Srawnitel'noe issledowanie äffektiwnosti prognozirowaniq lesnyh pozharow

Lesnoj pozhar - äto nekontroliruemoe i ne predpisannoe szhiganie estestwennoj rastitel'nosti, predstawlqüschee bol'shuü ugrozu dlq okruzhaüschej sredy. Buduchi prirodnym qwleniem, chelowechestwo ne w sostoqnii predotwratit' ego. Neobhodimo rannee prognozirowanie, bystroe obnaruzhenie i operatiwnye dejstwiq po bor'be s takimi qwleniqmi dlq zaschity äkosistemy. V ätoj knige s pomosch'ü metodow mqgkih wychislenij i mashinnogo obucheniq postroena model' prognozirowaniq, sposobnaq predskazywat' lesnye pozhary. Nabor dannyh sostoit iz 517 zapisej wremennyh rqdow dannyh dlq prirodnogo parka Montesin'o w Portugalii. Chtoby najti nekotorye kriticheskie zakonomernosti i segmentirowat' regiony pozharow (s pomosch'ü klasterizacii), na nabore dannyh ispol'zuütsq metody PCA i klasterizacii s pomosch'ü K-srednih, sootwetstwenno. Odnowremenno primenqütsq pqt' metodow mqgkih wychislenij, a imenno MPNN, PNN, KNN, RBF i SVM. Dlq wypolneniq algoritmow ispol'zuütsq biblioteki Python, takie kak Scikit-learn, Pandas, Matplotlib i Seaborn. Nakonec, kazhdyj metod mqgkih wychislenij oceniwaetsq po takim parametram ocenki, kak MSE, RMSE, MAE, RAE i IG, i opredelqetsq podhodqschaq model' s nailuchshimi znacheniqmi.