基于ARIMA-DBN模型的输电走廊野火风险时空分布预测及其在电网防灾决策中的应用

这篇研究创新性地提出融合自回归积分滑动平均（ARIMA）和动态贝叶斯网络（DBN）的预测框架，通过随机森林（RF）筛选17类关键因子，实现输电走廊野火风险的动态评估。模型在3天时间尺度下准确率达86.39%，结合ARIMA-GARCH气象预测仍保持79.64%精度，为电网运营商提供精准的短期风险分布图（80%实际火点落入高/极高风险区），显著提升极端天气下的防灾决策效率。

　　

研究背景与方法创新

输电走廊野火风险防控面临极端气候加剧的严峻挑战。针对传统模型空间分辨率低、忽略气象动态变化等问题，本研究构建ARIMA-DBN混合模型。通过整合时间序列预测与概率图模型，首次实现气象动态因子（温度、降水等）的短期精准预测与多因子耦合关系的量化表征。

关键技术突破

特征选择方面，采用随机森林（RF）算法从4大类17项因子中筛选出贡献度95%的9个核心因子，揭示气象要素（累计贡献超50%）对短期风险的主导作用。创新性地对温度、湿度等具有波动聚集性的数据采用ARIMA(1,1,1)-GARCH(1,1)混合建模，将预测误差降低15.7%。动态贝叶斯网络（DBN）构建中，通过皮尔逊相关性分析和专家知识驱动，建立包含相邻时间片（t-1→t）的时空因果网络，解决传统静态模型无法捕捉时序依赖的缺陷。

模型性能验证

在3天时间分辨率下，DBN模型准确率达86.39%（AUC=0.9131）。敏感性实验显示，剔除温度因子会使准确率骤降至77.54%，证实气象动态的关键作用。即使采用ARIMA预测数据，模型仍保持79.64%的准确率，证明框架的鲁棒性。时空分布图显示，2023-2024年清明期间粤东潮汕地区（饶平等地）火点落入高风险区的比例达72.72%-100%，与当地祭祀习俗和地形特征高度吻合。

实践应用价值

该模型已成功应用于南方电网野火预警系统，实现：1）差异化巡检策略，对高风险区线路启用无人机高频巡查；2）负荷动态调整，针对关键输电通道制定应急切负荷预案；3）多部门协同防控，实时共享风险图谱给林业消防部门。典型案例显示，在韶关等北部山区，模型提前3天预警的线路跳闸风险准确匹配实际故障点位。

局限与展望

当前模型在台风等极端天气下的预测性能有待提升，未来拟融合卫星遥感数据增强植被水分监测。跨区域适用性方面，建议其他地区应用时需根据本地植被类型（如温带落叶林vs亚热带常绿林）、人文因素（农耕火种习俗）调整网络结构，该技术框架为全球输电网络安全防护提供普适性解决方案。