摘要
本申请提供一种基于人工智能的森林雷击火灾监控方法及系统,涉及计算机数据智能分析技术领域,该方法包括:获取针对森林区域的传感监测数据组;基于长短期记忆网络模块用于提取大气电场仪数据所对应的大气电场时序特征;构建闪电图结构,基于图神经网络更新图结构中各个节点的节点特征以构建闪电特征矩阵;基于卷积神经网络处理区域监控图像,以提取图像特征矩阵;将大气电场时序特征、闪电特征矩阵和图像特征矩阵输入至雷击火灾识别模型,以确定森林区域是否存在雷击火灾风险,该雷击火灾识别模型采用多模态融合深度学习模型。由此,增强了对雷击事件的全面性分析和火情动态监控,极大地提高了火灾风险的识别预警效率和应急响应速度。
技术关键词
时序特征
矩阵
闪电定位数据
大气电场仪
火灾监控方法
编码特征
长短期记忆网络
电场强度变化率
融合特征
多模态
多层次特征融合
图像边缘特征
节点特征
风险
注意力机制
系统为您推荐了相关专利信息
钻井参数
内部环境参数
综合管理方法
智能综合管理系统
机器学习算法
装配误差
轮廓误差
建模方法
旋转变换矩阵
工作站基座
卷积运算方法
数据
元素
人工智能芯片技术
非暂态计算机可读存储介质