Analisis de incendios forestales mediante WEKA
Descargar como PPTX, PDF0 recomendaciones1,175 vistas
El documento presenta un análisis de incendios forestales en el parque natural de Montesinho, Portugal, utilizando la herramienta Weka para la minería de datos y el aprendizaje automático. Se busca predecir el área afectada por incendios mediante datos meteorológicos y históricos, mostrando cómo se puede aplicar el análisis estadístico y algoritmos de clasificación y regresión. Se describe el dataset utilizado, así como las características del parque y su biodiversidad.
Analisis de incendios forestales mediante WEKA
- 1. MINERIA DE DATOS Analisis mediate WEKA de Incendios Forestales MAESTRIA EN SISTEMAS COMPUTACIONALES Catedrático: Dr. Diego Uribe Agundis Expone: Ing. Fernando Alfonso Casas De la Torre
- 2. Analisis mediate WEKA WEKA (Waikato Environment for Knowledge Analysis, en español «entorno para análisis del conocimiento de la Universidad de Waikato») es una plataforma de software para el aprendizaje automático y la minería de datos escrito en Java y desarrollado en la Universidad de Waikato para la extracción de conocimientos desde bases de datos. Weka es software libre distribuido bajo la licencia GNU-GPL.
- 3. Analisis mediate WEKA Se presenta a continuación un ejemplo de uso básico de WEKA mediante el análisis de datos relacionados con la ocurrencia de incendios forestales ocurridos en el Parque natural de Montesinho en Portugal durante 2007. http://archive.ics.uci.edu/ml/index.php
- 4. Analisis mediate WEKA El Parque Natural de Montesinho (PNM) se sitúa en el nordeste Transmontano (Portugal). Tiene una dimensión de cerca de 75 mil hectáreas. En él existe una extensa biodiversidad, habitando especies como el lobo ibérico, el corzo o el venado. El PNM limita con España, recorriendo la frontera las comunidades autónomas de Galicia y de Castilla y León. Presenta un relieve heterogéneo, con mesetas onduladas cortadas por profundos valles encajados, así como algunas sierras, de las cuales las dos más importantes son la Sierra de Montesinho, al norte de Bragança, y la Serra da Coroa, al norte de Vinhais. Las altitudes varían entre los 1.486 metros, en la Sierra de Montesinho y los 438 metros en el cauce del río Mente.
- 5. Analisis mediate WEKA Este es un ejemplo de uso de información con Data Mining mediante la aplicación de tareas de análisis, donde el objetivo es predecir el área quemada de los incendios forestales en la región noreste de Portugal, mediante el uso de información meteorológica en combinación con otro tipo de datos históricos. Este parque contiene una flora y fauna diversa. Esta insertado dentro de una zona de clima supra-mediterraneo con una temperatura anual promedio del rango de 8 a 12◦ en invierno hasta 37 ◦ e verano. Los datos utilizados fueron colectados desde enero del 2000 hasta diciembre del 2003 a partir de información de las mismas autoridades del parque así como de estaciones meteorológicas.
- 6. Parque Natural de Montesinho
- 7. Analisis del Problema Mapa del Parque Natural Montesinho El problema del parque es que sufre constantemente de incendios, los cuales a pesar muchas veces de ser de pequeño tamaño pueden salirse de control y provocar daños en el ecosistemas y hasta perdidas humanas y materiales. Este analisis permitiria predecir la ocurrencia de los incendios en base a las condiciones meteorologicas y de afluencia al parque y los sitios donde mas frecuentemente se dan a fin de tomar medidas preventivas. Los investigadores ubicaron el area del Parque de Montesihno en un cuadrante de 9x9 para acotar incendios y relacionarlos en base a su tiempo, lugar, hora, intensidad y otras caracteristicas.
- 8. Parque Natural de Montesinho
- 9. Relaciones Mapa del parque al que se le aplico una cuadricula de 9x9 para la investigacion y ubicar los incendios. Mapa del parque Montesinho en el que se observan los principales accesos y rutas para transitarlo.
- 10. Descripcion del Dataset Caracteristicas del Data Set Variado Caracreristicas de los atributos Real Tareas asociadas Regresivo Area: Física Numero de Instancias 517 Numero de Atributos 13 Valores perdidos N/A Fecha de los datos 2008-02-29 Fuentes de los datos: Paulo Cortez, pcortez '@' dsi.uminho.pt, Department of Information Systems, University of Minho, Portugal. Aníbal Morais, araimorais '@' gmail.com, Department of Information Systems, University of Minho, Portugal.
