森林燃焼PM_2.5排出量のデータ駆動型予測：機械学習と変数入力を利用して

科学分野:

• 環境科学; 大気化学; 計算モデリング

背景:

• 森林火災は大量のPM2.5を放出し、大気質と公衆衛生に影響を与えます。正確なPM2.5定量化は、世界的な影響評価にとって不可欠です。既存の機械学習モデルは、精度と引き換えに計算効率を犠牲にすることがよくあります。

研究 の 目的:

• PM2.5予測モデルを評価するための新しいパフォーマンス指標を開発すること。PM2.5予測のための計算速度の向上とデータ入力の削減。PM2.5予測のための最適な機械学習アルゴリズムと入力変数を特定すること。

主な方法:

• 844件の燃焼実験と6つの機械学習アルゴリズムを利用しました。気象、地形、燃料、火災挙動、炎の特性、火災強度などがPM2.5排出量に与える影響を分析しました。包括的なモデル評価のために、エントロピー重み付けTOPSIS法を導入しました。

主要な成果:

• Extra Trees (ET) は、火災強度、延焼速度、気象、燃料、地形を使用した際に最高の精度（MAE = 717.7 µg/m³）を達成しました。Multilayer Perceptron (MLP) は、すべての変数を使用して最も高速な計算（0.0025秒）を示しました。火災強度、気象、燃料を使用したMLPは、最適なバランス（スコア97.95）を提供しました。

結論:

• 効率的なPM2.5予測には、高品質なデータと適切なアルゴリズムの選択が鍵となります。変数の冗長性とモデルの複雑さは、予測の冗長性につながる可能性があります。本研究は、PM2.5排出量の迅速な推定方法を提供し、大気質管理と山火事リスク軽減を支援します。