Une étude comparative de performance sur la prévision des incendies de forêt

Le feu de forêt est la combustion incontrôlée et non prescrite de la végétation naturelle, ce qui constitue une grande menace pour l'environnement. S'agissant d'un phénomène naturel, il est impossible pour l'homme de l'empêcher. Il est nécessaire d'établir des prévisions précoces, de procéder à une détection rapide et d'agir rapidement pour contrôler ces phénomènes afin de protéger l'écosystème. Dans cet ouvrage, un modèle prédictif capable de prédire les incendies de forêt est dérivé à l'aide de l'informatique douce et de techniques d'apprentissage automatique. L'ensemble de données se compose de 517 enregistrements de données chronologiques pour le parc naturel de Montesinho, au Portugal. Pour trouver certains des modèles critiques et segmenter les régions d'incendie (à l'aide du regroupement), l'ACP et les méthodes de regroupement par K-means sont utilisées respectivement sur l'ensemble de données. Cinq techniques d'informatique douce, à savoir MPNN, PNN, KNN, RBF et SVM, sont appliquées simultanément. Les bibliothèques Python telles que Scikit-learn, Pandas, Matplotlib et Seaborn sont utilisées pour l'exécution des algorithmes. Enfin, chaque technique d'informatique douce est évaluée en fonction des paramètres d'évaluation tels que MSE, RMSE, MAE, RAE et IG, et le modèle approprié présentant les meilleures valeurs est identifié.