基于新型机器学习框架的多模态野火预测与个性化预警系统

野火正日益影响环境、人类健康与安全。在加州最严重的20场野火中，2020-2021年的过火面积超过了上个世纪的总和。加州2018年的野火季造成了1485亿美元的损害。在数百万受影响人群中，残障人士（约占世界人口的15%）因缺乏充分的警报手段而受到不成比例的影响。在本项目中，基于一种先进的机器学习架构，开发了一个多模态野火预测与个性化预警系统。我们整合了来自环境保护署的传感器数据以及2012至2018年的历史野火数据，建立了同类中规模最大的综合野火数据库。接着，设计了一种新颖的U-卷积-LSTM（长短期记忆）神经网络，其特殊架构用于从指示野火迫近的连续环境参数中提取关键时空特征。环境和气象因素被纳入数据库，并分类为先导指标与滞后指标，分别对应于野火发生与蔓延的风险。此外，还利用地质数据以提供更好的野火风险评估。该新颖时空神经网络的准确率超过97%，而传统卷积神经网络约为76%，并成功提前5-14天预测了2018年最具破坏性的五场野火。最后，提出了一种针对感官障碍或呼吸系统恶化人群的个性化预警系统。该技术将使消防部门能够在野火发生前预判并预防，并为高风险个体提供早期预警以便更好地准备，从而挽救生命并减少经济损失。