基于集成分解模型的亚马逊雨林火灾短期预报
机器学习
2020-07-24 v2 机器学习
摘要
准确的预报对决策者十分重要。近来，亚马逊雨林的火灾数量达到创纪录水平，这一情况引发了对气候和公共卫生问题的关切。获得所需的预报精度变得困难且具有挑战性。本文通过使用基于 Loess 的季节性趋势分解（STL）结合多步短期负荷预报算法，开发了一种新型异构分解-集成模型，以探索巴西亚马逊雨林火灾的时间模式。结果表明，所提出的分解-集成模型通过性能度量评估可提供更准确的预报。Diebold-Mariano 统计检验显示所提模型优于其他对比模型，但与其中之一的统计表现相等。
引用
@article{arxiv.2007.07979,
title = {Short-term forecasting of Amazon rainforest fires based on ensemble decomposition model},
author = {Ramon Gomes da Silva and Matheus Henrique Dal Molin Ribeiro and Viviana Cocco Mariani and Leandro dos Santos Coelho},
journal= {arXiv preprint arXiv:2007.07979},
year = {2020}
}
备注
6 pages with 3 figures; Comments edited