![](https://www.tsinghua.edu.cn/__local/7/07/68/909019B164C1D4CD2CD1B6AEA77_231C8AE1_21BFA.jpeg)
灾害模型群
面向“多灾种、大应急”的国家应急管理现代化建设需求,研究团队重点针对复杂场景中灾害建模分析的难点,提出了一种面向多灾种耦合分析的灾害模型服务链系统优化方法,解决了传统多灾种模型设计复杂度高、模型复用性差的问题。同时,团队研发了一套面向灵活互操作的多灾种建模的灾害管理系统,提供一种全灾种模型服务范式,形成灾害模型接口规范,提升了单类型灾害模型交互性、互操作性。通过构建灾害模型服务链DMSC(Disaster Model Service Chain)自适应编排与优化算法,解决了灾害节点编排困难、链式优化复杂度高等问题。
![](https://www.tsinghua.edu.cn/__local/8/77/01/4BC901D3549C20E7FA9EED6F208_61829CCB_C1740.jpeg)
面向多灾种耦合的灾害管理系统框架
团队还针对突发性强、破坏性大的森林火灾进行深入研究,分析不同环境条件下的火焰燃烧规律与蔓延特征,提出了一种基于深度学习与变尺度图网络的森林火灾蔓延预测模型,解决了传统模型中精准地描述野火蔓延细节的不足。团队提出了图边异质性约束算法,自适应地调整和优化不规则图网络(Irregular Graph Network,IGN)的节点密度和分布,保证图边上坡度和植被的同质性。并提出了一种基于深度学习的网络WFDNN(WildFire Deep Neural Network)预测林火在图边上蔓延的时长、火焰长度、火线强度等关键特征参数。通过真实林火数据的案例验证,团队提出的IGN模型实现了有竞争性的预测效果,为林火预测领域提供了一种新颖和更为有效的研究路径。
![](https://www.tsinghua.edu.cn/__local/F/34/87/5BF898E3DFB6B2C6983936E31D0_ABC67C4B_93BB87.jpeg)
基于深度学习和变尺度图网络的森林火灾蔓延模型
![](https://www.tsinghua.edu.cn/__local/5/86/BB/76FEB2548E2EE8D6F53C3075D5D_DEA710CC_A236D.png)
应用场景:森林—城镇交界域的火灾蔓延预测态势分析
上述研究成果以“面向互操作性的多灾种建模:用于灾害模型服务链的灾害管理系统”(Toward Interoperable Multihazard Modeling: A Disaster Management System for Disaster Model Service Chain)、“一种基于不规则图网络的森林火灾蔓延分析模型”(Modeling Wildfire Spread with an Irregular Graph Network)和“面向森林火灾的应急管理信息化关键技术”为题,近期分别发表在《国际灾害风险科学学报》(International Journal of Disaster Risk Science),《火灾》(Fire)和《中国安全科学学报》上。
清华大学深圳国际研究生院王飞副教授为上述论文的通讯作者,清华大学工程物理系2021级博士研究生姜文宇为上述论文的第一作者,论文作者还包括清华大学深圳国际研究生院2020级硕士生郑欣欣、王婷。该研究成果获得了广东省应急领域重点研发计划和深圳市学科布局等项目的支持。
论文链接:
https://link.springer.com/article/10.1007/s13753-022-00450-1
https://www.mdpi.com/2571-6255/5/6/185
http://www.cssjj.com.cn/CN/10.16265/j.cnki.issn1003-3033.2022.09.2693
供稿:深圳国际研究生院
编辑:李华山
审核:郭玲
2022年11月21日 09:48:43