关键字 |
| 空间趋势分析、空间协会访问方法、多媒体图像、森林火灾 |
介绍 |
| 重要模式和关联规则挖掘与图像数据集和基于气象数据将给林业的重要意义。森林火灾创建持续威胁生态系统、社会系统和野生生命[1][3]。热点(活跃的火灾)显示空间分布的火灾。研究确定影响因素为火灾发生是必要的,这样可以预测基于火灾事件的特点一个明确的森林面积[1]。印度近19.27%或6330万公顷的土地被分为森林面积按印度的森林调查的报告[3]。因此森林看起来巨大的困难在野外生活的水土流失和损失。 |
| 印度森林也在风险由于森林火灾主要降解[3]。火灾造成了巨大的损失在2007年影响巨大的领土除了著名的人类患者[3]。森林火灾创建持续威胁生态系统、社会系统和野生生命[3]。在本文中,我们使用的是气象数据集属性指示图片干燥的森林面积和温度 |
二世.LITERATURE调查 |
| 遥感的应用是目前一个重要的森林火灾监测的方法,尤其是在巨大和偏远地区[2]。预测自然灾害利用卫星在2000年已经开始,它改变了自然灾害正在评估的方式。卫星图像为预报员提供近实时数据预测自然灾害,大气干扰如云、烟和烟雾扭曲图像检索[3]。 |
| K。Angayarkkani Dr.N。Radhakrishnan提出了一个智能系统由人工神经网络预测森林火灾的存在。研究人员参与系统探测森林火灾的存在在森林空间数据使用人工神经网络。森林里的数字图像从RGB空间数据转换到XYZ颜色空间,然后分段采用各向异性扩散来识别火灾区域。随后,采用径向基函数神经网络在智能系统的设计,这是训练有素的色彩空间值分段火灾区域[3]。但在本文中,我们提出一个系统,可以预测的发生火灾使用空间数据库和关联规则挖掘。 |
| 空间关联规则的形式?B (c s %, %), A和B是集空间、非空间谓词,s %是规则的支持,和c %规则[1]的信心。 |
| 气象信息用于火灾的预测评估、森林资源的监控和管理。森林的风险因素可以预测的温度、湿度、干燥的木材和其他因素[7]。图像挖掘有助于为检测空间生成预测模型过程中以成本有效的方式[8]。 |
关联规则、空间分类和空间趋势分析 |
| 使用关联规则分析火灾。一个关联规则推理的表达形式?B, A和B是分离物的气象数据集。关联规则衡量的力量支持下,信心值。获得相关分析(余弦值)为了分析变量之间的关系即,干燥的森林植被、温度和风压。 |
| 吗?可以作为支持 |
| 支持(? B) = P (AUB)。- - - - - - - - - - - - (1) |
| 吗?信心可以给 |
| 信心(? B) = P (B |) - - - - - - - - - - - - (2) |
| 支持交易的比例是气象数据的数据集D, A和B都包含项目集。信心是交易的百分比在D包含也含有B [1]。A和B之间的相关性被定义为一个规则? B |
| 余弦(A, B) = P (AUB) /√(P (A) * P (B)) |
| 空间分类分析空间对象获得分类方案相关空间属性像水或附近地区远干木植被.Spatial趋势分析处理检测沿着空间维度的变化和趋势。趋势分析发现随着时间的变化。温度总是与时间和空间。 |
| 关联规则是X的形式?Y (c s %, %), X和Y是空间谓词的集s %给支持规则和c %给信心[6]。空间关联规则与非空间关联规则不同,因为它可能含有空间谓词距离等信息(例如,close_to,遥远的)、拓扑关系(例如,触摸、重叠和交叉),和空间定位(如的权利,和东部)[1]。 |
| 空间关联规则的一个例子如下:x是一个学校? x接近体育中心?x接近国家公园(0.5%、75%)[6]。规则说,75%的学校接近体育中心也接近国家公园,和0.5%的数据属于这样一个规则[1]。 |
IV.IMPLEMENTATION和结果 |
| 以下值被认为是关联规则挖掘,通过考虑在夏季风的温度和压力。相同的值用于空间趋势分析。 |
| 在表1中,温度(T)被认为是与不同的类别。他们是温和的,高,高,测量在摄氏度。温度在20到30之间被认为是温和的温度,T 31到40摄氏度高与超过40摄氏度被认为是非常高的温度。 |
| 在表2中,风速的风速给予描述。风速直到29公里/人力资源被认为是新鲜的风。风速28至75公里/小时大风,75 - 115公里/小时之间,是风暴和飓风超过115公里/小时。 |
| 持续的关联规则提取变量,温度(表1)和风速与干森林(表2) |
| 1。干燥的森林= yes} ? {T < 30 andws < 75} |
| 支持、信心、相关= {20%、40%、0.6} |
| 2。{干燥森林= yes} ? {T < 40 andws < 115} |
| 支持、信心、相关= {40%、60%、1.02} |
| 3所示。{干燥森林= yes} ?{T > 40和WS > 115} |
| 支持、信心、相关= {50%、80%、1.2} |
| 在规则1相关值是0.6,获得20%的支持和信心为40%,这是呈正相关。温度T值小于30摄氏度。压力和风力小于75公里/小时。 |
| 在规则2获得的相关值为1.02,60%的40%的支持和信心,这是呈正相关。温度T值小于40摄氏度。压力和风力小于115公里/小时。 |
| 规则3中获得的相关值为1.2,80%的50%的支持和信心,这是呈正相关。温度T值大于40摄氏度。压力和风力大于115公里/小时。 |
| 规则都正相关。从规则3的支持和信心值超过规则2。这表明,如果温度非常高,火灾发生在干燥的森林植被。 |
