CN114442198A - 一种基于加权算法的森林火险气象等级预报方法 - Google Patents

一种基于加权算法的森林火险气象等级预报方法 Download PDF

Info

Publication number
CN114442198A
CN114442198A CN202210072281.6A CN202210072281A CN114442198A CN 114442198 A CN114442198 A CN 114442198A CN 202210072281 A CN202210072281 A CN 202210072281A CN 114442198 A CN114442198 A CN 114442198A
Authority
CN
China
Prior art keywords
forest fire
grade
index
forecast
weather grade
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
Application number
CN202210072281.6A
Other languages
English (en)
Other versions
CN114442198B (zh
Inventor
罗永明
何立
黄永璘
陈燕丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Zhuang Autonomous Region Institute Of Meteorological Sciences
Original Assignee
Guangxi Zhuang Autonomous Region Institute Of Meteorological Sciences
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Zhuang Autonomous Region Institute Of Meteorological Sciences filed Critical Guangxi Zhuang Autonomous Region Institute Of Meteorological Sciences
Priority to CN202210072281.6A priority Critical patent/CN114442198B/zh
Publication of CN114442198A publication Critical patent/CN114442198A/zh
Application granted granted Critical
Publication of CN114442198B publication Critical patent/CN114442198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Fire Alarms (AREA)

Abstract

本发明提供一种基于加权算法的森林火险气象等级预报方法，涉及森林防火技术领域。该基于加权算法的森林火险气象等级预报方法，包括以下步骤：S1.监测综合指数获取：结合日最高气温、最大风速、降雨量和最小相对湿度及温度日较差数据得到森林火险气象等级监测综合指数；S2.预报综合指数获取：结合日最高气温、最大风速、降雨量和最小相对湿度及温度日较差数据得到森林火险气象等级预报综合指数；S3.加权算法：对森林火险气象等级监测综合指数和预报综合指数进行加权计算，修正预报指数；S4.火险等级分级：对森林火险气象等级加权预报指数进行分级。利用森林火险气象等级监测综合指数，通过加权算法修正预报结果，提高森林火险气象等级预报的准确度。

