Neural network processing of heterogeneous environmental incident data

Abstract

В настоящей работе, методами машинного обучения, моделируется развитие пожароопасной обстановки. Рассматриваются неоднородные типы данных о пожароопасной обстановке, производится их предварительная обработка и систематизация. Разрабатывается нейронная сеть, предсказывающая динамику пожаров с учётом данных о погоде. Для задач с неравными классами предлагается замена метрики accuracy на F-меру.

In the present work, the methods of machine learning simulate the development of a fire hazardous environment. Inhomogeneous types of data on fire hazard conditions are considered, their preliminary processing and systematization are carried out. A neural network is being developed that predicts the dynamics of fires based on weather data. For problems with unequal classes, it is proposed to replace the accuracy metric with an F-measure.