Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/93937
Title: Sistema inteligente de previsão e prevenção de fogos florestais
Other Titles: Intelligent forest fire prediction and prevention system
Authors: Pinto, Gonçalo Filipe Lucas Menino Rodrigues
Orientador: Correia, António Dourado Pereira
Keywords: Incêndios florestais; Aplicação web; Aprendizagem Computacional; Support Vector Machine; Random Forest; Forest fires; Web application; Machine Learning; Support Vector Machine; Random Forest
Issue Date: 4-Nov-2020
Serial title, monograph or event: Sistema inteligente de previsão e prevenção de fogos florestais
Place of publication or event: Grama, Lda
Abstract: Os incêndios florestais são uma das catástrofes naturais que mais têm afectado Portugalnos últimos anos. A ocorrência de incêndios florestais provoca grandes danos económicos,ambientais e coloca a vida de diversos seres vivos como o ser humano em risco. A capacidade de prever a ocorrência de um incêndio florestal é um factor determinante paraamenizar ou até mesmo evitar os danos causados pelos mesmos.O foco deste relatório incide no desenvolvimento de um protótipo de uma aplicação webpara ajudar na previsão e prevenção de incêndios florestais.Para além dos dados habitualmente considerados em sistemas de previsão e prevençãode incêndios florestais já existentes, como dados meteorológicos, das condições do soloterrestre e de ocorrências de incêndios florestais, o presente protótipo considera tambémdados relativos ao número de habitantes nos diferentes concelhos de Portugal.Foram aplicadas diferentes técnicas de Aprendizagem Computacional para efectuar o tratamento dos diferentes conjuntos de dados considerados e proceder à criação de um únicoconjunto de dados a ser utilizado por parte dos modelos na previsão de ocorrências deincêndios florestais.Para efectuar a previsão da ocorrência de incêndios foram considerados dois algoritmos,respectivamente o algoritmo Support Vector Machine e o algoritmo Random Forest.As diferentes técnicas de Aprendizagem Computacional consideradas bem como os diferentes modelos construídos encontram-se descritos e analisados adiante no presente relatório.O melhor modelo obtido foi um modelo do algoritmo Random Forest que apresentavaum desempenho de 61.29% relativamente à métrica Area Under the Receiver OperatingCharacteristics Curve (AUC).O protótipo desenvolvido durante o período de estágio encontra-se totalmente funcionalno que diz respeito à previsão da ocorrência de incêndios florestais e as suas diferentesfuncionalidades encontram-se descritas no documento em questão.
Forest fires are the biggest natural disasters that have troubled Portugal in the last fewyears. Forest fires result in great economic and environmental damages, but they also putthe life of many life forms at risk, humans included. Being able to predict a forest firehelps reduce or even prevent the damage caused.This paper documents the development of a prototype of a web application whose mainpurpose is help predict and prevent forest fires using machine learning.This application uses data pertaining to the number of habitants in each Portuguese municipality on top the weather data, terrain data and data collected from previous forestfires which is already used in other similar wild fires predicting applications.Several machine learning methods were used to treat the different data sets to create asingle data set to use in the prediction models.To create a model capable of predicting forest fires two machine learning algorithms wereconsidered, Support Vector Machine and Random Forest.The different machine learning methods and machine learning algorithms that were givendue consideration are described and analyzed at another point in this documentIn the end, the best model was obtained by Random Forest with 61.29% following the AreaUnder the Receiver Operating Characteristics Curve (AUC) metric.The prototype developed during my internship is totally functional when it comes to predicting forest fires and all its functionalities are described at another point in this document.
Description: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
URI: http://hdl.handle.net/10316/93937
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat
GoncaloPinto_2014202176.pdf25.05 MBAdobe PDFView/Open
Show full item record

Page view(s)

32
checked on Nov 24, 2021

Download(s)

35
checked on Nov 24, 2021

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons