CN112419644A - 一种森林火灾应急救援风速风向监测预警系统及方法 - Google Patents
一种森林火灾应急救援风速风向监测预警系统及方法 Download PDFInfo
- Publication number
- CN112419644A CN112419644A CN202010790552.2A CN202010790552A CN112419644A CN 112419644 A CN112419644 A CN 112419644A CN 202010790552 A CN202010790552 A CN 202010790552A CN 112419644 A CN112419644 A CN 112419644A
- Authority
- CN
- China
- Prior art keywords
- module
- rescue
- early warning
- monitoring
- wind speed
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 35
- 239000000779 smoke Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001931 thermography Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 5
- 239000002131 composite material Substances 0.000 description 19
- 238000012360 testing method Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004200 deflagration Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
Abstract
本发明属于森林火灾应急救援监测预警技术领域,公开了一种森林火灾应急救援风速风向监测预警系统,它包括监测模块、中央控制模块、通讯模块、救援模块、预警模块和PC终端;监测模块的输出端与通讯模块的输入端连接,通讯模块与中央控制模块双向连接;通讯模块的输出端与救援模块、预警模块的输入端和PC终端连接;本发明还公开了上述一种森林火灾应急救援风速风向监测预警系统的方法。本发明用于对森林进行防火预警监测,提取有效救援方案,通过增设烟火采集模块、风向采集模块和风速监测模块,对监测到的森林区域进行实时检测,既能对森林进行防火预警监测,又能对风速风向进行实时记录,为应急救援提供救援参数。
Description
技术领域
本发明属于森林火灾应急救援监测预警技术领域,具体涉及一种森林火灾应急救援风速风向监测预警系统及方法。
背景技术
森林火灾,是指失去人为控制,在林地内自由蔓延和扩展,对森林、森林生态系统和人类带来一定危害和损失的林火行为。森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾害,是火灾的一种。
森林火灾会对生态环境及周边人员的生命财产安全构成极大的损害,目前,对于森林火灾的预警分为地面巡护和航空巡护,地面巡护主要是通过人力实现,但其成本高且观察范围小;航空巡护虽然巡护视野宽、机动性大,但是易受天气影响,成本高昂。因此目前的森林巡护方法不仅成本高,且预警存在一定滞后性。而且目前的森林巡护方法中无法实时对火灾监测,并判断森林火灾中的风向和风速,增大了救援的难度。如果森林中发生火灾,森林火灾的风向和风速有可能随时转变,在救援过程中,风力变化后可能会引起林火爆燃和火线改变,无法判断大火的蔓延方向,因此为保障生态,减小森林火灾的危害,结合现代科学技术进行森林火灾应急救援和预警具有重要意义。
发明内容
为了解决现有技术所存在的上述问题,本发明的目的是要提供一种森林火灾应急救援风速风向监测预警系统及方法,通过设置烟火采集模块、风向采集模块和风速监测模块,对监测到的森林区域进行实时检测,既能对森林进行防火预警监测,又能对风速风向进行实时记录,为应急救援提供救援参数,提取有效救援方案。
为实现上述目的,本发明提供如下技术方案:
一种森林火灾应急救援风速风向监测预警系统,它包括监测模块、中央控制模块、通讯模块、救援模块、预警模块和PC终端;
所述监测模块的输出端与通讯模块的输入端连接,所述通讯模块与中央控制模块双向连接;所述通讯模块的输出端与救援模块、预警模块的输入端和PC终端连接;
