- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学和人工智能
爱数科案例 | 森林火灾面积预测
本案例通过探索性分析（EDA）和机器学习构建线性回归模型，预测森林火灾的面积，并分析什么特征是发生森林火灾的重要因素。 1. 读数据表 首先，我们读取原始数据。 2. 火灾面积分布直方图 我们采用更直观的方法，将数据集中火灾面积这一列的数据通过直方图和箱线图进行展示，来查看数据的分布情况： 4. 筛选火灾面积大于0的数据 处理完毕后，我们将火灾面积大于0的数据筛选出来，查看火灾发生的面积与FWI系统的FFMC指数、DMC指数、DC指数、ISI指数之间的关系。 8. 火灾面积与DMC散点图 我们分别绘制火灾发生的面积与DMC指数、DC指数、ISI指数、FFMC指数之间的散点图： 10. 火灾面积与DC散点图 11. 火灾面积与ISI散点图 12. 模型预测 然后用训练的模型在测试集上进行火灾面积的预测，预测结果保存为area_predict。 16. 回归模型评估 最后进行模型评估，输出均方误差、平均绝对误差、决定系数和中位绝对误差。
1.6K21编辑于 2022-03-30 - 来自专栏ShowMeAI研究中心
机器学习如何预测森林火灾？⛵ 万物AI
随后的美国加州山火烧过的面积是8457平方公里，相当于11个纽约市。 对抗森林火灾，AI 在行动 预测森林火灾的关键要素是快速检测。 图片 事实上，机器学习技术已经应用到火灾探测领域，例如：北美森林大火预测使用卫星图像和支持向量机算法获得了75%的准确率，斯洛文尼亚森林火灾使用卫星与气象数据和随机森林、决策树算法进行探测。 图片 基于机器学习AI森林火灾预测 利用机器学习如何对森林火灾的发生做出预测？ShowMeAI 爆肝跑通了一个项目。 项目使用了梯度提升回归树 GBDT 和 决策树两种方式进行建模，我们借助雷达图来比较GBDT和回归树模型，对比它们在森林火灾预测场景下的效果。
1.3K31编辑于 2022-11-11 - 来自专栏新智元
用AI预测与定位火灾迫在眉睫
许多人希望利用AI来预测或确定火灾位置和蔓延路径。但机器学习和新数据收集工具的结合是否可以提前警告消防员火灾，帮助应急人员更有效地撤离地区，甚至挽救生命，这仍需很长的时间来进行探索检验。 那么，技术能在多大程度上帮助自动检测甚至预测野火呢？计算机科学家们和研究人员都希望相关技术能够进一步发展。 利用机器学习和新数据收集工具的结合，预测和定位野火 根据加州相关部门的政府官员Jim Crawford的说法，在近年来野火情况愈发糟糕的情况下，早期检测是关键，他曾有过26年的消防员生涯。 消防机构大多发现的火灾是通过接到911电话才得知，当地时间11月8日早上6点29分首次报道了这起火灾，但当地消防部门表示并不知道这场大火到底燃烧了多长时间，因为它始于一个难以找到的区域。 参考链接： https://www.mercurynews.com/2018/11/09/wildfire-detection-how-tech-and-artificial-intelligence-are-joining-the-fight
90040发布于 2018-12-14 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——GOES卫星是由NOAA运行的地球静止气象卫星，火灾（HSC）产品包含四张图像：一张是火灾掩码形式，另外三张是确定火灾温度、火灾面积和火灾辐射功率的像素值
tolerance for false alarms should focus on the "processed" and "saturated" categories (mask codes 10, 11 火灾（HSC）产品包含四张图像：一张是火灾掩码形式，另外三张是确定火灾温度、火灾面积和火灾辐射功率的像素值。 对误报容忍度最低的操作用户应关注 "已处理 "和 "已饱和 "类别（掩码10、11、30和31），但在这些类别中仍可能有误报。 阅读提示 NOAA为建议的类别、彩图和可视化提供了以下脚本。 Values are estimated Class Table: Mask Value Color Color Value Description 10 #red Processed fire 11 根据面积对火灾进行缓冲，使其更加突出。
31210编辑于 2024-02-02 - 来自专栏数据科学和人工智能
数据集 | 森林火灾数据集
下载数据集请登录爱数科(www.idatascience.cn) 采用2007年葡萄牙蒙特西尼奥公园森林火灾的相关数据。该数据集来自UCI机器学习库，数据中包含地理位置、天气等信息。 1.
