基于随机森林和XGBoost的森林火灾毁坏面积预测

作者：王顺函; 梁霄^*

来源：信息与电脑(理论版), 2022, 34(24): 5-8.

• 森林火灾
• 随机森林
• 机器学习
• XGBoost

预防自然灾害并采取有效的措施进行防护，能有效保障人类生命安全并减少经济损失。在应对森林火灾时，如果能准确预测火灾的毁坏面积，政府和消防人员就能够采取有效的救灾措施控制住灾情。基于此，选取加州大学尔湾分校（University of California Irvine,UCI）网站的森林火灾统计数据，采用随机森林和XGBoost两种集成算法对森林火灾毁坏面积进行预测，并比较两种算法的优势和预测效果。经比较发现，随机森林算法不需要对样本特征进行预筛选，而是通过检测各特征值之间的相关性，平衡误差并进行不断优化，寻找出对火灾面积影响较大的因素。因此，随机森林算法更适用于处理特征值较多的森林火灾数据集。

• 单位
  湖北文理学院