所述通讯模块用于接收监测模块采集的信息,进行处理后发送至中央控制模块、救援模块和PC终端;所述中央控制模块接收到监测模块采集的信息后,通过通讯模块向救援模块、预警模块发送控制命令;所述预警模块接收中央控制模块发送的控制命令后,进行预警处理,所述救援模块接收中央控制模块发送的控制命令后,启动应急救援处理;
所述监测模块包括烟火采集模块、风向采集模块和风速监测模块,所述烟火采集模块包括红外摄像头、热成像摄像机、无线烟火探测器,所述风向采集模块包括风向检测器,所述风速监测模块包括风速传感器。
作为限定,所述中央控制模块包括存储模块、输入模块、信号接收模块和PLC模块;所述信号接收模块的输入端与通讯模块的输出端连接,用于接收通讯模块传输的信号,所述信号接收模块的输出端与存储模块的输入端连接;
所述输入模块的输出端与存储模块的输入端连接,输入模块用于预设森林火灾应急救援的预警参数,存储模块用于储存森林火灾应急救援的预警参数;当监测模块采集的信号与中央控制模块的预警参数相同或超过预警参数时,中央控制模块通过通讯模块向救援模块、预警模块发送控制命令;
所述PLC模块包括CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换器,PLC模块用于向救援模块、预警模块发送控制命令。
作为第二种限定,所述救援模块包括地图分割模块、灾害区域确定模块、时间计算模块和救援路径划分模块;救援模块接收中央控制模块发送的控制命令后,启动地图分割模块、灾害区域确定模块、时间计算模块和救援路径划分模块。
作为第三种限定,所述风速传感器为485型风速传感器,采用标准ModBus-RTU通信协议,量程为0~60m/s,分辨率为0.1m/s。
作为第四种限定,所述红外摄像头包括用于检测环境光照度的光线检测模块,所述光线检测模块包括多个扫描线、多个读取线以及多个光感测元件,每一光感测元件耦接该多个扫描线的一者以及该多个读取线的一者,该光线检测方法包括:同时开启该多个扫描线的至少两者,用以开启该多个光感测元件中的多个耦接的光感测元件。
作为第五种限定,所述救援模块根据监测模块采集到的视频影像、热成像、温度数据,通过灾害区域确定模块确定火灾地点后计算出不可达区域,使用地图分割模块对火灾影响区域对应地图进行分割,并通过救援路径划分模块对路径进行划分,生成新的路径分层图,然后利用时间计算模块计算行走轨迹时间表,最后在PC终端根据风速、风向数据进行实时监测,选择最优路径进行救援。
本发明还提供了采用上述森林火灾应急救援风速风向监测预警系统的一种方法,包括以下步骤:
S1:森林火灾应急救援的预警参数设定,通过中央控制模块对森林火灾应急救援的预警参数进行控制指令预设并存储,所述森林火灾应急救援的预警参数包括视频影像、热成像、温度数据;
S2:传输数据,监测模块将采集的信息传输给中央控制模块、救援模块和PC终端;
S3:对比数据,利用中央控制模块将监测模块采集的信息和森林火灾应急救援的预警参数进行对比,低于森林火灾应急救援的预警参数,则不做处理,超过或等于森林火灾应急救援的预警参数,则通过预警模块进行预警处理,并通过救援模块进行应急救援处理;
S4:预警处理,预警模块接收中央控制模块发送的控制命令后,向监测的环境区域附近发出预警;
S5:应急救援处理,救援模块接收中央控制模块发送的控制命令后,利用监测模块采集的信息,选择最优路径进行救援。
作为限定,步骤S5中,选择最优路径进行救援的步骤包括:
救援模块利用监测模块传输后的信息,确定火灾地点后计算出不可达区域,并对火灾影响区域对应地图进行分割,然后对路径进行划分,生成新的路径分层图,并计算行走轨迹时间表,最后在PC终端根据风速、风向数据进行实时监测,指挥救援人员选择最优路径进行救援。
本发明由于采用了上述的技术方案,其与现有技术相比,所取得的技术进步在于:
(1)本发明通过在中央控制模块中预设森林火灾应急救援的预警参数,与监测模块采集到的视频影像、热成像、温度数据进行对比,判断是否发生森林火灾;
(2)本发明通过设置烟火采集模块、风向采集模块和风速监测模块,对监测到的森林区域进行实时检测,既能对森林进行防火预警监测,又能对风速风向进行实时测量和记录,为应急救援提供救援参数,提取有效救援方案;
(3)本发明解决了人工地面巡护的局限性,同时也降低了因航空巡护带来的高成本以及预警滞后的可能性。
本发明属于森林火灾应急救援监测预警技术领域,用于对森林进行防火预警监测,提取有效救援方案。
附图说明
图1为本发明实施例1的系统框图;
图2为本发明实施例2的方法流程示意图;
图3为本发明实施例2中LSTM复网络风速风向预测的流程图;