- 11. Algoritmos de Analisis El análisis estadístico es un componente del análisis de datos. En el contexto de la inteligencia de negocios (BI), el análisis estadístico requiere recoger y escudriñar cada muestra de datos individual en una serie de artículos desde los cuales se puede extraer las muestras. Para realizar estos analisis es necesario aplicar ALGORITMOS. Un algoritmo es básicamente una regla abstracta que permite encontrar y expresar aquello que buscamos (en el mundo del big data, generalmente la búsqueda de patrones y relaciones entre variables). Estos algoritmos son desarrollados con el único objetivo de automatizar un camino óptimo que ayude al ser humano a tratar la ingente cantidad de datos que se genera diariamente. De hecho, los algoritmos, junto con el hardware y las redes constituyen los tres pilares sobre los que sustenta la transformación digital de muchas industrias.
- 12. Algoritmos de Analisis El análisis estadístico puede optar para iniciar con el analisis dependiendo del tipo de informacion entre los ALGORITMOS DE CLASIFICACIÓN y los de REGRESIÓN. • La REGRESIÓN tiene el objetivo de predecir valores continuos (Números pues, como el 1, 2.3, 3.1416 etc…) • La CLASIFICACIÓN tiene la tarea de asignar una clase, es decir predecir a que clase pertenece un conjunto de datos, aquí es muy importante entender que en los problemas de clasificación los valores son discretos . U ejemplo puede ser el de fijar el precio de una casa o propiedad, que se hace por lo general basado en una serie de parámetros como la cantidad de baños, metros cuadrados, habitaciones, etc. Al final lo que se busca es que el algoritmo arroje un dato continuo, en este caso el valor de la casa.
- 13. Atributos Fuentes de los datos: Paulo Cortez, pcortez '@' dsi.uminho.pt, Department of Information Systems, University of Minho, Portugal. Aníbal Morais, araimorais '@' gmail.com, Department of Information Systems, University of Minho, Portugal. 1. X – Eje X o Coordenada X en la cuadricula de 9x9, valores de 1 a 9 2. Y – Eje Y o Coordenada Y en la cuadricula de 9x9, valores de 2 a 9 3. MES – Mes del año del incendio : ‘ene' a 'dic' 4. DIA – Dia de la semana del incendio : ‘lun' to ‘dom' 5. FFMC - FFMC index from the FWI system: 18.7 to 96.20 6. DMC - DMC index from the FWI system: 1.1 to 291.3 7. DC - DC index from the FWI system: 7.9 to 860.6 8. ISI - ISI index from the FWI system: 0.0 to 56.10 9. TEMP –Temperatura en grados Celsius: 2.2 to 33.30 10. RH – Porcentaje de humedad %: 15.0 to 100 11. VIENTO- Velocidad del viento en km/h: 0.40 to 9.40 12. LLUVIA – Precipitaciones por lluvia en mm/m2 : 0.0 to 6.4 13. AREA – Area quemada en la foresta (has): 0.00 to 1090.84 (this output variable is very skewed towards 0.0, thus it may make sense to model with the logarithm transform).
- 14. Formato archivo WEKA Un archivo ARFF (Attribute-Relation File Format) es un fichero de texto en formato ASCII que describe la lista de instancias que conformaran un grupo de atributos a evaluar mediate WEKA. Los archivos ARFF se dividen en dos partes, la CABECERA de la informacion y los datos (DATA). % 1. Titulo: EstudiosFluoroscopio % 2. Fuentes: http://www.direccion.dominio.xx % Creador: Fernando Casas y Raul Lopez % Contacto [email protected] % (c) Fecha: 07/03/2018 % @RELATION Fluoroscopio @ATTRIBUTE cornea NUMERIC @ATTRIBUTE pupilawidth NUMERIC @ATTRIBUTE pupilalength NUMERIC @ATTRIBUTE macula NUMERIC @ATTRIBUTE class {Iris-setosa,Iris-versicolor,Iris-virginica} @DATA 5.1,3.5,1.4,0.2,Iris-setosa 4.9,3.0,1.4,0.2,Iris-setosa 4.7,3.2,1.3,0.2,Iris-setosa 4.6,3.1,1.5,0.2,Iris-setosa 5.0,3.6,1.4,0.2,Iris-setosa CABECERA o Descripcion de datos DATA
- 16. REFERENCIAS P. Cortez and A. Morais. A Data Mining Approach to Predict Forest Fires using Meteorological Data. In J. Neves, M. F. Santos and J. Machado Eds., New Trends in Artificial Intelligence, Proceedings of the 13th EPIA 2007 - Portuguese Conference on Artificial Intelligence, December, Guimaraes, Portugal, pp. 512-523, 2007. APPIA, ISBN-13 978-989-95618- 0-9. • http://www.dsi.uminho.pt/~pcortez/forestfires • http://www3.dsi.uminho.pt/pcortez/fires.pdf Diario EL PAIS • https://elpais.com/internacional/2017/10/19/actualidad/1508410409_311317 .html Fuentes de los datos: • Paulo Cortez, pcortez '@' dsi.uminho.pt, Department of Information Systems, University of Minho, Portugal. Aníbal Morais, araimorais '@' gmail.com, Department of Information Systems, University of Minho, Portugal