基于FedAvg的山林火灾扑救行动兵力预测模型构建方法

以夏秋季极端高温山林火灾扑救行动为研究对象,以分布式机器学习为理论基础对任务中气温及机动兵力的建模和预测进行研究。首先提出一种基于联邦平均算法(Federal Average Algorithm,FedAvg)的模型构建方法,从更贴近任务实际、更加精细的角度对各任务方向的最高气温及机动兵力数量进行定量预测;其次通过引接政府公共资源平台及作战数据库中多区域气温和机动兵力,在各数据客户端不互传数据的情况下,通过聚合不同客户端参数共同训练全局模型达到预测目的,为各数据源无法共享环境下分析数据、使用数据提供理论支撑。