利用元胞自动机进行加利福尼亚州野火蔓延实时建模
物理与社会
2025-10-14 v1 计算机与社会
元胞自动机与格子气
摘要
野火正变得越来越频繁且具有破坏性，因此应对技术必须相应调整。现代预测模型未能平衡预测准确性与操作可行性，导致灭火和公共安全行动持续延迟或信息错误。本研究通过开发并验证一个基于元胞自动机的预测模型来弥补这一差距，该模型整合了关键环境变量，包括来自开放数据集的植被密度、风速风向和地形坡度。所提出的CA框架为在紧急情况下失效的数据密集型方法提供了一种轻量级替代方案。使用混淆矩阵对2025年太平洋帕利塞兹火灾的燃烧痕迹进行评估，经过50次参数优化试验，召回率为0.860，精确率为0.605，总体F1得分为0.711，每次模拟平均耗时1.22秒。基于CA的模型能够弥合准确性与适用性之间的差距，成功指导公共安全和灭火工作。
引用
@article{arxiv.2510.09708,
title = {Leveraging Cellular Automata for Real-Time Wildfire Spread Modeling in California},
author = {Connor Weinhouse and Jameson Augustin},
journal= {arXiv preprint arXiv:2510.09708},
year = {2025}
}
备注
9 pages, 4 figures, 2 tables