مقارنة بين طرق تعلم الآلة لتنبؤ مناطق حرائق الغابات

على مدار العقود الماضية، غير الاحترار العالمي درجة الحرارة. وقد تسبب ذلك في زيادة حرائق الغابات في كل مكان. تؤثر حرائق الغابات على الحياة الاجتماعية للناس، وحياة الحيوانات، واقتصادات الدول. لذلك، تُطلب آليات جديدة للوقاية والسيطرة على حرائق الغابات. لقد استفادت الذكاء الاصطناعي والشبكات العصبية (NN) في إدارة حرائق الغابات منذ التسعينيات. منذ ذلك الحين، تم استخدام طرق تعلم الآلة (ML) في العلوم البيئية في مواضيع متنوعة. تهدف هذه الدراسة إلى تقديم مقارنة للأداء حول خوارزميات ML المطبقة لتنبؤ حجم المساحة المحترقة. في هذه الورقة، تم استخدام خوارزميات ML مختلفة للتنبؤ بحجم النار بناءً على خصائص مختلفة مثل درجة الحرارة، والرياح، والرطوبة، وهطول الأمطار، باستخدام سجلات لـ 512 حريق غابات حدثت في حديقة وطنية في شمال البرتغال. هذه الخوارزميات هي Perceptron متعدد الطبقات (MLP)، والانحدار الخطي، وآلة الدعم النقطي (SVM)، وأقرب الجيران K (KNN)، وشجرة القرار، وطرق التخزين. تم تنفيذ جميع الخوارزميات في بيئة WEKA. أظهرت النتائج أن طريقة SVM لديها أفضل قدرة تنبؤية من بين جميع النماذج وفقًا لمقياس متوسط الخطأ المطلق (MAE).