Un estudio de comparación de rendimiento en la predicción de incendios forestales

Los incendios forestales son combustiones incontroladas y no prescritas de la vegetación natural que suponen una gran amenaza para el medio ambiente. Al tratarse de un fenómeno natural, es imposible que el hombre pueda evitarlo. En este libro se presenta un modelo predictivo capaz de predecir los incendios forestales mediante técnicas de soft computing y aprendizaje automático. El conjunto de datos consta de 517 registros de series temporales del parque natural de Montesinho, en Portugal. Para encontrar algunos de los patrones críticos y segmentar las regiones de incendios (mediante clustering), se utilizan en el conjunto de datos los métodos PCA y clustering mediante K-means, respectivamente. Se aplican simultáneamente cinco técnicas de soft computing: MPNN, PNN, KNN, RBF y SVM. Para la ejecución de los algoritmos se utilizan las bibliotecas de Python Scikit-learn, Pandas, Matplotlib y Seaborn. Por último, cada técnica de soft computing se evalúa según parámetros como MSE, RMSE, MAE, RAE e IG y se identifica el modelo apropiado con los mejores valores.