计算机工程

作者：王新迪, 杨夙, 张思源, 罗午阳, 李杰, 刘辉

单位：1. 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;2. 国网北京市电力公司, 北京 100031

关键词：时空大数据,火灾风险预测,卫星图像,特征嵌入,动态加权

基金：国家电网有限公司科技项目(5500-202011091A-0-0-00)。

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。

来源：2023年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第6期