典型文献
基于机器学习的森林火险预测模型
文献摘要：
为减少森林火灾带来的损害,通过文献回顾,对森林火险进行建模和预测预报.归纳基于机器学习方法的森林火险预测研究现状,并从森林火灾影响因子的选取、选择合适的火险预测模型以及模型检验方法3个主要方面进行分析阐述.结果表明:森林火险的主要影响因素包括可燃物特征、气象因子、地形、人类活动等;在森林火险预测模型中,反向传播(BP)神经网络方法需要改进后运用,支持向量机(SVM)方法对数据要求高,随机森林(RF)方法通用性强且精度较高,深度学习方法的研究较少,但精度都很高;模型常用的检验方法是准确度、受试者工作特征(ROC)曲线和曲线下的面积(AUC)值等.
文献关键词：
机器学习;森林火险预测;森林火灾;气象因子;支持向量机(SVM)
中图分类号：
作者姓名：
朱馨;李建微;郭伟;毕胜;伍跃飞
作者机构：
福州大学物理与信息工程学院,福建福州350116;福州大学数字中国研究院(福建),福建福州350116;福建省气象局气象服务中心,福建福州350028
文献出处：
引用格式：
[1]朱馨;李建微;郭伟;毕胜;伍跃飞-.基于机器学习的森林火险预测模型)[J].中国安全科学学报,2022(09):152-157
A类：
森林火险预测
B类：
基于机器学习,森林火灾,文献回顾,预测预报,机器学习方法,预测研究,模型检验,检验方法,可燃物,气象因子,人类活动,反向传播,神经网络方法,RF,通用性,深度学习方法,受试者工作特征
AB值：
0.162912
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。
