文献

J-GLOBAL ID：201802287929757180   整理番号：18A1575472

気象と時空間因子に基づく森林火災レベル予測【JST・京大機械翻訳】

Prediction of forest fire danger rating based on meteorological and space-time factors

著者 (2件)： Zhao Peng (東北林業大学信息与計算机工程学院,哈爾浜,150040) ,  Liu Lin (東北林業大学信息与計算机工程学院,哈爾浜,150040)
資料名： Linye Gongcheng Xuebao  (Linye Gongcheng Xuebao)
巻： 3  号： 3  ページ： 102-110  発行年： 2018年 
JST資料番号： C3683A  ISSN： 2096-1359  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的森林火災予測方法は,気象因子,時間因子,空間地理的位置,地形などの因子を考慮せず,森林火災予測において大きな誤差を生じ,従来の予測モデルは,異なる森林地帯のより大きなデータセットと予測タスクのため,大きな誤差をもたらす。入力特性の次元は,高速自動調整と適応調整によって調整できない。筆者は時間因子と空間因子を導入し、危険予測の特徴を豊かにし、森林火災の等級予測における誤差を低減した。大データセットとマルチ分類問題における従来の火災予測アルゴリズムの効率低下を解決するために,カーネル主成分分析(kernelprincipalcomponentanalysis)を提案した。KPCAと改良限界学習アルゴリズム(ELM)は,森林火災の等級予測のモデルであった。結果は,このモデルが森林火災レベル予測の精度と実行効率を効果的に改善できることを示した。伝統的予測モデルと比較して,予測精度は89%に達し,予測時間にも一定の優位性がある。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 予測モデル ,  *気象 ,  自動制御 ,  学習アルゴリズム ,  予測技法 ,  *山火事 ,  気象要素 ,  *火災 ,  *予測 ,  適応制御 ,  高速度 ,  地理学
準シソーラス用語： 予測精度 ,  カーネル主成分分析 ,  森林地帯 , 【Automatic Indexing@JST】

著者キーワード (4件)： forest fire class ,  prediction model ,  meteorological factors ,  space-time factors

分類 (2件)： 火災  (RA02020B) ,  森林保育  (FF03040H)

タイトルに関連する用語 (5件)： 気象 ,  時空間 ,  因子 ,  森林火災 ,  予測