| 进一步规则1、2和3可以用来获得更好的结果和空间趋势分析火灾发生温度分析和植被的损失。 |
| 空间协会气象数据在表1和图2给出如下 |
| 1。Is_a (A,“dryvegetation”)和(“A”Moderate_Temparature < = 30摄氏度)和(WS < 75 = > presenceof (A,“火”)(0.2%,40%) |
| 2。Is_a (A,“dryvegetation”)和(“A”High_Temparature < = 40摄氏度和75 (W > & < 115)) = > (A,“火”)的(0.3%,75%) |
| 3所示。Is_a (A,“dryvegetation”)和("," VeryHigh_Temparature > 40摄氏度)和(WS > 115)) = > (A,“火”)的存在(0.5%,90%) |
| 在上面的空间规则1,分别支持和信心值是0.2%,40%。因此我们可以预测,减少火灾发生在这一地区的机会。火灾危险率也更少。植被损失也相对非常少。 |
| Rule2给予0.3%的支持和信心75%在干燥的森林。我们可以预测,更多的火灾发生在这一地区的机会。火率也更危险。植被也相对我的损失。e野生近100亩的土地 |
| 规则3 0.5%和信心90%给予最大支持,在干燥的森林。值超过40摄氏度温度和风速超过115公里/小时。 |
| 从这个规则3在非常高的温度下发生火灾时干燥的森林有90%的信心。 |
| 分析空间的规则是通过考虑与干燥的森林火灾图像的属性(图1)温度40度。 |
| 表4给出了图像属性;图像被认为是印度干木森林面积与垂直和水平分辨率为300。温度分为低、中、高。火率从空间关联规则预测考虑图像的属性作为输入,连接规则适用于空间协会验证。 |
| 每个算法给出了一组积极和消极事件检测,这是验证使用火多边形边界获得真正的阳性的数量(TP),假阳性(FP),假阴性(FN)和真正的底片(TN)为每一个算法。 |
| 结果,真阳性比率是0.667和假阳性率是0.66。给出了每个算法的精度和召回值: |
| 精度,p = TP / TP + FP = 0.44 |
| 记得,r = TP / TP + FN = 0.667 |
| 结果也可以由混淆矩阵描述。分类混淆矩阵给出了精度的解决方案。混淆矩阵有实际和预测分类信息。系统的性能通常是评估使用混淆矩阵中的数据。火灾发生划分为a和b,代表“是的发生火灾”和b代表火不会发生 |
| 火firure2类别显示”,“让火灾发生与“是的”和“b”给火不会发生“不”。预期的火灾发生是由火灾发生和没有火的产物。 |
| count () * count (b) / N = 2 * 1/3 = 0.66 |
| 表5显示了比较的方法。结果描述,预测火灾率几乎是接近实际值。比较的结果我们可以预测,在温和的温度,也会减少火灾危险。 |
| 而温度大于或等于40摄氏度(高和高温)可能会导致火灾和大量的植被损失 |
| 图3显示了运行曲线,提供真实和假阳性率之间的关系。水平轴的假阳性和垂直轴真正积极的。这表明火灾危险的增加率随着温度的增加。很明显,如果火灾发生40 c,然后逐步细化可以实现空间分类分析下火灾发生区域。 |
V.CONCLUSION |
| 使用这两种类型的空间关系即气象数据和图像属性集。这些气象数据和图像属性集应用于与空间特性与关联规则。在气象数据集预处理步骤进行了考虑温度、风速。分析的最小支持0.5%和90%的最低信心显示强烈的火发生之间的关系。森林火险率与干燥的木头预计40 c。 |
表乍一看 |
|
|
|
数据乍一看 |
|
|
|
引用 |
- ImasSukaesihSitanggang“空间多维关联规则挖掘有限公司火灾数据”数据分析和InformationProcessing学报,2013,90 - 96 2013年11月发表。(http://www.scirp.org/journal/jdaip)
- Ku Ruhana Ku-Mahamud KhorJia Yun,模式提取和规则生成使用滑动窗口技术的森林火灾,internationaljournal计算机和信息科学》,2009年8月——3号。
- K。Angayarkkani Dr.N。Radhakrishnan有效森林火灾探测智能系统使用空间数据,(IJCSIS) InternationalJournal计算机科学和信息安全,卷。7号,1号,2010年。
- 数据挖掘导论和高级主题由玛格丽特·H。邓纳姆,关联规则pg no178 - 205,和空间采矿pg没有235 - 255,低价版,培生教育
- Aggraval, r . et al .:快速发现的关联规则。法耶兹,U.M. et al。知识发现和数据挖掘的发展,页307 - 328,AAAI出版社/麻省理工学院出版社,1996年。
- 数据挖掘概念与技术加威汉和MichelineKamber第二版爱思唯尔,第十章,pg600 - 613。
- 年代。Nandagopal, S。恋人,副总裁杂志“挖掘气象数据使用修改后的先验的算法”,欧洲科研、杂志ISSN 1450 - 216 x Vol.47 2号(2010),以- 308。
- Dr.CJothiVenkateswaran。年代。基于n . Radhakrishana博士,一个使用图像挖掘有用信息提取Technqiues从RemotelySensed图像,计算机科学与工程国际期刊,卷2,8号,2010年,2577 - 2580。
|
菜单
