Uno studio di confronto delle prestazioni sulla previsione degli incendi boschivi

L'incendio boschivo è la combustione incontrollata e non prescritta di vegetazione naturale che rappresenta una grande minaccia per l'ambiente. Essendo un fenomeno naturale, è impossibile per l'uomo prevenirlo. È necessario prevedere in anticipo, individuare rapidamente e agire tempestivamente per controllare questi fenomeni e proteggere l'ecosistema. In questo libro, un modello predittivo in grado di prevedere gli incendi boschivi è stato ricavato utilizzando tecniche di soft computing e machine learning. Il set di dati consiste in 517 record di serie temporali per il parco naturale di Montesinho, in Portogallo. Per trovare alcuni modelli critici e per segmentare le regioni degli incendi (utilizzando il clustering), sono stati utilizzati rispettivamente i metodi PCA e di clustering attraverso K-means. Cinque tecniche di soft computing, ovvero MPNN, PNN, KNN, RBF e SVM, sono applicate simultaneamente. Per l'esecuzione degli algoritmi vengono utilizzate librerie Python come Scikit-learn, Pandas, Matplotlib e Seaborn. Infine, ogni tecnica di soft computing viene valutata in base a parametri di valutazione quali MSE, RMSE, MAE, RAE e IG e viene identificato il modello appropriato con i valori migliori.

Balamurugan R. promovierte 2016 in Information and Communication Engineering an der Anna University, Chennai. Derzeit arbeitet er als Associate Professor an der School of Computer Science and Engineering am Vellore Institute of Technology alias VIT, Vellore, Indien. Er verfügt über mehr als 10 Jahre Erfahrung in Wissenschaft und Forschung.