2K20编辑于 2022-03-30 - 来自专栏芯智讯
比亚迪惠州工厂发生火灾
11月19日消息，据惠州大亚湾开发区信息发布平台“大亚湾发布”昨日（18日）发布消息称，当日19点14分，位于大亚湾西区比亚迪三期F6厂房发生火情，区消防大队接报后迅速前往救援，区相关部门也迅速赶赴现场指挥
75950编辑于 2022-11-22 - 来自专栏OpenFPGA
使用FPGA进行 AI 火灾定位-FirAI
部署在 FPGA 上加速的 AI 火灾侦查。助力消防人员快速应对火灾事故~ 绪论 问题：近年来，不断增加的城市人口、更复杂的人口密集建筑以及与大流行病相关的问题增加了火灾侦查的难度。 因此，为了增强消防人员对火灾事件的快速反应，安装视频分析系统，可以及早发现火灾爆发。 目标：解决方案包括建立一个分布式计算机视觉系统，增加建筑物火灾的早期检测。 在 PC 上，使用现有的火灾探测数据集对自定义 Yolo-V4 模型进行训练。之后，对Xilinx YoloV4 模型进行量化、裁剪和编译 DPU ，最后部署在FPGA上。 Vitis-Tutorials/2020-2/docs/Machine_Learning/Design_Tutorials/07-yolov4-tutorial/README.html ❞ 我们的应用程序用于检测火灾事件 usp=sharing ❞ 请参考.cfg此处的火灾数据集文件。
1K31编辑于 2023-08-30 - 来自专栏Khan安全团队
Android 的未来：2022 年的 11 个预测
虽然 Android 12 对该平台来说是开创性的，但我认为 Android 13 将走安全路线。开发人员和设计师团队将花费大量精力改进 Material You，不仅要修复错误，还要改进它以获得更高的稳定性和性能。升级后的 UI 外观和性能将比以往更好。
1.3K40编辑于 2021-12-30 - 来自专栏大数据文摘
AI预测30秒内火灾「轰燃」，准确率92.1%，未来或可帮助拯救消防员生命
大数据文摘出品 这段时间天气巨热，天干物燥，也是火灾高发的时候。 最近就接连发生了一些火灾事件，还有消防员牺牲的消息，令人心痛。火灾中对消防员威胁很大的，其实是爆燃现象。 正是因为“轰燃”的不可预测性，才如此危险。 本周，一项研究利用图神经网络(GNN)建立了一个系统，以学习模拟火灾中不同数据源(以节点和边表示)之间的关系，从而提前预测接下来的30秒内是否会发生“轰燃”现象。 为了更好的帮助消防员预测“轰燃”，研究人员据此收集了各种各样的数据，从建筑布局，表面材料，火灾条件，通风配置，烟雾探测器的位置，以及房间的温度分布，模拟了17种不同建筑类型的41000起虚拟火灾，共使用了 但在现实中，消防队员面对的是极其复杂的环境，当他们冲进火灾区域时，他们可能对现场情况、火灾发生的位置或门是开着还是关着一无所知。
62620编辑于 2022-08-26 - 来自专栏数据派THU
AI预测30秒内火灾「轰燃」，准确率92.1%，未来或可帮助拯救消防员生命
来源：大数据文摘本文约1800字，建议阅读5分钟本文结合扫了最新研究通过AI预测30S内火灾的轰燃，准确率高达92.1%。 这段时间天气巨热，天干物燥，也是火灾高发的时候。 近期就接连发生了一些火灾事件，还有消防员牺牲的消息，令人心痛。火灾中对消防员威胁很大的，其实是爆燃现象。短短两天，就有两起消防员因为爆燃现象而牺牲的事故。 正是因为“轰燃”的不可预测性，才如此危险。 近期，一项研究利用图神经网络(GNN)建立了一个系统，以学习模拟火灾中不同数据源(以节点和边表示)之间的关系，从而提前预测接下来的30秒内是否会发生“轰燃”现象。 为了更好的帮助消防员预测“轰燃”，研究人员据此收集了各种各样的数据，从建筑布局，表面材料，火灾条件，通风配置，烟雾探测器的位置，以及房间的温度分布，模拟了17种不同建筑类型的41000起虚拟火灾，共使用了
59010编辑于 2022-08-31 - 来自专栏诡途的python路
从天猫双“11”预测，说说GMC的市场
原文链接：https://mp.weixin.qq.com/s/tO3VC7X23rtxKzoNX3SeYQ 2019年双11成交额镇楼 从2009年开始，10年下来，阿里巴巴逐步把每年的双十一打造成了一年一度的狂欢节 下面贴图我个人看到的几组预测 数据化管理：黄成明老师—2571亿 （数据来源：2019-11-9公众号更新文章） 华商情报网：2700亿 （数据来源：2019-08-27 商情 2019 相较于最后一位微博网友的数据造假论，我更愿意选择相信，之所以这个数据分布这么完美，是基于阿里自己的分析师针对某种算法制定了这个销售目标，在既有销售目标下，去提供资源，协同各方来达成这个目标，包括但不限于：垄断供应商资源，全球双11 的推出，双11预购拉长至20天囤积销售额，合伙人盖楼游戏盘活老用户，其他电商平台和农村市场下沉拉新1亿新用户等（当然也不可否认，2684是有水分的，包含了刷单、退单等数据噪音） ---- 从这场盛大狂欢的数据中 战略大于数据，所谓的弹性预测订单只不过是在战术层的加分，战略层输了，再优秀的战术没什么用的！