图4为本发明实施例2中LSTM复合网络的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1一种森林火灾应急救援风速风向监测预警系统
如图1所示,本实施例包括监测模块、中央控制模块、通讯模块、救援模块、预警模块和PC终端;监测模块的输出端与通讯模块的输入端连接,通讯模块与中央控制模块双向连接;通讯模块的输出端与救援模块、预警模块的输入端和PC终端连接;
其中通讯模块采用以TMS320C6203芯片为核心的电路,用于接收监测模块采集的信息,进行处理后发送至中央控制模块、救援模块和PC终端;中央控制模块接收到监测模块采集的信息后,通过通讯模块向救援模块、预警模块发送控制命令;预警模块采用以IntelH310芯片为核心的电路,接收中央控制模块发送的控制命令后,进行预警处理,救援模块接收中央控制模块发送的控制命令后,启动应急救援处理;
本实施例中,监测模块包括烟火采集模块、风向采集模块和风速监测模块,其中,烟火采集模块包括红外摄像头、热成像摄像机、无线烟火探测器,风向采集模块包括风向检测器,风速监测模块包括风速传感器,监测模块用于采集视频影像、热成像、温度、风速、风向数据。
其中,红外摄像头包括用于检测环境光照度的光线检测模块,光线检测模块包括多个扫描线、多个读取线以及多个光感测元件,每一光感测元件耦接该多个扫描线的一者以及该多个读取线的一者,该光线检测方法包括:同时开启该多个扫描线的至少两者,用以开启该多个光感测元件中的多个耦接的光感测元件。
风速传感器为485型风速传感器,采用标准ModBus-RTU通信协议,接入方便,量程为0~60m/s,分辨率为0.1m/s,防电磁干扰处理,采用底部出线方式,完全杜绝插头橡胶垫老化问题,长期使用仍然防水,采用高性能进口轴承,转动阻力小,测量精确,设备结构及重量经过精心设计及分配,转动惯量小,响应灵敏。
本实施例中,中央控制模块采用以Intel2716芯片为核心的电路,包括存储模块、输入模块、信号接收模块和PLC模块;其中信号接收模块的输入端与通讯模块的输出端连接,用于接收通讯模块传输的信号,信号接收模块的输出端与存储模块的输入端连接。输入模块的输出端与存储模块的输入端连接,输入模块用于预设森林火灾应急救援的预警参数,存储模块用于储存森林火灾应急救援的预警参数;当监测模块采集的信号与中央控制模块的预警参数相同或超过预警参数时,中央控制模块通过通讯模块向救援模块、预警模块发送控制命令。PLC模块包括CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换器,PLC模块用于向救援模块、预警模块发送控制命令。
本实施例中,救援模块包括地图分割模块、灾害区域确定模块、时间计算模块和救援路径划分模块;救援模块接收中央控制模块发送的控制命令后,启动地图分割模块、灾害区域确定模块、时间计算模块和救援路径划分模块。
其中,救援模块根据监测模块采集到的视频影像、热成像、温度、风速、风向数据,通过灾害区域确定模块确定火灾地点后计算出不可达区域,通过地图分割模块对火灾影响区域对应地图进行分割,并通过救援路径划分模块对路径进行划分,生成新的路径分层图,然后利用时间计算模块计算行走轨迹时间表,最后在PC终端根据风速、风向数据进行实时监测,选择最优路径进行救援。
实施例2一种森林火灾应急救援风速风向监测预警方法
如图2所示,本实施例根据实施例1提供了一种森林火灾应急救援风速风向监测预警方法,包括以下步骤:
S1:森林火灾应急救援的预警参数设定,通过中央控制模块中的输入模块对森林火灾应急救援的预警参数进行控制指令预设并存储到存储模块,其中火灾应急救援的预警参数包括视频影像、热成像、温度数据,而且由于不同森林气象特征不一,火灾应急救援的预警参数因地域会相应变化;
S2:传输数据,监测模块将采集的信息传输给中央控制模块、救援模块和PC终端,包括视频影像、热成像、温度、风速、风向数据;
S3:对比数据,利用中央控制模块将监测模块采集的信息和森林火灾应急救援的预警参数进行对比,低于森林火灾应急救援的预警参数,则不做处理,超过或等于森林火灾应急救援的预警参数,则通过预警模块进行预警处理,并通过救援模块进行应急救援处理;
S4:预警处理,预警模块接收中央控制模块发送的控制命令后,向监测的环境区域附近发出预警;
S5:应急救援处理,救援模块接收中央控制模块发送的控制命令后,利用监测模块传输后的信息,通过灾害区域确定模块确定火灾地点后计算出不可达区域,通过地图分割模块对火灾影响区域对应地图进行分割,然后通过救援路径划分模块对路径进行划分,生成新的路径分层图,如公路、步行路、水路等,并通过时间计算模块计算行走轨迹时间表;最后在PC终端根据风速、风向数据进行实时监测,指挥救援人员选择最优路径进行救援;
