1.一种基于火点样本的山火预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述对所述实时山火数据进行特征工程处理，确定用于山火预测的实时数据特征包括：
3.如权利要求1或2所述的方法，其特征在于，所述山火预测模型的训练过程包括：
4.如权利要求3所述的方法，其特征在于，所述历史山火数据还包括非火点样本的历史气象数据、历史生态环境数据和历史人类活动数据。
5.如权利要求4所述的方法，其特征在于，所述获取历史山火数据后，还包括：
6.如权利要求4所述的方法，其特征在于，所述获取历史山火数据后，还包括：
7.如权利要求3所述的方法，其特征在于，所述将所述历史数据特征输入待训练的山火预测模型，基于所述山火预测模型输出历史数据预测结果包括：
8.如权利要求7所述的方法，其特征在于，还包括：
9.一种基于火点样本的山火预测系统，其特征在于，包括：
10.如权利要求9所述的系统，其特征在于，所述处理模块，具体用于在所述实时山火数据中，去除与山火预测无关或冗余的数据特征，并选择与山火预测最相关的数据特征；对选择到的数据特征进行特征处理，确定所述实时数据特征，所述特征处理包括以下一种或多种：特征标准化、特征转换、特征组合、特征缩放或特征降维。
11.如权利要求9或10所述的系统，其特征在于，还包括：
12.如权利要求11所述的系统，其特征在于，所述历史山火数据还包括非火点样本的历史气象数据、历史生态环境数据和历史人类活动数据。
13.如权利要求12所述的系统，其特征在于，所述训练模块，还用于对所述历史山火数据进行数据预处理，得到预处理后的所述历史山火数据；所述数据预处理包括以下一种或多种处理方式：数据清洗、异常值处理、数据整理和格式化，在预处理后的所述历史山火数据中所述火点样本对应的数据被标记为正样本，所述非火点样本对应的数据被标记为负样本。
14.如权利要求12所述的系统，其特征在于，所述训练模块，还用于对所述历史山火数据进行样本平衡处理，得到样板平衡处理后的所述历史山火数据；所述样本平衡处理包括以下一种或多种处理方式：数据探索、数据采样、数据集成、交叉验证或监控山火预测模型的预测性能。
15.如权利要求11所述的系统，其特征在于，所述训练模块，具体用于将所述历史数据特征划分为训练集和测试集；将所述训练集输入待训练的山火预测模型，基于所述山火预测模型输出所述训练集的历史预测结果。
16.如权利要求15所述的系统，其特征在于，所述训练模块，还用于将所述测试集输入所述山火预测模型，基于所述山火预测模型输出所述测试集的历史预测结果；根据所述测试集、所述所述测试集的历史预测结果和模型评估指标，采用交叉验证算法对所述山火预测模型进行评估，确定模型评估结果；根据所述模型评估结果，确定所述山火预测模型产生预测错误的分析结果；根据所述分析结果，对所述山火预测模型进行优化。
17.一种计算机设备，其特征在于，包括：一个或多个处理器；
18.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至8中任意一项所述的基于火点样本的山火预测方法。