Description

一种基于加权算法的森林火险气象等级预报方法
技术领域
本发明涉及森林防火技术领域，具体为一种基于加权算法的森林火险气象等级预报方法。
背景技术
森林火险的等级与气象条件密切相关，主要气象要素包括日最高气温、最小相对湿度、最大风速、降雨量及其后连续无雨日数等，日最高气温在一定区间内与森林火灾发生呈正相关，日最小相对湿度与森林火灾之间存在负相关关系，日最大风速也是森林火险气象指数预报的重要因子，日降雨量是森林火险气象指数预报的最重要因子，各影响因子输入森林火险等级模型后获得森林火险等级综合指数。从智能网格预报数据获得的预报数据输入模型后计算得到日森林火险气象等级预报综合指数，通常情况下，利用此指数已实现了森林火险等级预报功能。但是，其准确度完全取决于天气预报的准确度和预报模型的准确度。为了考虑前期实际气象条件的持续影响，因此本发明从气象观测站获得的监测点数据输入模型后计算得到日森林火险气象等级监测综合指数。通过加权算法计算连续10天范围内的日森林火险气象等级监测综合指数和日森林火险气象等级预报综合指数之和，最终获得森林火险气象等级预报加权指数，并对此加权指数进行分级，用于实际的森林火险气象等级预报。
布龙-戴维斯模型利用数值预报产品的日最高气温、最小相对湿度、最大风速及降雨量，可以对森林火险气象等级和火灾发生威胁程度进行预报。然而温度日较差对森林火险气象等级存在一定影响，布龙-戴维斯模型预报方法未对温度日较差给予足够的关注，预报准确性有所不足。同时，森林火险气象等级受前期持续气象条件的影响较大，现有的森林火险气象等级预报方法未能利用加权计算法对森林火险气象等级监测综合指数和森林火险气象等级预报综合指数合理应用于森林防火技术领域，森林火险气象等级预报结果受数值预报的预报准确度影响较大，森林火险气象等级预报可靠性不足。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于加权算法的森林火险气象等级预报方法，解决了森林火险气象等级预报准确度波动大的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于加权算法的森林火险气象等级预报方法，包括以下步骤：
S1.监测综合指数获取
结合气象观测站监测点数据中的日最低气温和最高气温数据获取温度日较差数据，将包括日最高气温、最大风速、降雨量、最小相对湿度和温度日较差等点观测数据插值成一公里分辨率的细网格数据，将细网格数据输入森林火险气象等级模型中，得到森林火险气象等级监测综合指数；
S2.预报综合指数获取
结合五公里分辨率的智能网格预报数据中的日最低气温和最高气温数据获取温度日较差数据，将包括日最高气温、最大风速、降雨量、最小相对湿度和温度日较差数据插值成一公里分辨率的细网格数据，将细网格数据输入森林火险气象等级模型中，得到森林火险气象等级预报综合指数；
S1和S2所述森林火险气象等级模型的计算公式为：
Ua＝It(t)+If(f)+Iv(v)+Im(m)+Id(d)；
S3.加权算法
将每日的森林火险气象等级监测综合指数和森林火险气象等级预报综合指数输入森林火险气象等级预报综合指数加权模型中，得到日森林火险气象等级预报加权指数；
所述森林火险气象等级预报加权模型的计算公式为：
F＝M(m)+P(n)；
其中，m与n之和为10。且n≧7，即此发明限定了最长的森林火险气象等级最长的预报时间为未来7天。
所述每日森林火险气象等级监测综合指数输入以下计算公式：
Figure BDA0003482703100000031
可计算获得m天内的森林火险监测综合指数值之和。
所述每日森林火险气象等级预报综合指数输入以下计算公式：
Figure BDA0003482703100000032
可计算获得n天内的森林火险预报综合指数值之和。
将监测时间范围内(m天)的森林火险监测综合指数值之和加上预报时间范围内(n天)的森林火险预报综合指数值之和，可得到森林火险气象等级预报加权指数。
S4.火险等级分级
根据表1，将森林火险气象等级预报加权指数进行分级，获得森林火险气象等级预报级别，用于森林火险气象等级预报业务服务。
表1森林火险气象等级与危险程度表
Figure BDA0003482703100000033
Figure BDA0003482703100000041
优选的，所述S2中的Ua为森林火险气象等级综合指数，所述S2中的It(t)为日最高气温所对应的森林火险天气指数，所述S2中的If(f)为日最小相对湿度对应的森林火险天气指数，所述S2中的Iv(v)为日最大风速对应的森林火险天气指数，所述S2中的Im(m)为日降雨量对应的森林火险天气指数，所述S2中的Id(d)为温度日较差所对应的森林火险天气指数。
优选的，所述S3中的F为森林火险气象等级预报加权指数。
