典型文献
基于机器学习的区域火灾分布特征分析方法
文献摘要：
为定量分析区域的经济发展水平、人口密度、建筑密集度、消防站分布等因素与火灾发生的关系,引入多种机器学习分类算法进行研究.利用ArcGIS 10.2对非数值型数据进行处理,并根据渔网点内火灾核密度的高低进行等级划分,使变量转化成对应的数值型数据;在确保精度的条件下,利用多次随机森林算法进行特征筛选,并对筛选后的剩余特征进行深度学习训练,同时采用支持向量机算法对所有特征进行训练,并分别构建预测模型;最终将3种算法进行加权平均融合,并通过对比4种模型ROC曲线及分类的准确度进行相应分析.以重庆市火灾警情系统中统计的真实火灾数据为例进行分析的结果显示,4种模型的准确率均高于90％;3种算法耦合后模型准确度和Kappa值分别为0.9807和0.8436,其结果与3种单一模型相比较为稳定准确.
文献关键词：
区域火灾风险;支持向量机;随机森林;深度学习;机器学习;ArcGIS
中图分类号：
作者姓名：
付小千;杨永斌;张骞
作者机构：
中国人民警察大学,河北 廊坊065000
文献出处：
引用格式：
[1]付小千;杨永斌;张骞-.基于机器学习的区域火灾分布特征分析方法)[J].消防科学与技术,2022(05):651-654
A类：
区域火灾风险
B类：
基于机器学习,人口密度,密集度,消防站,机器学习分类算法,ArcGIS,数值型数据,渔网,网点,核密度,等级划分,转化成,随机森林算法,特征筛选,学习训练,支持向量机算法,终将,加权平均融合,中统,真实火灾,Kappa,定准
AB值：
0.375682
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