其中,本步骤中,灾害区域确定模块计算灾害影响区域面积公式为:
S2=(1+γ)S1;
S.T.0≤|θ∧|≤π;
v=∝v0;
其中,S2为最终森林火灾的受灾影响范围,R0为初始火灾半径,v为火灾蔓延速度,与风速v0成正比,t为时间,k为蔓延影响因子,θ为扇形的角度,θΛ为扇形外区域与风向的夹角,S1为扇形面积,γ为蔓延系数;
本步骤中,地图分割模块是将目标区域构建出地图模型,包括水路、陆路与空间路线,并对灾害事发地点进行记录;
本步骤中,救援路径划分模块,首先是对路径进行分层,具体为:
步行路,具体信息包括路质(水泥路、泥土、石板)和经纬度描述;
铁路,具体信息包括经纬度描述;
公路,具体信息包括路宽,车速,等级经纬度描述;
河流,具体信息包括,水流方向,速度和经纬度描述;
上坡,具体信息包括落差,经纬度描述;
下坡,具体信息包括落差,经纬度描述;
沟渠,具体信息包括宽度,深度,灾害时可通过性与经纬度描述;
桥梁,具体信息包括宽度,最大承重,等级,包括小车道,公路桥,铁路桥和对应经纬度描述;
救援点,具体信息包括疏通率,可停留时间,可容纳人数与经纬度描述;
安全点,具体信息包括安全等级,面积,疏通率,可停留时间,可容纳人和经纬度;
然后在地图分割模块构造好的地图模型上按标尺计算直线距离,直线路径。扫描各个路径点之间的短距离,找出两点,为规划点。判断规划模式,确定规划难度和时间,使原本不通的路径经过一些规划工具的辅助变成可行路径。规划模式包括下滑,上攀,渡河,铁路,空运等,规划工具包括滑绳,船,救生圈,汽车,直升机等。根据规划点产生的应急需求,计算出各个救援点到达规划点和规划所需时间,表示为:
Tmn=min[dmn/vmn,max(dmj/vmj,t)+djn/vjn];
Tni=min(dni/vni,dnj/vnj+dji/vji);
min(∑(Tmn+Tni));
S.T.t(m,n,i,j)<Tm,n,i,j;
其中,i为安全点的编号,j为规划点的编号,m为救援点编号,n为事故地编号。Tmn为编号为m的救援点到达编号为n的事故地的时间,vmn为编号为m的救援点到达编号为n的事故地的平均速度,dmn为编号为m的救援点到达编号为n的事故地的距离;Tni为编号为n的事故地到达编号为i的安全点时间,t(m,n,i,j)表示车辆在路途中行驶的时刻,Tm,n,i,j表示这些路途可行驶时间段,考虑到一些不可避免的因素,有些路段可能在某些时间段不可以行驶,所以限制车辆行驶必须在路途可行驶时间内完成任务;
根据规划点所产生的需求,建立时间段-路径规划连通模型。计算规划所需时间,取用时最少的方案,补充规划后援路径划分模块连通图模型。
本步骤中,时间计算模块是以时间为权值,根据救援路径划分模块连通图模型的路径状况,并计算出时间,取时间总合最小的那条路径作为最优路径,并计算轨迹时间表;
其中,灾害处理时间营救汇聚时间=MAX(多路到汇聚点的时间求最大,救援队到达汇聚点的时间);
最终时间=MAX(多路达到救援点的时间求最大)+临时修正时间;
配对规划所需时间设定阈值,制定配对函数为:
tmj-tj≤td;
其中,tmj为救援点m到规划点所用时间,tj为规划j处所需规划时间,td为车辆在规划点等待规划完成时间。
本步骤中,通过时间计算模块计算出最优路径后,在PC终端根据风速、风向数据进行实时监测,是通过建立基于长短期记忆神经网络(LSTM)的空间—风力—时间预测模型对风速、风向进行预测,根据风向在空间中随时间推移的实时方向与下一时刻预测方向,风速在空间中的随时间的实时变化力度与下一时刻预测力度,指挥人员对救援人员进行相应指挥,指挥救援人员选择安全最优路径进行救援,以避免风力变化后引起林火爆燃和火线改变,对救援人员造成伤害;如图3所示,基于LSTM网络的风速风向预测方法步骤如下:
步骤一:构造LSTM复合网络,将LSTM网络的输出作为线性回归网络的输入,得到LSTM复合网络;
其中,LSTM网络对数据具有长期记忆性,充分考虑了数据的时间相关性,可以根据当前状态自动调整历史信息对当前预测的贡献,线性回归网络再利用LSTM网络的输出进行预测;如图4所示为采用的LSTM复合网络的结构示意图;
步骤二:通过监测模块获取LSTM复合网络的训练集数据和测试集数据:
将风力数据集中70%的数据作为训练样本集,其余数据作为测试样本集,使用MinMaxscaler对训练样本集和测试样本集进行放缩,得到处理后训练样本集V和测试样本集T;其中风力数据集包括风速、风向数据;
