.png){kind=icon}
返回
Ontology-Based Forest Fire Management Using Complex Event Processing and Large Language Models
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-02049-9_7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
森林维持生态，但野火是重大威胁。火灾天气指数有助于评估风险，但需要持续实时处理。为解决此问题，我们开发了基于Monesterial自然公园数据的语义传感器网络（SSN）本体模型，并使用语义网规则语言（SWRL）进行增强。该系统整合了大语言模型（LLMs）和复杂事件处理（CEP）引擎以实现实时火灾检测。传感器网络收集气候数据（湿度、温度、风速等），通过Spark Streaming和CEP进行处理以识别与火灾相关的事件。LLMs分析检测到的事件，而SPARQL查询从本体中检索相关见解。结果结合用于估算整体风险，支持在全面的决策支持系统（DSS）框架内进行明智决策。测试表明，通过本体指标、基于查询的测试、事件警报和LLM性能（F1分数、精确度和召回率）的评估，更容易理解和应对野火风险。
Keyword:
LLMs
SSN
Spark
CEP
期刊
D
IF:
0
论文数:
25
被引数:
0
机构
引用论文
Forest fire dynamics in India (2005–2022): Unveiling climatic Impacts, spatial Patterns, and interface with anthrax incidence印度森林火灾动态（2005–2022年）：揭示气候影响、空间格局及与炭疽发病率的关联
OAAI
OAAI分享收藏A novel framework for identifying causes of forest fire events using environmental and temporal characteristics of the ignition point in fire footprint一种基于火灾足迹中起火点环境及时间特征来识别森林火灾事件成因的新型框架OAAI
OAAI分享收藏
AI-augmented predictions: LLM assistants improve human forecasting accuracyAI增强预测：大型语言模型助手提高人类预测准确性.png)
IF0
PREAI
分享收藏
查看更多内容