Modelado atmosférico para la predicción de incendios forestales
Autores: Ismail, Fathima Nuzla; Woodford, Brendon J.; Licorish, Sherlock A.
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Aprendizaje automático
Modelos de inteligencia artificial
Predicción de incendios forestales
Algoritmos de clasificación de una clase
Valores de Shapley
Estrategias de mitigación de incendios forestales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 9
Citaciones: Sin citaciones
Los modelos de aprendizaje automático e inteligencia artificial se han vuelto populares para la predicción del cambio climático. Las regiones forestales de California y Australia Occidental enfrentan cada vez más incendios forestales intensos, mientras que otras partes del mundo enfrentan diversos desafíos relacionados con el clima. Para abordar estos problemas, se han desarrollado modelos de aprendizaje automático e inteligencia artificial para predecir los riesgos de incendios forestales y apoyar las estrategias de mitigación. Nuestro estudio se centra en desarrollar modelos de predicción de incendios forestales utilizando algoritmos de clasificación de una sola clase. Estos incluyen Máquina de Vectores de Soporte, Bosque de Aislamiento, Autoencoder, Autoencoder Variacional, Descripción de Datos de Vectores de Soporte Profundos y Detección de Anomalías Aprendida de Manera Adversarial. Los modelos fueron validados a través de una validación cruzada de cinco pliegues para minimizar el sesgo en la selección de datos de entrenamiento y prueba. Los resultados mostraron que estos modelos de aprendizaje automático de una sola clase superaron a los modelos de aprendizaje automático de dos clases basados en los mismos datos de verdad fundamental, logrando niveles de precisión media entre el 90% y el 99%. Además, empleamos valores de Shapley para identificar las características más significativas que afectan los modelos de predicción de incendios forestales, contribuyendo con una perspectiva novedosa a la investigación sobre la predicción de incendios forestales. Al analizar modelos entrenados con el conjunto de datos de California, las temperaturas máximas y medias del punto de rocío estacional fueron factores críticos. Estos conocimientos pueden mejorar significativamente las estrategias de mitigación de incendios forestales. Además, hemos hecho que estos modelos sean accesibles y fáciles de usar al operacionalizarlos a través de una API REST utilizando Python Flask 1.1.2 y desarrollando una herramienta basada en la web.
Descripción
Los modelos de aprendizaje automático e inteligencia artificial se han vuelto populares para la predicción del cambio climático. Las regiones forestales de California y Australia Occidental enfrentan cada vez más incendios forestales intensos, mientras que otras partes del mundo enfrentan diversos desafíos relacionados con el clima. Para abordar estos problemas, se han desarrollado modelos de aprendizaje automático e inteligencia artificial para predecir los riesgos de incendios forestales y apoyar las estrategias de mitigación. Nuestro estudio se centra en desarrollar modelos de predicción de incendios forestales utilizando algoritmos de clasificación de una sola clase. Estos incluyen Máquina de Vectores de Soporte, Bosque de Aislamiento, Autoencoder, Autoencoder Variacional, Descripción de Datos de Vectores de Soporte Profundos y Detección de Anomalías Aprendida de Manera Adversarial. Los modelos fueron validados a través de una validación cruzada de cinco pliegues para minimizar el sesgo en la selección de datos de entrenamiento y prueba. Los resultados mostraron que estos modelos de aprendizaje automático de una sola clase superaron a los modelos de aprendizaje automático de dos clases basados en los mismos datos de verdad fundamental, logrando niveles de precisión media entre el 90% y el 99%. Además, empleamos valores de Shapley para identificar las características más significativas que afectan los modelos de predicción de incendios forestales, contribuyendo con una perspectiva novedosa a la investigación sobre la predicción de incendios forestales. Al analizar modelos entrenados con el conjunto de datos de California, las temperaturas máximas y medias del punto de rocío estacional fueron factores críticos. Estos conocimientos pueden mejorar significativamente las estrategias de mitigación de incendios forestales. Además, hemos hecho que estos modelos sean accesibles y fáciles de usar al operacionalizarlos a través de una API REST utilizando Python Flask 1.1.2 y desarrollando una herramienta basada en la web.