用于预测火灾及其他紧急事件的统计与机器学习模型
人工智能
2025-01-24 v1 机器学习
机器学习
摘要
城市中的紧急事件给个人、家庭和社区造成巨大的经济损失。准确及时的事件预测有助于应急消防和救援服务部门准备和减轻紧急事件的后果。本文系统地开发了加拿大埃德蒙顿市各类紧急事件的预测模型。我们提出了以下方法：(i) 数据收集和数据集开发；(ii) 每种事件类型及其在不同时空尺度特征的描述性分析；(iii) 基于相关系数分析和特征重要性分析的特征分析与选择；(iv) 开发不同时间和空间分辨率下每种事件类型发生可能性的预测模型。我们分析了事件类型与社区层面社会经济和人口数据的关联，确定了每种事件类型的一组预测因子，并使用负二项回归开发了预测模型。我们在社区和消防站服务区域层面进行了评估。结果表明，对于大多数事件类型，模型在周和月时间尺度上的预测误差可接受。评估显示，消防站层面的预测精度一致，因此预测结果可用于消防救援服务部门在这些时间段内规划资源分配的管理。我们还考察了COVID-19大流行对事件发生及事件预测模型准确性的影响。我们的发现表明，COVID-19对事件预测模型的性能产生了显著影响。
引用
@article{arxiv.2402.09553,
title = {Statistical and Machine Learning Models for Predicting Fire and Other Emergency Events},
author = {Dilli Prasad Sharma and Nasim Beigi-Mohammadi and Hongxiang Geng and Dawn Dixon and Rob Madro and Phil Emmenegger and Carlos Tobar and Jeff Li and Alberto Leon-Garcia},
journal= {arXiv preprint arXiv:2402.09553},
year = {2025}
}