干旱条件下的山火风险预测方法、装置及设备与流程

本申请涉及山火风险预测领域，尤其涉及一种干旱条件下的山火风险预测方法、装置及设备。

背景技术：

1、近年来，山火不仅对生命财产和生态环境造成严重威胁，还容易引发输电线路跳闸停运，特别是在遭遇极端干旱天气时，山火对电网运行安全及供电保障的影响尤为突出。为有效应对干旱条件下山火带来的威胁，电网管理系统迫切需要提前一个月对下月山火发生风险开展定量预测，以便根据风险等级提前部署灭火装备、储备水源和燃料煤等应急资源。

2、目前，常用的山火风险预测方法主要针对未来3至7天的短临风险进行预测，通常基于短期气象要素、植被可燃性和火险天气指数进行经验或统计建模。这些方法虽然能够在较短时间内给出风险提示，但预测提前量有限，难以支撑月度尺度的防灾资源调度决策。

3、现有做法主要存在以下问题：其一，短临预测无法满足提前一个月部署应急资源的需求；其二，现有方法对干旱演变过程的动态刻画不足，缺乏将气象要素转化为标准化干旱指数并进一步预测未来干旱趋势的技术手段；其三，现有方法对极端干旱条件下山火风险非线性急剧放大的物理特征考虑不充分，难以准确刻画极端干旱场景下山火风险的跃升规律；其四，现有模型较少将大气环流因子注意力机制与山火风险预测相结合，导致预测结果对环流异常驱动的响应能力不足。

技术实现思路

1、本申请的主要目的在于提供了一种干旱条件下的山火风险预测方法、装置及设备，旨在解决现有技术无法满足干旱场景下长期预测的需求，且难以准确捕捉极端干旱场景下山火风险特征的技术问题。

2、为实现上述目的，本申请提供了一种干旱条件下的山火风险预测方法，所述方法包括以下步骤：

3、获取目标区域的多源时序数据，并对所述多源时序数据进行预处理，构建多维特征序列，所述多源时序数据包括时间特征、气象特征、大气环流因子和历史火点数量；

4、基于所述气象特征计算历史各时间步的干旱指数，生成历史干旱指数序列；

5、将所述多维特征序列和所述历史干旱指数序列输入预先训练的干旱预测模型，获得干旱预测结果，所述干旱预测结果包括未来干旱指数预测值和全局干旱上下文向量；

6、将所述干旱预测结果和所述历史火点数量输入至预先训练的山火风险预测模型，获得未来山火风险指数，所述山火风险预测模型配置为基于所述干旱预测结果和所述历史火点数量计算基础山火风险值，并基于预设极端干旱非线性惩罚因子对所述基础山火风险值进行修正，输出未来山火风险指数；

7、基于所述未来山火风险指数确定山火风险等级，并生成所述山火风险等级的山火风险预警信息。

8、此外，为实现上述目的，本申请还提出一种应用如上文所述的干旱条件下的山火风险预测方法的干旱条件下的山火风险预测装置，所述干旱条件下的山火风险预测装置包括：

9、数据处理模块，用于获取目标区域的多源时序数据，并对所述多源时序数据进行预处理，构建多维特征序列，所述多源时序数据包括时间特征、气象特征、大气环流因子和历史火点数量；

10、干旱指数计算模块，用于基于所述气象特征计算历史各时间步的干旱指数，生成历史干旱指数序列；

11、干旱预测模块，用于将所述多维特征序列和所述历史干旱指数序列输入预先训练的干旱预测模型，获得干旱预测结果，所述干旱预测结果包括未来干旱指数预测值和全局干旱上下文向量；

12、山火风险预测模块，用于将所述干旱预测结果和所述历史火点数量输入至预先训练的山火风险预测模型，获得未来山火风险指数，所述山火风险预测模型配置为基于所述干旱预测结果和所述历史火点数量计算基础山火风险值，并基于预设极端干旱非线性惩罚因子对所述基础山火风险值进行修正，输出未来山火风险指数；

13、山火预警模块，用于基于所述未来山火风险指数确定山火风险等级，并生成所述山火风险等级的山火风险预警信息。

14、本申请通过计算历史各时间步的干旱指数，将降水、蒸散发等气象要素转化为标准化的干旱指标，量化了干旱演变的动态过程；通过干旱预测模型对多维特征序列和历史干旱指数序列进行时序建模与大气环流注意力加权，挖掘了干旱发展的长期依赖关系及环流异常对干旱的驱动作用，获得了未来干旱指数预测值及全局干旱上下文向量；通过山火风险预测模型将干旱预测结果与历史火点信息融合，并引入极端干旱非线性惩罚因子对基础风险进行修正，强化了极端干旱场景下山火风险的指数型放大特征；通过风险等级确定与预警信息生成，将连续的风险指数转化为可指导防灾决策的等级信息；因此本申请通过干旱演变时序刻画、环流注意力驱动及极端干旱非线性修正，在月度时间尺度上实现了干旱条件下山火风险的定量预测，有效解决了短临预测提前量不足、极端干旱风险刻画薄弱的问题，显著提升了山火风险月度预测的准确性与可解释性，为电网防灾提前部署提供了可靠依据。

1.一种干旱条件下的山火风险预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述基于所述气象特征计算历史各时间步的干旱指数，生成历史干旱指数序列，包括：

3.如权利要求1所述的方法，其特征在于，所述将所述多维特征序列和所述历史干旱指数序列输入预先训练的干旱预测模型，获得干旱预测结果，包括：

4.如权利要求3所述的方法，其特征在于，所述门控循环时序特征提取层，配置为基于干旱预测输入序列进行特征提取，得到各时间步的隐藏状态向量；

5.如权利要求1所述的方法，其特征在于，所述基于所述干旱预测结果和所述历史火点数量计算基础山火风险值，包括：

6.如权利要求5所述的方法，其特征在于，所述基于预设极端干旱非线性惩罚因子对所述基础山火风险值进行修正，输出未来山火风险指数，包括：

7.如权利要求1所述的方法，其特征在于，所述干旱预测模型和所述山火风险预测模型基于联合损失函数进行联合训练优化，所述联合损失函数为：

8.如权利要求7所述的方法，其特征在于，所述干旱预测模型执行干旱预测任务的均方误差损失值参照如下公式计算：

9.一种应用权利要求1至8中任一项所述的干旱条件下的山火风险预测方法的干旱条件下的山火风险预测装置，其特征在于，所述装置包括：

10.一种干旱条件下的山火风险预测设备，其特征在于，所述干旱条件下的山火风险预测设备包括：存储器、处理器及存储在所述存储器上的干旱条件下的山火风险预测程序，所述处理器用于运行所述干旱条件下的山火风险预测程序，所述干旱条件下的山火风险预测程序配置为实现如权利要求1至8中任一项所述的干旱条件下的山火风险预测方法。