采用滑动窗口方法,令窗口长度为p,每次的滑动步数为1,从V中提取长度为p的连续数据,并将其作为LSTM复合网络的训练集Xtrain,提取第p+1个数据作为Xtrain的标签Ytrain,同时从T中提取长度为p的连续数据,并将其作为LSTM复合网络的测试集Xtest,提取第p+1个数据作为Xtest的标签Ytest,将训练集和测试集作为放缩历史数据;本实施例中取p=10;
步骤三:对LSTM复合网络进行训练:
将LSTM网络的输出h0和元胞状态C0初始化为0;设置LSTM网络输入层神经元个数为i+1,隐藏层、输入门、忘记门和输出门神经元的个数均为i;本实例中i=128;
设置LSTM复合网络的训练迭代次数为M,误差目标值为Acc,训练误差值为err,其中M=1,2,3…Mmax,Mmax为预设值,Acc是训练好的LSTM复合网络要达到的误差阈值,err是初始化的LSTM复合网络的误差值,可以取无穷大;本实施例中M=300,风向Acc=25,风速Acc=1.5,err=10000;
将训练集Xtrain和初始化的h0输入到LSTM复合网络中,计算LSTM的输出值h,得到放缩后的预测结果Ytrain-pre;
将训练集Xtrain和初始化的h0作为一个整体,分别输入LSTM网络的隐藏层、输入门、忘记门和输出门中,得到t时刻LSTM网络隐藏层的输出值C’,输入门的输出值it、忘记门的输出值ft和输出门的输出值Ot,其中:
ft=σ(wf·[ht-1,xt]+bf);
it=σ(Wt·[ht-1,xt]+bi);
Ot=δ(wo·[ht-1,xt]+bo);
C’t=tanh(Wc·[ht-1,xt]+bc);
其中,Wc和bc分别表示LSTM网络隐藏层的权重矩阵和偏差量;wf和bf分别表示忘记门的权重矩阵和偏差量;Wi和偏置bi分别表示输入门的权重矩阵和偏差量;wo和bo分别表示输出门的权重矩阵和偏差量;激励函数ht-1表示t-1时刻网络的输出值;xt表示t时刻网络的输入值;
计算t时刻的元胞状态Ct,表示为Ct=ft*Ct-1+it*C’t;
其中,Ct-1表示t-1时刻的单元状态;
采用tanh函数对Ct进行变换,得到t时刻的双曲正切元细胞状态tanhct,并将tanhct和Ot的积作为LSTM网络的输出值ht;
采用自适应矩估计优化算法,通过Ytrain-pre和Ytrain对LSTM复合网络进行微调,实现对网络参数权重的更新;
采用平均绝对误差评估方法,通过通过Ytrain-pre和Ytrain计算LSTM复合神经网络的的预测误差Acctrain,并判断Acctrain<err是否成立,若成立将Acctrain赋给err,否则令M=M+1重复步骤三,当M=MAX时所对应的LSTM复合网络作为训练好的LSTM复合网络;
步骤四:对训练好的LSTM网络进行优化
将测试集Xtest输入到训练好的LSTM复合网络中,得到放缩后风力预测结果Ypre,采用平均绝对误差评估方法,通过Ypre和Ytest计算训练好的LSTM复合网络的预测误差Accpre,判断Accpre>Acc是否成立,若是,调整M,并返回执行步骤三,否则,执行步骤五;
步骤五:对未来风力进行预测
将归一化训练样本集V和测试样本集T输入到训练好的LSTM复合网络中,得到放缩后的风力预测结果Ypre,并运用scaler.inverse_transform对Ypre进行还原,得到未来的风力预测值。
综上所述:本发明通过设置烟火采集模块、风向采集模块和风速监测模块,对监测到的森林区域进行实时检测,既能对森林进行防火预警监测,又能对风速风向进行实时测量和记录,为应急救援提供救援参数,提取有效救援方案;解决了人工地面巡护的局限性,同时也降低了因航空巡护带来的高成本以及预警滞后的可能性。
需要说明的是,以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照上述实施例对本发明进行了详细的说明,对于本领域技术人员来说,其依然可以对上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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种森林火灾应急救援风速风向监测预警系统,其特征在于,它包括监测模块、中央控制模块、通讯模块、救援模块、预警模块和PC终端;
所述监测模块的输出端与通讯模块的输入端连接,所述通讯模块与中央控制模块双向连接;所述通讯模块的输出端与救援模块、预警模块的输入端和PC终端连接;
所述通讯模块用于接收监测模块采集的信息,进行处理后发送至中央控制模块、救援模块和PC终端;所述中央控制模块接收到监测模块采集的信息后,通过通讯模块向救援模块、预警模块发送控制命令;所述预警模块接收中央控制模块发送的控制命令后,进行预警处理,所述救援模块接收中央控制模块发送的控制命令后,启动应急救援处理;
