摘要
本申请涉及森林火灾防控技术领域,具体涉及基于数据全流程处理的山火风险分布时空评估方法,该方法包括:将山火样本数据集划分为重抽样数据集和袋外数据集;针对一个重抽样数据集,确定每个山火因子的所有子集,结合火点序列,得到每个山火因子在每个重抽样数据集的类别权重;基于袋外数据集对建立的决策树进行测试,基于测试结果的分布差异特征,得到每个山火因子的因子重要度;比较任意两个山火因子在不同样本点的差异特征,结合贝叶斯网络模型获取的条件概率,得到所述任意两个山火因子的关联置信度;训练山火风险评估模型,得到样本点的山火风险概率。本申请旨在提高山火风险评估模型的预测准确性。
技术关键词
因子
山火风险评估
数据
样本
贝叶斯网络模型
朴素贝叶斯网络
火灾防控技术
特征值
建立决策树
数值
抽样技术
训练集
序列
度量
矩阵
对象
系统为您推荐了相关专利信息
单碱基延伸引物
核苷酸
PCR扩增引物组
飞行时间质谱检测
弓形虫病毒
时间序列预测模型
监控指标数据
预训练模型
意图识别
应用程序编程接口
磁体
瓷绝缘子
缺陷检测方法
缺陷检测算法
高速摄像机