建山火顺风蔓延速度模型，所述微地形特征数据包括：坡度、坡向和植被叶面积指数，之前还包括：
根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将所述山火网格区域划分为山火发生危险区域和安全区域，所述山火发生危险区域为火点所在区域范围。
3.根据权利要求2所述的山火蔓延面积预测方法，其特征在于，所述根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将所述山火网格区域划分为山火发生危险区域和安全区域，所述山火发生危险区域为火点所在区域范围，之前还包括：
根据GIS对山火检测区域进行网格划分，得到若干个山火网格区域。
4.根据权利要求1所述的山火蔓延面积预测方法，其特征在于，所述根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度，具体包括：
根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，通过最小二乘法对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的风速更正系数、植被叶面积指数更正系数和地形坡度更正系数；
根据获取到的气象预报场数据和所述山火顺风蔓延速度模型，计算火点所在区域范围每个格点上的山火顺风蔓延速度。
5.根据权利要求1所述的山火蔓延面积预测方法，其特征在于，所述山火顺风蔓延速度模型具体为：
V＝V0·Kw·Ks·Km；
其中，V为山火顺风蔓延速度，V0为可燃物在无风时的蔓延速度，Kw为风速更正系数，Ks为植被叶面积指数更正系数，Km为地形坡度更正系数。
6.根据权利要求5所述的山火蔓延面积预测方法，其特征在于，所述风速更正系数具体为：
所述植被叶面积指数更正系数具体为：
Ks＝βL+C；
所述地形坡度更正系数具体为：
其中，Vw为风速，θ为风向与坡向的夹角，L为叶面积指数，φ为坡度，α，β，γ，C为常数。
7.根据权利要求1所述的山火蔓延面积预测方法，其特征在于，所述第一半类椭圆的面积为：
所述第二半类椭圆的面积为：
其中，R为山火顺风蔓延半径，R1为山火侧方蔓延半径，R2为山火逆风蔓延半径。
8.根据权利要求2所述的山火蔓延面积预测方法，其特征在于，所述根据所述山火顺风蔓延速度和所述山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据所述山火逆风蔓延速度和所述山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将所述第一半类椭圆的面积和所述第二半类椭圆的面积叠加，得到预测的山火蔓延面积，之后还包括：
判断所述预测的山火蔓延面积的预报时长是否达到预置时长，若否，则返回所述根据预置山火预报模型和模糊聚类算法对划分好的山火网格区域进行聚类，将山火网格区域划分为山火发生危险区域和安全区域，山火发生危险区域为火点所在区域范围。
9.一种山火蔓延面积预测装置，其特征在于，包括：
获取模块，用于获取火点所在区域范围的微地形特征数据，根据所述微地形特征数据构建山火顺风蔓延速度模型，所述微地形特征数据包括：坡度、坡向和植被叶面积指数；
速度计算模块，用于根据历史山火顺风蔓延速度、历史气象预报场数据和所述微地形特征数据，对所述山火顺风蔓延速度模型进行拟合，确定所述山火顺风蔓延速度模型的各项系数，计算火点所在区域范围每个格点上的山火顺风蔓延速度；
拟合模块，用于根据所述历史山火顺风蔓延速度，和所述山火顺风蔓延速度与山火侧方蔓延速度关系、所述山火顺风蔓延速度与所述山火逆风蔓延速度关系，拟合得到每个格点上的山火侧方蔓延速度和山火逆风蔓延速度；
面积计算模块，用于根据所述山火顺风蔓延速度和所述山火侧方蔓延速度将第一山火蔓延面积确定为第一半类椭圆，根据所述山火逆风蔓延速度和所述山火侧方蔓延速度将第二山火面积确定为第二半类椭圆，将所述第一半类椭圆的面积和所述第二半类椭圆的面积叠加，得到预测的山火蔓延面积。
10.一种山火蔓延面积预测设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-8任一项所述的山火蔓延面积预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811614743.2A CN109670260B (zh) | 2018-12-27 | 2018-12-27 | 一种山火蔓延面积预测方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811614743.2A CN109670260B (zh) | 2018-12-27 | 2018-12-27 | 一种山火蔓延面积预测方法、装置和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109670260A true CN109670260A (zh) | 2019-04-23 |
| CN109670260B CN109670260B (zh) | 2021-06-29 |
Family
ID=66147267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811614743.2A Active CN109670260B (zh) | 2018-12-27 | 2018-12-27 | 一种山火蔓延面积预测方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109670260B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210769A (zh) * | 2019-06-06 | 2019-09-06 | 国网湖南省电力有限公司 | 一种输电线路山火蔓延风险预测方法及系统 |
| CN111325940A (zh) * | 2020-02-26 | 2020-06-23 | 国网陕西省电力公司电力科学研究院 | 一种基于模糊理论的变电站消防智能联动方法及系统 |
| CN112033549A (zh) * | 2020-09-08 | 2020-12-04 | 中国林业科学研究院资源信息研究所 | 一种森林草原火灾中火场蔓延区域的检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103472326A (zh) * | 2013-08-28 | 2013-12-25 | 南京南瑞集团公司 | 评估山火引发输电线路故障概率的方法 |
| CN105160592A (zh) * | 2015-08-16 | 2015-12-16 | 国网浙江省电力公司湖州供电公司 | 针对山火条件下架空输电线路跳闸概率的估计方法及山火防控方法 |
| CN105279884A (zh) * | 2014-07-04 | 2016-01-27 | 国家电网公司 | 一种结合公网气象的输电线路山火蔓延预警方法 |
| CN105787602A (zh) * | 2016-03-16 | 2016-07-20 | 华北电力大学 | 一种基于时序变化的输电线路山火动态预测预警方法 |
| CN106682260A (zh) * | 2016-11-18 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种山火灾害发展趋势模拟预测方法及装置 |
| US20180189898A1 (en) * | 2015-08-24 | 2018-07-05 | State Grid Corporation Of China | Cluster analysis based power transmission line mountain fire risky area division method |
| CN108763811A (zh) * | 2018-06-08 | 2018-11-06 | 中国科学技术大学 | 动态数据驱动林火蔓延预测方法 |
-
2018
- 2018-12-27 CN CN201811614743.2A patent/CN109670260B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103472326A (zh) * | 2013-08-28 | 2013-12-25 | 南京南瑞集团公司 | 评估山火引发输电线路故障概率的方法 |
| CN105279884A (zh) * | 2014-07-04 | 2016-01-27 | 国家电网公司 | 一种结合公网气象的输电线路山火蔓延预警方法 |
| CN105160592A (zh) * | 2015-08-16 | 2015-12-16 | 国网浙江省电力公司湖州供电公司 | 针对山火条件下架空输电线路跳闸概率的估计方法及山火防控方法 |
