基于时空大数据与卫星图像的城市火灾风险预测

作     者：王新迪 杨夙 张思源 罗午阳 李杰 刘辉 WANG Xindi;YANG Su;ZHANG Siyuan;LUO Wuyang;LI Jie;LIU Hui

作者机构：复旦大学计算机科学技术学院上海市智能信息处理重点实验室上海200438 国网北京市电力公司北京100031 

基　　金：国家电网有限公司科技项目(5500—202011091A—0—0—00) 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2023年第49卷第6期

页      码：242-249页

摘      要：火灾事故在全世界范围内普遍存在且频繁发生。然而,针对城市火灾的风险预测研究尚在起步中。为此,提出一种针对城市火灾风险的预测模型HISS。基于多重分形维度从卫星图像中提取视觉特征,并将卫星图像的视觉特征与从历史火灾数据、气象数据、出租车流动记录、区域用电量数据和POI数据中提取的非视觉特征相融合,构成静态特征。基于静态特征对XGBoost进行预训练,并设计一种特征嵌入模块,将XGBoost的预测结果作为基准值嵌入到包含时序关系的动态特征中,通过Transformer学习火灾的时间波动模式。采用动态加权模块实现XGBoost和Transformer在模型层面的融合,进一步提升模型的性能。实验结果表明,HISS模型的确定系数R2达到了72.56%,与长短期记忆网络和门控循环单元相比R2分别提升4.25和3.92个百分点,与Lasso、随机森林和梯度提升决策树相比R2分别提升10.88、5.62和3.93个百分点,具有较优的预测性能。

主 题 词：时空大数据 火灾风险预测 卫星图像 特征嵌入 动态加权 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19678/j.issn.1000-3428.0064765

馆 藏 号：203122321...