52210编辑于 2022-05-09 - 来自专栏浮生的专栏
机器学习为更好的火灾现场安全
在这篇文章中，我想分享我在AAIA第15届数据挖掘竞赛中的经验和获奖策略：给火灾现场的消防员活动做标记，在这个竞赛中让我拿了第一名！ 比赛由华沙大学和波兰华沙主要的消防学校联合举办。 它是用下面这个方法定义的：首先，给一个既定标签规定预测精度。 然后，类别Ｃ中标签为Ｌ的指标的平衡精度得分等于Ｃ类里所有标签指标的平均精度。 在第一步中，我预测了一个消防员的主要姿势。在第二步中，是基于第一步中的训练集和预计的标签对于特定活动进行了预测。多亏了这个方法，我们可以获得标签之间的层次关系。 所以他们共同的预测——通过多数表决法，通常产生比单个模型更为精确的结果。我用这个模型来解决活动识别问题。 随机森林另外一个吸引人的属性是它有一个选择相关属性的固有方法。 标签预测工作做不好，无论数据的分布好还是坏，都会产生不利后果。考虑到这一点，森林中的每棵树都被用于数据的分层抽样，这样每个标签以平等的比例出现。
61340发布于 2018-06-04 - 来自专栏智能视频图像
智慧消防下的火灾监测报警系统
火灾监测报警系统对视频画面进行实时监测分析，当发现视频画面内出现烟雾、火焰时，系统主动触发报警提示，真正做到事前预警，事中常态检测，事后规范管理。 1.jpg 自古以来，火灾一直是主要重大害之一，对人类经济和文明造成了不可挽回的损失。 惨痛的代价使我们越发明白及时预报警以及消防工作的重要程度 。 随着现代城市化的不断发展，楼房密集度的提高，火灾发生的产生的后果也变得严重，消防系统在社会公共安全的地位变得非常重要，让人们及时发现火灾，并能够及时采用有效措施来控制和扑灭火灾是至关重要的。 火灾监测报警系统基于智能视频分析，自动对视频图像信息进行分析识别，无需人工干预；及时发现监控区域内的异常烟雾和火灾苗头，以最快、最佳的方式进行预警，有效的协助消防人员处理火灾危机，并最大限度的降低误报和漏报现象 火灾监测报警系统能自动识别烟雾、火焰，对视频检测画面进行实时分析、突发状况实时告警，解决传统依赖于人工巡视的工作方式，还可以根据直观画面直接指挥调度救火，极大的节约人力成本，提高工作效率。
1.2K30发布于 2020-08-10 - 来自专栏数据指象
2019天猫双11销售额预测：2583.387亿
一年一度的双11，我们喜欢买买买，更乐意看到全民双11会创作怎样的销售奇迹。2019年是第11个双11，希望我们的梦想一一实现，再创销售奇迹。 等不及，我们一起预测2019天猫双11销售额。 注释：times代表第几次，gmv代表销售额 1，历年销售预览： 2，简单的折线图： 3，绘制散点图： 看一看次数与销售额的的关系，可以看一个有坡度弯曲的曲线，如果强行采用一元线性回归，开预测第11 (times=11) predict(md, newdata=x0) 预测2019年，第11次的销售额gmv=2013.585。 ) > predict(model, newdata=x0) 1 2583.387 预测2019年，第11次的销售额gmv= 2583.387。 5，结合一元线性回归模型的预测 和 相加模型的预测 提前恭喜天猫2019年第11次双11大卖 天猫销售额保底：2013.585亿 有望创作新高：2583.387亿 最可能的销售额：2298.486亿
72810编辑于 2022-04-27 - 来自专栏算法与数据之美
CCF企业非法集资风险预测Rank11赛后总结
这是老肥第一次参加CCF大数据与计算智能大赛，选择了企业非法集资风险预测这个相对简单的结构化数据赛题，本赛题共有4210人、3403支队伍参赛，是今年CCF BDCI大赛参赛人数最多的赛题，竞争也是异常激烈 ，我们团队「等你」在A榜、B榜均为第11名，在某种程度上证明我们的模型的稳定性（尽管只有单模）。 如何根据大量的企业信息建立预测模型并判断企业是否存在非法集资风险，对监管部门、企业合作伙伴、投资者都具有一定的价值。 任务 利用机器学习、深度学习等方法训练一个预测模型，该模型可学习企业的相关信息，以预测企业是否存在非法集资风险。 这里有一个较为重要的特征是文本内容，那就是经营范围特征，尝试了很多方法，比如用基础分类器根据该特征来做分类预测，将预测概率作为特征来进行其他分类器的训练，用Bert来提取经营范围特征等等，最终采取的是将这些文本以及经营地址的序列特征使用
