朝着火灾科学和管理工作流程的集成绩效框架
原文中文,约500字,阅读约需2分钟。发表于: 。该论文提出了一种基于人工智能和机器学习(AI/ML)的性能评估和优化方法,旨在为协作科学研究构建大规模端到端集成工作流,并应用于野火科学应用中的预防性火灾管理和缓解。
研究发现XGBoost模型在野火分类方面准确性和稳健性优于其他模型,Random Forest回归模型在预测受野火影响范围方面表现出色。开发了混合神经网络模型用于分类和回归任务,并利用可解释的人工智能技术揭示了野火预测的重要因素。研究强调了模型透明度和可解释性在环境科学应用中的重要性。