基于语义学传感器网络与大型语言模型的森林火灾管理决策支持系统

森林是生态平衡的关键，但野火作为造成森林损失的主要原因，构成重大风险。火气指数用于评估野火风险并预测资源需求，至关重要。随着医疗和环境监测等领域传感器网络的兴起，语义学传感器网络日益用于收集风速、温度和湿度等气候数据。然而，对这些数据流进行处理以确定火气指数 presents 挑战，凸显了有效森林火灾检测的重要性。本文讨论了使用 Apache Spark 进行早期森林火灾检测，结合气象和地理数据增强火险预测。基于我们先前开发的语义学传感器网络（SSN）本体和语义网规则语言（SWRL）用于管理 Monesterial Natural Park 的森林火灾，我们扩展了 SWRL 以改进基于大型语言模型（LLM）和 Spark 框架的决策支持系统（DSS）。我们实现了基于 Spark 流处理的实时警报，针对各种火灾情景进行定制化，并通过本体指标、查询评估、LLM 精确度、F1 分数和召回率等指标进行验证。