پیش بینی آتش سوزی جنگل با استفاده از انتخاب ویژگی مبتنی بر جنگل تصادفی وطبقه بند ترکیبی

اصطلاح "جنگل" به منطقه وسیعی از زمین پوشیده از درختان و گیاهان اشاره دارد که خانه میلیون ها گیاه و جانور است. علاوه بر این به تنظیم آب و هوا کمک می کند و منابع ارزشمند مختلفی را فراهم می کند پس حفاظت و احیای جنگل ها مسئله ای بسیار مهم و ضروری می باشد. آتش سوزی های جنگل، یکی از مخرب ترین حوادثی است که در سال های اخیر رخ داده است. تشخیص و پیش بینی آتش سوزی های جنگلی بسیار دشوار است، با این حال، با کمک راه حل های فناوری شامل هوش مصنوعی و یادگیری ماشین، می توان سیستم های هشدار اولیه را با دقت مرتبط توسعه داد. الگوریتم های یادگیری ماشین در بسیاری از زمینه های طبقه بندی و پیش بینی کارایی خود را به اثبات رسانده اند. در این طرح از روش ترکیبی جهت پیش بینی استفاده شده است و از آنجایی که انتخاب ویژگی نقش مهمی در نتایج طبقه بندهای یادگیری ماشین دارد، در این پژوهش بر اساس روش پیشنهادی، در ابتدا از الگوریتم جنگل تصادفی برای انتخاب ویژگی، سپس از الگوریتم های LDA، آدابوست، رگرسیون لجستیک، جنگل تصادفی و k نزدیکترین همسایه بعنوان طبقه بند استفاده می شود. هرکدام از این الگوریتم ها به تنهایی عملکرد خوبی در طبقه بندی داده ها از خود نشان می دهند، اما در این پژوهش برای بهبود کار، نتایج این پنج طبقه بند بعنوان ورودی وارد طبقه بند رای اکثریت می شوند و این طبقه بند نتیجه نهایی را بعنوان عملکرد سیستم ارائه می دهد. نتایج تجربی نشان می دهد که رویکرد پیشنهادی این تحقیق با انتخاب مجموعه داده UCI به عنوان یک مجموعه داده آتش سوزی دو منطقه الجزایر و با استناد به معیارهای دقت و امتیاز F۱، با کسب ۹۸ درصد به خوبی عمل می کند. در مقایسه با رویکردهای مشابه، رویکرد پیشنهادی این تحقیق بر اساس معیارهای ارزیابی عملکرد بهتری دارد.

کلیدواژه ها:

پیش بینی آتش سوزی جنگل ها ، طبقه بند ترکیبی ، طبقه بند رای اکثریت ، جنگل تصادفی ، یادگیری ماشین