การจำแนกพื้นที่จุดเสี่ยงไฟป่าโดยใช้สมการ Support vector machine Random forest และ Gradient boosting machine

DSpace/Manakin Repository

การจำแนกพื้นที่จุดเสี่ยงไฟป่าโดยใช้สมการ Support vector machine Random forest และ Gradient boosting machine

Show full item record

Title: การจำแนกพื้นที่จุดเสี่ยงไฟป่าโดยใช้สมการ Support vector machine Random forest และ Gradient boosting machine
Author: คำตะนิตย์, เจษฎา; ชาญสมิง, ชลนที; วรชัยรุ่งเรือง, มรกต
Abstract: การศึกษานี้มีวัตถุประสงค์ เพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการเกิดไฟป่ามากที่สุด และวิเคราะห์อัลกอริทึมที่มีความสามารถจำแนกและทำนายจุดเกิดไฟป่าได้แม่นยำมากที่สุด ประกอบไปด้วยอัลกอริทึม 3 แบบ คือ Support Vector Machine (SVM), Random forest (RF) และ Gradient boosting machine (GBM) ด้วยวิธี การเรียนรู้ของเครื่องมือ (Machine learning) แบบมีผู้สอน (Supervised learning) ผ่านโปรแกรม RStudio โดยใช้ปัจจัย ความสูง, ความลาดชัน, ทิศด้านลาด, ประเภทของป่า, ดัชนีผลต่างพืชพรรณแบบนอมัลไลซ์ (Normalized difference vegetation index : NDVI), ดัชนีความแตกต่างของน้ำแบบนอมัลไลซ์ (Normalized Difference Water Index : NDWI), ดัชนีความชื้นในดิน (Soil Moisture Index : SMI), อุณหภูมิพื้นผิว (Land Surface Temperature LST ), อุณหภูมิ, ความชื้น, ปริมาณน้ำฝน ระยะห่างจากเส้นถนน และจุดความร้อน(Hotspot) มาวิเคราะห์ความสัมพันธ์ของปัจจัยด้วย การถดถอยเชิงเส้นสองตัวแปร (Regression binary) จากการวิเคราะห์การถดถอยเชิงเส้นสองตัวแปร (Regression binary) พบว่าปัจจัยที่เกี่ยวข้องมี ความสูง, อุณหภูมิ, ความชื้น, ทิศด้านลาดทิศตะวันออกเฉียงใต้, ทิศด้านลาดทิศตะวันตก, ป่าเบญจพรรณและป่าดิบเขา พบว่าอัลกอริทึม Support Vector Machine (SVM) นั้นมีความสามารถทำนายจุดเกิดไฟป่าได้แม่นยำที่ โดยที่ค่าความถูกอยู่ที่ 79.06977 เปอร์เซ็นต์ โดยที่อัลกอริทึม Random forest (RF) นั้นมีค่าความแม่นยำอยู่ที่ 76.74419 เปอร์เซ็นต์ และอัลกอริทึม Gradient boosting machine (GBM) มีความแม่นยำน้อยที่สุด อยู่ที่ 72.09 เปอร์เซ็นต์
Description: -
URI: http://hdl.handle.net/123456789/1874
Date: 2019-12-13


Files in this item

Files Size Format View
new_fullpaper_revision_NACHSL-2019_O_129.pdf 956.0Kb PDF View/Open

This item appears in the following Collection(s)

Show full item record

Search DSpace


Advanced Search

Browse

My Account