پیشبینی وقوع آتشسوزی در جنگل با استفاده از تکنیکهای دادهکاوی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 844

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSITM02_212

تاریخ نمایه سازی: 25 بهمن 1394

Abstract:

شرایط اقلیمی و جغرافیایی بسیاری از کشورها ازجمله ایران بهگونهای میباشد که اهمیت منابع طبیعی و لزوم حفظ آن و صیانت از آن بسیار مهم و حیاتی است. آتشسوزی ازجمله عوامل تخریب جنگل است که هر ساله تقریباً بخشی از جنگلهای کشورها ازجمله کشور ما را به نابودی میکشاند. این پدیده ویرانگر علاوه بر لطمههای اقتصادی، عامل نابودی گونیههیای بیا ارزو و پوشش سطح خاک و برهم زدن بافت جنگل و تعادل اکولوژیک و ... میباشد. تعداد زیادی از آتشسوزیهای جنگلها منشی انسیانی دارد، اگرچه دیگر فاکتورها نظیر خشکسالی، باد، توپوگرافی، کشت و زراعت و غیره تا ثیر غیر مستقیم مهمی بر پیدایش آتش و وسعتآن دارد.در این پایاننامه، یک مدل جدید دادهکاوی جهت پیشبینی وسعت ناحیه سوخته شده هنگام وقوع آتشسوزی جنگلها پیشنهاد میگردد. دیتاست مورد بررسی، حاوی اطلاعات واقعی از آتشسوزیهای رخ داده در یک پارک طبیعیی در شمال کشور پرتغال، طی سالهای 2222 تا 2223 میباشد. پیادهسازی و ارزیابی مدل پیشنهادی به کمک نرمافزارweka صورت میگیرد. در مدل پیشنهادی، ابتدا یکسری پیشپردازوها بر روی دیتاست انجام میگیرد و سپس به کمک الگوریتمهای رایج دادهکاوی نظیرNNge ،BayseNet ،RandomF orset و غیره، مدل پیشگویی ایجاد و ارزیابی میگردد. اهم معیارهای مورد ارزیابی، دقت ضریب کاپا و میزان خطاهای مختلف، نظیر میانگین خطای مطلق و خطای نسبی مطلق، است. نتایج آزمایشها نشیان میدهدالگوریتم NNge بانرخ دقت 62/4درصد کارایی قابل قبولی ارایه میدهد

Authors

زهرا زارعی

دانشجوی کارشناسی ارشد کامپیوتر-نرم افزار، دانشگاه آزاد اسلامی واحد ملایر،

رضا رافع

استاد یار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد ملایر

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • _ امین طاهری، م. "سنبله"، ماهنامه علمی، فنی، کشاورزی و ...
  • , Gillis J., "With deaths of forests, _ loss of ...
  • Cortez P, Morais A, _ Data Mining Approach to Predict ...
  • Groot W. and et al., "Development of the Indonesian and ...
  • Hand D., Manmila H., and Smyth P., "Principles of Data ...
  • Stojanova D. and et al., _ _ PREDICT FOREST FIRES ...
  • Liu D. and Cai S.. "A spatial-temp oral modeling approach ...
  • Breiman L., "Bagging Predictors", Journal of Machine Learning, Vol. 26, ...
  • Chen W.-C. and et al., _ New Data Mining Framework ...
  • Mithal V. and et al., "Monitoring global forest _ using ...
  • Roy D. P. and et al., "Burned area mapping using ...
  • Brewer C. K., Winne J. C., Redmond R. L., et ...
  • Gitas I. Z., Mitri G. H., and Ventura G "Object-based ...
  • Giglio L, Loboda T., Roy D., et al, "An active-fire ...
  • Lhermitte S., Verbesselt J., Jonckheere I., et al, "Hierarchict image ...
  • R. S. Lunetta, J. F. Knight, J. Ediriwickrema, et al., ...
  • Badarinath K. V. S., Sharma A. R., and Kharol S ...
  • Cochrane M., "Tropical fire ecology: climate change, land use and ...
  • Somashekar R., Ravikumar P., Mohan Kuma C. and et al. ...
  • Talon B., Payette S., Filion L. et al., _ _ ...
  • Justice C. O., Giglio L., Roy D., et al. _ ...
  • Witten I. and Frank E., "Data Mining: Practical machine learning ...
  • Prasad K. and Ramakrishna S., An Autonomous Forest Fire Detection ...
  • Sakr G., Elhajj E. I.H. Mitri and G.. _ Efficient ...
  • Buyyani Lavanya B. and Padmaja B., " A Novel Approach ...
  • Arrue B., Ollero A., and Matinez J., "An Intelligent System ...
  • Terradas J. Pinol J. and Lloret F., "Climate warming, wildfire ...
  • نمایش کامل مراجع