野火预测与Helitack 抑制的强化学习
机器学习
2026-01-21 v1
摘要
野火发生频率和强度不断增加, 在美国造成生态系统和社区的毁灭, 以及数十亿美元的抑制成本和经济损失. 传统的野火管理主要是被动的, 仅在野火被检测到后才进行应对. 我们引入了 \textit{FireCastRL}, 一个结合野火预测与智能抑制策略的主动人工智能 (AI) 框架. 本框架首先使用深度时空模型预测野火的 ignition. 对于高风险预测, 我们部署预训练的强化学习 (RL) 智能体, 在基于物理的 3D 模拟环境中执行实时抑制策略. 本框架生成威胁评估报告, 以帮助应急响应人员优化资源配置和规划. 此外, 我们公开发布了一个包含 百万样本的大规模时空数据集, 用于野火预测. 我们的工作表明, 深度学习和 RL 可结合用于支持预测和战术野火响应.
引用
@article{arxiv.2601.14238,
title = {Spatiotemporal Wildfire Prediction and Reinforcement Learning for Helitack Suppression},
author = {Shaurya Mathur and Shreyas Bellary Manjunath and Nitin Kulkarni and Alina Vereshchaka},
journal= {arXiv preprint arXiv:2601.14238},
year = {2026}
}
备注
6 pages, 5 figures (two of them in tables), Conference: IEEE International Conference on Machine Learning and Applications 2025 (ICMLA 2025): https://www.icmla-conference.org/icmla25/