Assessment of deep learning models integrated with weather and environmental variables for wildfire spread prediction and a case study of the 2023 Maui fires
Created by
Haebom
Category
Empty
저자
Jiyeon Kim, Yingjie Hu, Negar Elhami-Khorasani, Kai Sun, Ryan Zhenqi Zhou
개요
본 논문은 인공지능(AI) 기반 화재 확산 예측 모델의 장단점을 분석하고, 기존의 비 AI 화재 모델과의 비교를 수행한다. 하와이 주에서 10년 이상 수집된 산불 데이터를 기반으로 5개의 딥러닝 모델의 성능을 평가하고, 2023년 마우이 산불을 사례 연구로 사용하여 최적의 딥러닝 모델과 FARSITE 모델을 비교했다. 연구 결과, ConvLSTM과 attention이 적용된 ConvLSTM 모델이 가장 좋은 성능을 보였고, FARSITE는 더 높은 정밀도를 보였다. AI 모델은 입력 데이터의 유연성이 높았으며, 설명 가능한 AI 기술을 통해 2023년 마우이 산불과 관련된 중요한 기상 및 환경 요소를 식별했다.
시사점, 한계점
•
시사점:
◦
딥러닝 모델, 특히 ConvLSTM과 attention이 적용된 ConvLSTM 모델은 화재 확산 예측에 유망한 성능을 보였다.