1.2K30发布于 2021-01-18 - 来自专栏指旺研究院
2018年，关于区块链技术的11个重磅预测！
在过去的几年里，区块链技术发展迅速而又让人彷徨，2018年即将到来，对于区块链技术有什么样的想象，我们不妨看看以下11个预测！ 1.区块链将超越加密货币。 在匿名性得到充分保证的情况下，还可以将这些指标用于汇总分析，从而提供洞察力、贷款流程的效率，包括更准确地预测信誉。在健康和保健、制药、生命科学、金融和其他领域也存在其他强大的可能性。
1.1K150发布于 2018-03-02 - 来自专栏华章科技
巴黎不哭！AI数字重建让圣母院永生
2018年11月，加州森林大火蔓延了数十万英亩，当地居民被迫疏散，迅速蔓延的火势已致数十人死亡，超过300人下落不明。 ? AI助力，卫星定位森林火灾仅需几分钟 2018年11月美国加州的Camp Fire森林大火共造成85人死亡，249人失踪重大伤亡，18000多栋建筑被毁。 一直以来，对森林大火成功预测、及早发现、及早扑救一直是人们努力的目标。 众所周知，预测森林大火是非常困难的，目前，大多数火灾都是通过911报警电话，商业航班或火警了望站报告的。 ▲两位天才中学生利用机器学习打造的“山火预测传感器” 为了预测火灾，AI需要更多类型的实地数据进行训练。加州的两位高中生正在开发一种工具，可以标记容易遭受森林火灾的干燥林区。 他们表示，该装置能够预测在100平方米范围内是否会发生火灾。该项目已入选Google的造福人类AI项目，共享2500万美元的资助。
78220发布于 2019-04-24 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（11）用RNN做时序预测
今天是我们的第11站，一起了解RNN循环神经网络的基本概念 以及 通过RNN来做时序预测的案例。 RNN循环神经网络介绍 RNN（循环神经网络）是一种专门用于处理序列数据的神经网络架构。 RNN经常用于下列场景： 时间序列预测：例如股票市场预测、气象预测、流量分析等； 自然语言处理：例如文本生成、情感分析、机器翻译等； 语音识别：将语音信号转换成文本，广泛用于语音助手、转写工具等； 视频分析 （2）RNN（循环神经网络） 场景： 时间序列预测 语音识别 语言模型和文本生成 机器翻译 优势：RNN设计用来捕捉时间或序列数据中的依赖关系，例如给定之前的单词或时间步，预测下一个单词或时间步的值。 RNN做时序预测案例 问题背景： 某App记录了过去两年每天的用户注册人数数据 问题目标： 根据历史数据，预测后续一段时间的用户注册数？ Date: 2020-10-10 00:00:00, Actual Activation: 901.0, Predicted Activation: 891.626953125 Date: 2020-10-11
49110编辑于 2025-04-09 - 来自专栏LiteMedia
LiteCVR物流仓储消防火灾预警视频监管方案
LiteCVR可接入全区管辖范围内的独立报警设备、燃气探测设备、电气火灾监控设备、视频监控设备、消防灭火设施等，通过电脑web或手机app，实现对消防工作的监督管理和动态监测，将“人防、物防、技防”三结合应用于传统的消防管理和监督
32510编辑于 2023-11-23 - 来自专栏智能传感
【电气火灾预警】一氧化碳传感器在电缆井火灾预警中的重要作用
两起火灾都是高层电缆电线起火，其火灾蔓延速度快、救援难度大，一旦发生极易形成“立体火灾”，给人们生命财产造成重大威胁。电缆井火灾危害有多大？ 火灾发生时，火灾燃烧产物中含有大量的有毒成分，对人体都有着不同程度的危害。气体的产生比燃烧烟要早几十分钟到几个小时，在火灾过程中，一氧化碳和二氧化碳一般是火灾产生的烟雾里含量最大的有毒气体。 因此火灾早期探测大多数会首先对一氧化碳气体进行检测，以便在在较早的时间捕捉到火灾发生。 一氧化碳（CO）传感器在火灾烟雾监测中的重要作用：因火灾发生时气体燃烧产物主要为CO和CO2， CO做为极早期火灾的特有标志,由于一般情况下CO在空气中的含量极低，但是在火灾过程中,几乎每种物质均要产生不充分燃烧的 因此CO适合于火灾早期探测，这对于较早的时间捕捉到火灾发生信息非常重要,在火灾烟雾检测里也是一个非常重要的监测参数。
38030编辑于 2023-05-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号