论文部分内容阅读
为了探究火灾的严重程度与消防队响应时间、救援人数、火灾地点、火灾探测器以及自喷系统等之间的关系,采用随机森林、人工神经网络、支持向量机和极限学习机4种机器学习算法对美国旧金山市的历史火灾数据进行了挖掘分析。运用模糊理论将消防队响应时间和救援人数转换为三角模糊数,提出了一种基于模糊推理的火灾因素分类方法。研究发现4种算法的准确率均超过90%,并通过交叉验证的方法证明了这些算法的可靠性。在4种算法中,随机森林算法的准确率和Kappa值均高于其他算法,但是其计算得到的第三类火灾的AUC值最小。