Resumen

En los ltimos aos, los incendios forestales, cada vez ms graves, han supuesto una importante amenaza para el funcionamiento seguro y estable de las lneas de transmisin. La evaluacin del riesgo de incendios forestales y la alerta temprana se han convertido en un importante tema de investigacin en la evaluacin del riesgo de la red elctrica. Este estudio propone un modelo de prediccin de incendios basado en el algoritmo CatBoost para predecir eficazmente el punto de incendio. Se combinaron cinco factores de riesgo de incendios forestales, incluyendo factores de vegetacin, factores meteorolgicos, factores humanos, factores del terreno y temperatura de la superficie terrestre, utilizando el mtodo de seleccin de caractersticas sobre la base del modelo de rbol de decisin de gradiente de refuerzo y el anlisis de componentes principales para lograr la reduccin de la dimensionalidad de los datos redundantes y crear un modelo de prediccin de incendios. El producto de puntos de incendio MODIS se utiliza como datos de evaluacin del modelo. El resultado de la verificacin utiliza el valor AUC como factor de evaluacin. La precisin del modelo es de 0,82, y el valor AUC es de 0,83. Los resultados de evaluacin de los puntos de incendio obtenidos concuerdan bien con los puntos de incendio reales. Los resultados muestran que este modelo puede predecir eficazmente el riesgo de incendios forestales.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:evaluación del riesgo de incendios forestales; alerta temprana; modelo de predicción de incendios; algoritmo CatBoost; factores de riesgo de incendios forestales; método de selección de características
• Keywords:wildfire risk assessment; early warning; fire prediction model; CatBoost algorithm; wildfire risk factors; feature selection method