优选的，所述S3中的M(m)为经加权计算后获得的连续m天内的森林火险监测综合指数值之和，所述S3中的Mm为前m天的森林火险气象等级监测综合指数。
优选的，所述S3中的P(n)为经加权计算后获得的连续n天内的森林火险预报综合指数值之和，所述S3中的pn为未来第n天的森林火险气象等级预报综合指数。
优选的，所述S4中森林火险气象等级预报级别包括森林火险气象等级和火灾发生危险程度。
(三)有益效果
本发明提供了一种基于加权算法的森林火险气象等级预报方法。具备以下有益效果：
本发明的森林火险气象等级模型增加了温度日较差所对应的森林火险天气指数，通过将气象观测站监测点数据和智能网格预报数据分别输入森林火险气象等级模型获取森林火险气象等级监测综合指数和森林火险气象等级预报综合指数，利用加权算法将森林火险气象等级监测综合指数用到火险预报中，并让森林火险气象等级监测综合指数与森林火险气象等级预报综合指数各占50％的比重，使森林火险气象等级预报结果受数值预报的预报准确度影响减小，依据森林火险气象等级监测综合指数修正预报结果，使得出的森林火险气象等级和火灾发生危险程度的吻合度更高。
附图说明
图1为本发明的森林火险气象等级监测综合指数生产流程图；
图2为本发明的森林火险气象等级预报综合指数生产流程图；
图3为本发明的森林火险气象等级预报结果生产流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
实施例：
如图1-3所示，本发明实施例提供一种基于加权算法的森林火险气象等级预报方法，包括以下步骤：
S1.监测综合指数获取
结合气象观测站监测点数据中的日最低气温和最高气温数据获取温度日较差数据，将包括日最高气温、最大风速、降雨量和最小相对湿度数据和温度日较差等点观测数据插值成一公里分辨率的细网格数据，将细网格数据输入森林火险气象等级模型中，得到森林火险气象等级监测综合指数，最高气温在一定区间内与森林火灾发生呈正相关，最小相对湿度与森林火灾之间存在负相关关系，最大风速也是森林火险气象指数预报的重要因子，降雨量是森林火险气象等级预报的最重要因子，森林火险气象等级模型增加了温度日较差所对应的森林火险天气指数，提高了森林火险气象等级预报的准确性；
S2.预报综合指数获取
结合五公里分辨率的智能网格预报数据中的日最低气温和最高气温数据获取温度日较差数据，将包括日最高气温、最大风速、降雨量、最小相对湿度和温度日较差数据插值成一公里分辨率的细网格数据，将细网格数据输入森林火险气象等级模型中，得到森林火险气象等级预报综合指数；
S1和S2所述森林火险气象等级模型的计算公式为：
Ua＝It(t)+If(f)+Iv(v)+Im(m)+Id(d)；
S3.加权算法
将每日的森林火险气象等级监测综合指数和森林火险气象等级预报综合指数输入森林火险气象等级预报综合指数输入加权模型中，得到森林火险气象等级预报加权指数；
所述森林火险气象等级预报加权模型的计算公式为：
F＝M(m)+P(n)；
其中，m与n之和为10，且n≧7，即此发明限定了最长的森林火险气象等级最长的预报时间为未来7天。
所述每日森林火险气象等级监测综合指数输入以下计算公式：
Figure BDA0003482703100000061
可计算获得m天内的森林火险监测综合指数值之和。
所述每日森林火险气象等级预报综合指数输入以下计算公式：
Figure BDA0003482703100000062
可计算获得n天内的森林火险预报综合指数值之和。
m与n之和为10，且n≧7，即此发明限定了最长的森林火险气象等级最长的预报时间为未来7天。将监测时间范围内(m天)的森林火险指数值加上预报时间范围内(n天)的森林火险指数值得到森林火险气象等级预报加权指数。利用加权算法将监测结果用到森林火险气象等级预报中，并让森林火险气象等级监测综合指数与森林火险气象等级预报综合指数各占50％的比重，使森林火险气象等级受数值预报的预报准确度影响减小，依据加权算法得出的森林火险气象等级预报加权指数与火灾发生危险程度的吻合度更高。
S4.火险等级分级
根据表1，将森林火险气象等级预报加权指数进行分级，获得森林火险气象等级预报级别，用于森林火险气象等级预报业务服务。
表1森林火险气象等级与危险程度表
Figure BDA0003482703100000071
所述S2中的Ua为森林火险气象等级综合指数，所述S2中的It(t)为日最高气温所对应的森林火险天气指数，所述S2中的If(f)为日最小相对湿度对应的森林火险天气指数，所述S2中的Iv(v)为日最大风速对应的森林火险天气指数，所述S2中的Im(m)为日降雨量对应的森林火险天气指数，所述S2中的Id(d)为温度日较差所对应的森林火险天气指数。
