基于线性回归算法的森林火灾预测研究.pdf

2019 4 月 论述 227 基于线性回归算法的森林火灾预测研究 杨锦茹 西安交通大学附属中学航天学校，陕西省西安市 710100） 摘 要】众所周知，森林火灾是一种突发性强、破坏性大、处置救助较为困难的自然灾 ，近年来随着森林火灾的不断发生，森林面积逐渐减 小，水土流失和泥石流等自然灾 的频繁发生，因此预防森林火灾事关森林资源和生态安全，事关人民群众生命财产安全。针对这个问题，本研 究通过 收集到的森林火灾数据集构建线性回归机器学习 型，对森林火灾的发生及受灾面积进行分析预测。人工智能与机器学习的引入，可 显著增加火灾预测的准确性和即时性。 】 人工智能；线性回归算法 关键词 森林火灾预测；机器学习； 中图分类号】 文献标识码】 文章编号】 （ ） TN929.5 A 1006-4222 2019 04-0227-02 1 引言 利用机器学习进行火灾预测的优势有三点院 准确率高曰 1.1 重要性 于训练周期短 培养一个专业的气象学家需花 量时间 而利 用机器学习算法通过历史数据训练模型仅需几秒或几分钟 效 森林火灾作为世界八 自然灾害之一 具有速度快尧突发 率会高很多曰盂本研究不仅能预测发生与否 还能预测火灾面 性强尧破坏性 等特点遥 据国家统计局发布的叶中华人民共和 积即火灾严重程度 为森林工作者提供强有力的辅助作用遥 国2017 年国民经济和社会发展统计公报曳 2017 我国全 共发生森林火灾3223 起 森林火灾受害森林面积2.5 万hm2 2 训练数据集介绍 森林火灾数量比2016 增长了58.5% 受害森林面积是上一 本文所使用的森林火灾训练数据集来自 UCI Mashine 年的4 倍渊摘自叶中华人民共和国2017 年国民经济和社会发 Learning Repository 网站数据集名称为野Forest Fires Data Set冶 展统计公报曳冤遥 作者为Paulo Cortez 和An侏bal Morais遥 数据来源于葡萄牙东北 森林一旦遭受火灾 最直观的危害是损害树木 从而导致 部地区的森林 其中共包括517 个样本 10 个位置时间及气 森林蓄积下降 森林生长受到严重影响曰其次 树木庞 的根 象特征 该数据集目标为根据该特征预测森林火灾的发生 标 2 系可以在一定程度上固定土壤 森林火灾会导致林地水土流 签为火灾的受灾面积 面积单位为hm 遥 失现象频发曰最后 树木燃烧会产生 量的烟雾 其中所含物 特征字段及特征解释如表1 所示遥 质的含量超过某一限度时会造成空气污染 威胁人类身体健 表1 康及野生动物的生存遥野早发现 早预防冶是限制火灾发生的根 特征字段 字段解释 本举措 因此本研究利用机器学习算法高效预测森林火灾发 1.X 蒙特西尼奥公园地图内的x 轴空间坐标 生有十分重要的现实意义遥 2.Y 蒙特西尼奥公园地图内的y 轴空间坐标 1.2 国 外研究现状 3.month 月份