| US20180189898A1 (en) * | 2015-08-24 | 2018-07-05 | State Grid Corporation Of China | Cluster analysis based power transmission line mountain fire risky area division method |
| CN105787602A (zh) * | 2016-03-16 | 2016-07-20 | 华北电力大学 | 一种基于时序变化的输电线路山火动态预测预警方法 |
| CN106682260A (zh) * | 2016-11-18 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种山火灾害发展趋势模拟预测方法及装置 |
| CN108763811A (zh) * | 2018-06-08 | 2018-11-06 | 中国科学技术大学 | 动态数据驱动林火蔓延预测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110210769A (zh) * | 2019-06-06 | 2019-09-06 | 国网湖南省电力有限公司 | 一种输电线路山火蔓延风险预测方法及系统 |
| CN111325940A (zh) * | 2020-02-26 | 2020-06-23 | 国网陕西省电力公司电力科学研究院 | 一种基于模糊理论的变电站消防智能联动方法及系统 |
| CN111325940B (zh) * | 2020-02-26 | 2021-09-14 | 国网陕西省电力公司电力科学研究院 | 一种基于模糊理论的变电站消防智能联动方法及系统 |
| CN112033549A (zh) * | 2020-09-08 | 2020-12-04 | 中国林业科学研究院资源信息研究所 | 一种森林草原火灾中火场蔓延区域的检测方法 |
| CN112033549B (zh) * | 2020-09-08 | 2021-07-02 | 中国林业科学研究院资源信息研究所 | 一种森林草原火灾中火场蔓延区域的检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109670260B (zh) | 2021-06-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lin et al. | A fuzzy inference and big data analysis algorithm for the prediction of forest fire based on rechargeable wireless sensor networks | |
| Luo et al. | Feature extraction and genetic algorithm enhanced adaptive deep neural network for energy consumption prediction in buildings | |
| Li et al. | A household-level approach to staging wildfire evacuation warnings using trigger modeling | |
| Finney et al. | A simulation of probabilistic wildfire risk components for the continental United States | |
| Sakellariou et al. | Review of state-of-the-art decision support systems (DSSs) for prevention and suppression of forest fires | |
| Onat et al. | Analysis of wind climate and wind energy potential of regions in Turkey | |
| CN109670260A (zh) | 一种山火蔓延面积预测方法、装置和设备 | |
| Gai et al. | GIS-based forest fire risk assessment and mapping | |
| Dhunny et al. | Sustainable renewable energy planning and wind farming optimization from a biodiversity perspective | |
| Ai et al. | The optimization model for the location of maritime emergency supplies reserve bases and the configuration of salvage vessels | |
| CN106101252A (zh) | 基于大数据和可信计算的信息安全风险防护系统 | |
| CN109472421A (zh) | 一种电网山火蔓延预警方法及装置 | |
| Ramkumar et al. | A short-term solar photovoltaic power optimized prediction interval model based on FOS-ELM algorithm | |
| CN108182514A (zh) | 一种电网覆冰舞动风险预测方法、系统及存储介质 | |
| Podur et al. | A simulation model of the growth and suppression of large forest fires in Ontario | |
| CN108665052A (zh) | 果蝇算法优化广义回归神经网络的方法和装置 | |
| Zhao et al. | Searching a site for a civil airport based on bird ecological conservation: An expert-based selection (Dalian, China) | |
| CN115293545A (zh) | 一种基于电网台区划分的台风灾害风险评估方法、系统及存储介质 | |
| Cheung et al. | Tropical cyclone formations over the western North Pacific in the navy operational global atmospheric prediction system forecasts | |
| Dhunny et al. | Flood Prediction using Artificial Neural Networks: Empirical Evidence from Mauritius as a Case Study. | |
| Li et al. | Artificial neural network approach for modeling the impact of population density and weather parameters on forest fire risk | |
| Anderson | A climatologically based long-range fire growth model | |
| Bo et al. | Hybrid PSO-BP neural network approach for wind power forecasting | |
| Zhang et al. | Risk early warning of maize drought disaster in Northwestern Liaoning Province, China | |
| Anderson et al. | Fire-growth modelling using meteorological data with random and systematic perturbations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190423 Assignee: Guangdong Electric Power Communication Technology Co.,Ltd. Assignor: ELECTRIC POWER RESEARCH INSTITUTE OF GUANGDONG POWER GRID Co.,Ltd. Contract record no.: X2023980047738 Denomination of invention: A method, device, and equipment for predicting the spread area of wildfires Granted publication date: 20210629 License type: Common License Record date: 20231121 |