所述S3中的F为森林火险气象等级预报加权指数。所述S3中的M(m)经加权计算后获得的连续m天内的森林火险监测指数值之和，所述S3中的Mm为前m天的森林火险气象等级监测综合指数。
所述S3中的P(n)为经加权计算后获得的连续n天内的森林火险预报指数值之和，所述S3中的pn为未来第n天的森林火险气象等级预报综合指数。
所述S4中森林火险气象等级预报级别包括森林火险气象等级和火灾发生危险程度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于加权算法的森林火险气象等级预报方法，其特征在于：包括以下步骤：
S1.监测综合指数获取
结合气象观测站监测点数据中的日最低气温和最高气温数据获取温度日较差数据，将包括日最高气温、最大风速、降雨量、最小相对湿度和温度日较差等点观测数据插值成一公里分辨率的细网格数据，将细网格数据输入森林火险气象等级模型中，得到每日森林火险气象等级监测综合指数；
S2.预报综合指数获取
结合五公里分辨率的智能网格预报数据中的日最低气温和最高气温数据获取温度日较差数据，将包括日最高气温、最大风速、降雨量和最小相对湿度数据在内的五公里分辨率的智能网格预报数据及温度日较差数据插值成一公里分辨率的细网格数据，将细网格数据输入数森林火险气象等级模型中，得到每日森林火险气象等级预报综合指数；
S1和S2所述的森林火险气象等级模型的计算公式为：
Ua＝It(t)+If(f)+Iv(v)+Im(m)+Id(d)；
S3.加权算法
将每日的森林火险气象等级监测综合指数和森林火险气象等级预报综合指数输入森林火险气象等级预报综合指数加权模型中，得到森林火险气象等级预报加权指数；
所述森林火险气象等级预报加权模型的计算公式为：
F＝M(m)+P(n)；
其中，m与n之和为10，且n≧7，即此发明限定了最长的森林火险气象等级最长的预报时间为未来7天。
所述每日森林火险气象等级监测综合指数输入以下计算公式：
Figure FDA0003482703090000021
可计算获得m天内的森林火险指数值。
所述每日森林火险气象等级预报综合指数输入以下计算公式：
Figure FDA0003482703090000022
可计算获得n天内的森林火险指数值。
将监测时间范围内(m天)的森林火险指数值加上预报时间范围内(n天)的森林火险指数值得到森林火险气象等级预报加权指数。
S4.火险等级分级
根据表1，将森林火险气象等级预报加权指数进行分级，获得森林火险气象等级预报级别，用于森林火险气象等级预报业务服务。
表1森林火险气象等级与危险程度表
Figure FDA0003482703090000023
2.根据权利要求1所述的一种基于加权算法的森林火险气象等级预报方法，其特征在于：所述S2中的Ua为森林火险气象等级综合指数，所述S2中的It(t)为日最高气温所对应的森林火险天气指数，所述S2中的If(f)为日最小相对湿度对应的森林火险天气指数，所述S2中的Iv(v)为日最大风速对应的森林火险天气指数，所述S2中的Im(m)为日降雨量对应的森林火险天气指数，所述S2中的Id(d)为温度日较差所对应的森林火险天气指数。
3.根据权利要求1所述的一种基于加权算法的森林火险气象等级预报方法，其特征在于：所述S3中的F为森林火险气象等级预报加权指数。
4.根据权利要求1所述的一种基于加权算法的森林火险气象等级预报方法，其特征在于：所述S3中的M(m)为经加权计算后获得的连续m天内的森林火险监测综合指数值之和，所述S3中的Mm为前m天的森林火险气象等级监测综合指数。
5.根据权利要求1所述的一种基于加权算法的森林火险气象等级预报方法，其特征在于：所述S3中的P(n)为经加权计算后获得的连续n天内的森林火险预报综合指数值之和，所述S3中的pn为未来第n天的森林火险气象等级预报综合指数。
6.根据权利要求1所述的一种基于加权算法的森林火险气象等级预报方法，其特征在于：所述S4中森林火险气象等级预报级别包括森林火险气象等级和火灾发生危险程度。
CN202210072281.6A 2022-01-21 2022-01-21 一种基于加权算法的森林火险气象等级预报方法 Active CN114442198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210072281.6A CN114442198B (zh) 2022-01-21 2022-01-21 一种基于加权算法的森林火险气象等级预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210072281.6A CN114442198B (zh) 2022-01-21 2022-01-21 一种基于加权算法的森林火险气象等级预报方法

