Uno studio di confronto delle prestazioni sulla previsione degli incendi boschivi

L'incendio boschivo è la combustione incontrollata e non prescritta di vegetazione naturale che rappresenta una grande minaccia per l'ambiente. Essendo un fenomeno naturale, è impossibile per l'uomo prevenirlo. È necessario prevedere in anticipo, individuare rapidamente e agire tempestivamente per controllare questi fenomeni e proteggere l'ecosistema. In questo libro, un modello predittivo in grado di prevedere gli incendi boschivi è stato ricavato utilizzando tecniche di soft computing e machine learning. Il set di dati consiste in 517 record di serie temporali per il parco naturale di Montesinho, in Portogallo. Per trovare alcuni modelli critici e per segmentare le regioni degli incendi (utilizzando il clustering), sono stati utilizzati rispettivamente i metodi PCA e di clustering attraverso K-means. Cinque tecniche di soft computing, ovvero MPNN, PNN, KNN, RBF e SVM, sono applicate simultaneamente. Per l'esecuzione degli algoritmi vengono utilizzate librerie Python come Scikit-learn, Pandas, Matplotlib e Seaborn. Infine, ogni tecnica di soft computing viene valutata in base a parametri di valutazione quali MSE, RMSE, MAE, RAE e IG e viene identificato il modello appropriato con i valori migliori.