基于机器学习与点过程工具的数据驱动烟囱火灾风险预测
统计方法学
2021-12-15 v1
摘要
烟囱火灾是最常见的火灾类型之一。精确预测与及时预防对于减少其造成的危害至关重要。本文中，我们开发了一种结合机器学习与统计建模的流程来预测烟囱火灾。首先，我们使用随机森林与置换重要性技术识别信息量最大的解释变量。其次，我们设计了一个泊松点过程模型，并应用相关的逻辑回归估计来估计参数。此外，我们利用二阶汇总统计量与残差验证了泊松模型假设。我们在特温特消防队收集的数据上实施了该建模流程，并获得了合理的预测。与类似研究相比，我们的方法有两个优势：i) 利用随机森林，我们可以在考虑变量依赖的情况下非参数地选择解释变量；ii) 使用逻辑回归估计，我们可以通过调整模型聚焦于火灾数据的重要区域与时间来高效拟合统计模型。
引用
@article{arxiv.2112.07257,
title = {Data-driven chimney fire risk prediction using machine learning and point process tools},
author = {C. Lu and M. N. M. van Lieshout and M. de Graaf and P. Visscher},
journal= {arXiv preprint arXiv:2112.07257},
year = {2021}
}
备注
30 pages, 13 figures