دانلود مقاله با موضوع مدل SVM موازی برای پیش بینی آتش سوزی جنگل
در قالب pdf و در 12 اسلاید،قابل ویرایش، شامل:
موضوع انگلیسی:Parallel SVM model for forest fire prediction
بخشی از متن:آتش سوزی جنگل به عنوان یکی از عوامل اصلی مخاطرات زیست محیطی محسوب می شود که منفی بسیاری را به همراه دارد
اثرات مدل‌های موثر پیش‌بینی آتش‌سوزی جنگل‌ها به انجام اقدامات لازم برای جلوگیری از آتش‌سوزی جنگل و آن کمک می‌کند
اثرات منفی. روش های موجود شبکه همبستگی آبشاری (CCN)، تابع پایه شعاعی (RBF) و
ماشین بردار پشتیبان (SVM) برای پیش‌بینی آتش‌سوزی جنگل استفاده شد. روش های موجود محدودیت هایی دارند
مشکلات بیش از حد برازش و راندمان پایین در پیش بینی. روش های موجود در پیش بینی آتش سوزی جنگل ها کمتر است
کارایی در مجموعه داده های بزرگ به دلیل مشکل بیش از حد برازش در مدل ها. روش SVM موازی در این توسعه یافته است
تحقیق برای عملکرد قابل اعتماد پیش بینی آتش سوزی جنگل. SVM معمولی دارای راندمان بالاتری است
پیش بینی آتش کوچک و کارایی کمتری در پیش بینی آتش سوزی بزرگ دارد. SPARK و PySpark برای اعمال شد
انجام بخش بندی داده ها و انتخاب ویژگی در فرآیند پیش بینی. یک مدل SVM موازی توسعه یافته است
برای آموزش داده های هواشناسی و پیش بینی موثر آتش سوزی جنگل. مدل SVM موازی باعث کاهش می شود
زمان محاسباتی و ذخیره سازی بالا برای تجزیه و تحلیل مورد نیاز است. SVM موازی پیش بینی آب و هوا را در نظر می گیرد
شاخص (FWI) و برخی پارامترهای آب و هوا برای پیش‌بینی آتش‌سوزی جنگل. مدل SVM موازی ارزیابی می شود
بر روی داده های هند و پرتغال برای تجزیه و تحلیل کارایی مدل. مدل SVM موازی دارای 63.45 است
روش RMSE و SVM دارای 63.5 RMSE در داده های پرتغال است.
