基于信息量-机器学习耦合的野火灾害易发性评估

摘要：

为充分发挥统计学和机器学习模型在野火灾害易发性分析和评估中的优势,以森林资源丰富且深受野火灾害困扰的桂林市为研究区,分别从气候、地形、水文以及人文等方面选取 16 个评价因子.将信息量(IV)模型分别与逻辑回归(LR)、人工神经网络(ANN)、随机森林(RF)和极致梯度提升(XGBoost)4种机器学习(ML)模型相耦合,对桂林市野火灾害易发性进行评价分析.结果表明,IV-XGBoost模型的AUC和准确率分别为0.957和0.921,具有最佳的预测性能,能够有效评估野火灾害的易发性,并为当地野火灾害的防治提供有价值的参考.

关键词：野火易发性评价、信息量模型、机器学习模型、野火灾害、因子重要性分析

所属期刊栏目：42

分类号：X913.4;S762(安全科学基础理论)

资助基金：国家自然科学基金;广西自然科学基金项目

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1444-1452