返回
Urban Fire Spatial-Temporal Prediction Based on Multi-Source Data Fusion
DOI:10.3390/fire8050177.png)
摘要
En 中文
城市火灾事件对公共安全和基础设施构成显著风险,需要精确的时空预测以增强火灾预防和应急响应策略。然而,预测火灾发生仍是一项复杂任务,由于空间和时间因素的复杂相互作用,包括动态环境条件、历史依赖性以及区域间相关性。时间变量,如过去的火灾事件和气象条件等外部影响,显著影响火灾风险,而空间属性,包括区域特征和跨区域交互,进一步加剧了预测建模的复杂性。本研究引入UFSTP,一种用于城市火灾时空预测的创新框架,通过整合多源数据提高预测精度。UFSTP采用神经区域状态表示来捕捉内在和外在的时间依赖性,并结合时空传播机制来建模区域间相关性。从真实数据集中提取关键环境和历史特征,构建全面的火灾风险表示,以促进对火灾发生时间和空间的精确预测。在Anci和Guangyang区真实数据集上的广泛评估表明,UFSTP在时间预测方面相较于最先进基线平均降低了16.2%的平均绝对误差(MAE),在区域预测方面提升了3.3%的top-1命中率。所提出的框架为城市火灾风险评估提供了一种鲁棒且可解释的方法,为优化火灾预防措施和应急资源分配提供关键见解。
Keyword:
urban fire events
multi-source data
deep neural network
spatial-temporal prediction
期刊
F
IF:
2.7
论文数:
1.7K
被引数:
3.2K
机构
引用论文
Discovering spatio-temporal relationships in the distribution of building fires
FIRE SAFETY JOURNAL
IF3.3
Socioeconomic determinants of urban fire risk: A city-wide analysis of 283 Chinese cities from 2013 to 2016
FIRE SAFETY JOURNAL
IF3.3
Fire risk analysis of residential buildings based on scenario clusters and its application in fire risk management基于情景聚类的住宅火灾风险分析及其在火灾风险管理中的应用
FIRE SAFETY JOURNAL
IF3.3