所述监测模块包括烟火采集模块、风向采集模块和风速监测模块,所述烟火采集模块包括红外摄像头、热成像摄像机、无线烟火探测器,所述风向采集模块包括风向检测器,所述风速监测模块包括风速传感器。
2.根据权利要求1所述的一种森林火灾应急救援风速风向监测预警系统,其特征在于,所述中央控制模块包括存储模块、输入模块、信号接收模块和PLC模块;所述信号接收模块的输入端与通讯模块的输出端连接,用于接收通讯模块传输的信号,所述信号接收模块的输出端与存储模块的输入端连接;
所述输入模块的输出端与存储模块的输入端连接,输入模块用于预设森林火灾应急救援的预警参数,存储模块用于储存森林火灾应急救援的预警参数;当监测模块采集的信号与中央控制模块的预警参数相同或超过预警参数时,中央控制模块通过通讯模块向救援模块、预警模块发送控制命令;
所述PLC模块包括CPU、指令及数据内存、输入/输出接口、电源、数字模拟转换器,PLC模块用于向救援模块、预警模块发送控制命令。
3.根据权利要求1所述的一种森林火灾应急救援风速风向监测预警系统,其特征在于,所述救援模块包括地图分割模块、灾害区域确定模块、时间计算模块和救援路径划分模块;救援模块接收中央控制模块发送的控制命令后,启动地图分割模块、灾害区域确定模块、时间计算模块和救援路径划分模块。
4.根据权利要求1所述的一种森林火灾应急救援风速风向监测预警系统,其特征在于,所述风速传感器为485型风速传感器,采用标准ModBus-RTU通信协议,量程为0~60m/s,分辨率为0.1m/s。
5.根据权利要求1所述的一种森林火灾应急救援风速风向监测预警系统,其特征在于,所述红外摄像头包括用于检测环境光照度的光线检测模块,所述光线检测模块包括多个扫描线、多个读取线以及多个光感测元件,每一光感测元件耦接该多个扫描线的一者以及该多个读取线的一者,该光线检测方法包括:同时开启该多个扫描线的至少两者,用以开启该多个光感测元件中的多个耦接的光感测元件。
6.根据权利要求1所述的一种森林火灾应急救援风速风向监测预警系统,其特征在于,所述救援模块根据监测模块采集到的视频影像、热成像、温度数据,通过灾害区域确定模块确定火灾地点后计算出不可达区域,使用地图分割模块对火灾影响区域对应地图进行分割,并通过救援路径划分模块对路径进行划分,生成新的路径分层图,然后利用时间计算模块计算行走轨迹时间表,最后在PC终端根据风速、风向数据进行实时监测,选择最优路径进行救援。
7.根据权利要求1-6中任意一项所述的一种森林火灾应急救援风速风向监测预警方法,其特征在于,包括以下步骤:
S1:森林火灾应急救援的预警参数设定,通过中央控制模块对森林火灾应急救援的预警参数进行控制指令预设并存储,所述森林火灾应急救援的预警参数包括视频影像、热成像、温度数据;
S2:传输数据,监测模块将采集的信息传输给中央控制模块、救援模块和PC终端;
S3:对比数据,利用中央控制模块将监测模块采集的信息和森林火灾应急救援的预警参数进行对比,低于森林火灾应急救援的预警参数,则不做处理,超过或等于森林火灾应急救援的预警参数,则通过预警模块进行预警处理,并通过救援模块进行应急救援处理;
S4:预警处理,预警模块接收中央控制模块发送的控制命令后,向监测的环境区域附近发出预警;
S5:应急救援处理,救援模块接收中央控制模块发送的控制命令后,利用监测模块采集的信息,选择最优路径进行救援。
8.根据权利要求7所述的一种森林火灾应急救援风速风向监测预警方法,其特征在于,步骤S5中,选择最优路径进行救援的步骤包括:
救援模块利用监测模块传输后的信息,确定火灾地点后计算出不可达区域,并对火灾影响区域对应地图进行分割,然后对路径进行划分,生成新的路径分层图,并计算行走轨迹时间表,最后在PC终端根据风速、风向数据进行实时监测,指挥救援人员选择最优路径进行救援。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790552.2A CN112419644A (zh) | 2020-08-07 | 2020-08-07 | 一种森林火灾应急救援风速风向监测预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010790552.2A CN112419644A (zh) | 2020-08-07 | 2020-08-07 | 一种森林火灾应急救援风速风向监测预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419644A true CN112419644A (zh) | 2021-02-26 |