Publications (2)

Publication Number Publication Date
CN114442198A true CN114442198A (zh) 2022-05-06
CN114442198B CN114442198B (zh) 2024-03-15

Family

ID=81366911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210072281.6A Active CN114442198B (zh) 2022-01-21 2022-01-21 一种基于加权算法的森林火险气象等级预报方法

Country Status (1)

Country Link
CN (1) CN114442198B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115166866A (zh) * 2022-07-01 2022-10-11 广东省韶关市气象局 基于格点化气象数据的柑橘病虫害发生预报方法及系统
CN116562462A (zh) * 2023-06-20 2023-08-08 航天宏图信息技术股份有限公司 森林火险预测方法、装置、电子设备及可读存储介质
CN117422313A (zh) * 2023-12-18 2024-01-19 中科星图智慧科技安徽有限公司 一种综合气象因素和土壤因素预测森林火险等级的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110051653A (ko) * 2009-11-11 2011-05-18 대한민국(관리부서 : 산림청 국립산림과학원장) 산불발생위치 정보제공방법 및 이를 위한 시스템
CN103413036A (zh) * 2013-07-31 2013-11-27 西南林业大学 一种连续化的森林火险天气等级预报模型及应用
CN103823953A (zh) * 2012-11-19 2014-05-28 郭志华 一种森林火险气象预警方法与系统
WO2021077729A1 (zh) * 2019-10-23 2021-04-29 国网电力科学研究院武汉南瑞有限责任公司 一种雷电预测方法
CN112990562A (zh) * 2021-03-05 2021-06-18 中国铁塔股份有限公司黑龙江省分公司 一种基于群落特征的森林防火等级预测算法
CN113138431A (zh) * 2021-04-13 2021-07-20 深圳市万向信息科技有限公司 一种智慧城市气象观测方法及系统
CN113672864A (zh) * 2021-07-15 2021-11-19 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种应用于雨衰减统计预测的年平均雨顶高度的加权算法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110051653A (ko) * 2009-11-11 2011-05-18 대한민국(관리부서 : 산림청 국립산림과학원장) 산불발생위치 정보제공방법 및 이를 위한 시스템
CN103823953A (zh) * 2012-11-19 2014-05-28 郭志华 一种森林火险气象预警方法与系统
CN103413036A (zh) * 2013-07-31 2013-11-27 西南林业大学 一种连续化的森林火险天气等级预报模型及应用
WO2021077729A1 (zh) * 2019-10-23 2021-04-29 国网电力科学研究院武汉南瑞有限责任公司 一种雷电预测方法
CN112990562A (zh) * 2021-03-05 2021-06-18 中国铁塔股份有限公司黑龙江省分公司 一种基于群落特征的森林防火等级预测算法
CN113138431A (zh) * 2021-04-13 2021-07-20 深圳市万向信息科技有限公司 一种智慧城市气象观测方法及系统
CN113672864A (zh) * 2021-07-15 2021-11-19 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种应用于雨衰减统计预测的年平均雨顶高度的加权算法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115166866A (zh) * 2022-07-01 2022-10-11 广东省韶关市气象局 基于格点化气象数据的柑橘病虫害发生预报方法及系统
CN115166866B (zh) * 2022-07-01 2024-03-15 广东省韶关市气象局 基于格点化气象数据的柑橘病虫害发生预报方法及系统
CN116562462A (zh) * 2023-06-20 2023-08-08 航天宏图信息技术股份有限公司 森林火险预测方法、装置、电子设备及可读存储介质
CN116562462B (zh) * 2023-06-20 2023-10-03 航天宏图信息技术股份有限公司 森林火险预测方法、装置、电子设备及可读存储介质
CN117422313A (zh) * 2023-12-18 2024-01-19 中科星图智慧科技安徽有限公司 一种综合气象因素和土壤因素预测森林火险等级的方法
CN117422313B (zh) * 2023-12-18 2024-04-19 中科星图智慧科技安徽有限公司 一种综合气象因素和土壤因素预测森林火险等级的方法

Also Published As

Publication number Publication date
CN114442198B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN114442198B (zh) 一种基于加权算法的森林火险气象等级预报方法
CN112070286B (zh) 复杂地形流域的降水预报预警系统
CN104123682B (zh) 一种基于气象影响因素的配网故障风险评估方法
CN111488896B (zh) 一种基于多源数据挖掘的配电线路时变故障概率计算方法
CN111897030A (zh) 一种雷暴预警系统及方法
CN102831752B (zh) 一种冰湖溃决预警方法
CN109359896B (zh) 一种基于svm的电网线路故障风险预警方法
CN108008252B (zh) 一种输电线路故障类型诊断方法和装置
CN102426674A (zh) 一种基于马尔科夫链的电力系统负荷预测方法
CN105279612A (zh) 一种基于泊松分布的输电线路跳闸风险评估方法
CN116910041B (zh) 一种基于尺度分析的遥感降水产品的逐日订正方法
CN107748933A (zh) 气象要素报文数据误差修正方法、雾、日出、云海、雾凇预测方法
CN107066689B (zh) 一种输电线路风偏故障的气象风险预警方法
CN109242159A (zh) 一种新型输电线路覆冰预测方法
CN107765348A (zh) 降水量气象报文数据误差修正方法、雨凇景观预测方法
CN117436619B (zh) 一种基于等效防洪作用的梯级水库防洪库容联合预留方法
CN108108665B (zh) 一种基于多变量的燃气调压器安全预警方法
CN113946796A (zh) 一种基于条件概率高时空分辨率的干旱传播时间计算方法
CN109460923A (zh) 一种输电线覆冰概率预测方法
CN113537336A (zh) 基于XGBoost的短临雷雨大风的预测方法
CN109101659A (zh) 一种小水电数据采集系统中功率数据异常的方法
CN111339155B (zh) 一种关联分析系统
CN117200223A (zh) 日前电力负荷预测方法和装置
CN116643328A (zh) 一种基于网络预报的城市内涝预报方法
CN115685396A (zh) 一种降水预报修正方法及装置

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