Family
ID=74844074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010790552.2A Pending CN112419644A (zh) | 2020-08-07 | 2020-08-07 | 一种森林火灾应急救援风速风向监测预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419644A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173848A (zh) * | 2023-09-07 | 2023-12-05 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于数据分析的森林火灾探测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5734335A (en) * | 1989-12-20 | 1998-03-31 | Finmeccanica S.P.A. | Forest surveillance and monitoring system for the early detection and reporting of forest fires |
CN1639751A (zh) * | 2002-07-16 | 2005-07-13 | Gs管理系统有限公司 | 地区热监控系统和方法 |
KR20070028813A (ko) * | 2005-09-08 | 2007-03-13 | 강릉대학교산학협력단 | 산불 감지 방법 및 시스템 |
KR100981428B1 (ko) * | 2010-03-18 | 2010-09-10 | (합)동양아이텍 | 산불 감시 시스템 및 방법 |
CN107545688A (zh) * | 2016-06-23 | 2018-01-05 | 扬中市润宇电力设备有限公司 | 一种森林防火预警系统 |
CN110390789A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 基于大数据的森林防火数据分析系统 |
CN110779529A (zh) * | 2019-11-21 | 2020-02-11 | 南京信息工程大学 | 一种基于大数据和云计算森林灾害应急指挥调度系统 |
CN210864985U (zh) * | 2019-10-25 | 2020-06-26 | 合肥英威晟光电科技有限公司 | 基于热成像的森林防火监测系统 |
CN211128340U (zh) * | 2019-11-29 | 2020-07-28 | 清远市易通科技有限公司 | 一种智能家居灯光控制系统 |
-
2020
- 2020-08-07 CN CN202010790552.2A patent/CN112419644A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5734335A (en) * | 1989-12-20 | 1998-03-31 | Finmeccanica S.P.A. | Forest surveillance and monitoring system for the early detection and reporting of forest fires |
CN1639751A (zh) * | 2002-07-16 | 2005-07-13 | Gs管理系统有限公司 | 地区热监控系统和方法 |
KR20070028813A (ko) * | 2005-09-08 | 2007-03-13 | 강릉대학교산학협력단 | 산불 감지 방법 및 시스템 |
KR100981428B1 (ko) * | 2010-03-18 | 2010-09-10 | (합)동양아이텍 | 산불 감시 시스템 및 방법 |
CN107545688A (zh) * | 2016-06-23 | 2018-01-05 | 扬中市润宇电力设备有限公司 | 一种森林防火预警系统 |
CN110390789A (zh) * | 2019-08-21 | 2019-10-29 | 深圳云感物联网科技有限公司 | 基于大数据的森林防火数据分析系统 |
CN210864985U (zh) * | 2019-10-25 | 2020-06-26 | 合肥英威晟光电科技有限公司 | 基于热成像的森林防火监测系统 |
CN110779529A (zh) * | 2019-11-21 | 2020-02-11 | 南京信息工程大学 | 一种基于大数据和云计算森林灾害应急指挥调度系统 |
CN211128340U (zh) * | 2019-11-29 | 2020-07-28 | 清远市易通科技有限公司 | 一种智能家居灯光控制系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173848A (zh) * | 2023-09-07 | 2023-12-05 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于数据分析的森林火灾探测方法 |
CN117173848B (zh) * | 2023-09-07 | 2024-05-07 | 海南省林业科学研究院(海南省红树林研究院) | 一种基于数据分析的森林火灾探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101936586B1 (ko) | Gps-기반 무작위 샘플링 방식으로 측정된 데이터를 활용한 녹조지도 작성 시스템 및 그 방법 | |
CN109760837B (zh) | 一种电缆沟与隧道巡检无人机系统 | |
CN110085029B (zh) | 基于轨道式巡检机器人的高速公路巡检系统与方法 | |
US20220139092A1 (en) | Model generating apparatus, method and program, and prediction apparatus | |
KR101926544B1 (ko) | 기상 예측 모델을 이용한 기상 관측 방법, 시스템 및 컴퓨터 프로그램 | |
CN105913604A (zh) | 基于无人机的火灾发生测定方法及其装置 | |
CN108230616A (zh) | 一种危险驾驶识别警报方法及系统 | |
CN111915069B (zh) | 一种基于深度学习的轻量级有毒有害气体分布的检测方法 | |
CN110673628A (zh) | 一种复合翼无人机油气管线巡检方法 | |
KR102167292B1 (ko) | 이기종 센싱값을 이용한 도로 상태 정보 수집 장치 및 방법 | |
CN114550501A (zh) | 一种基于ais的船舶危险预警系统及方法 | |
CN113947555A (zh) | 基于深度神经网络的红外与可见光融合的视觉系统及方法 | |
CN111538059B (zh) | 一种基于改进的玻尔兹曼机的自适应快速动态定位系统及方法 | |
CN112419644A (zh) | 一种森林火灾应急救援风速风向监测预警系统及方法 | |
CN115601008A (zh) | 基于数字孪生的工程沉降变形监测系统及方法 | |
CN116192251A (zh) | 一种基于天空红外遥感图像确定星地激光链路通信可用度的方法 | |
CN108762305B (zh) | 一种无人机避撞架空交流电力线路的预警装置 | |
Mysorewala et al. | Multi-scale adaptive sampling with mobile agents for mapping of forest fires | |
Baker et al. | Infrastructure assessment post-disaster: Remotely sensing bridge structural damage by unmanned aerial vehicle in low-light conditions | |
Prabu et al. | Drone networks and monitoring systems in smart cities | |
CN108614579B (zh) | 一种无人机避撞架空交流电力线路的预警方法 | |
CN113449918B (zh) | 突发重大污染事件应急指挥辅助决策方法和系统 | |
CN112562316B (zh) | 一种基于acp理论的智能网联车平行驾驶控制方法 | |
CN115187959A (zh) | 一种基于双目视觉的飞行汽车山地着陆方法及系统 | |
CN110333517B (zh) | 障碍物感知方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210226 |