★ 2
FireGraphNet 用有向图神经网络预测野火蔓延
arXiv 论文提出 FireGraphNet,将 12 小时野火增长建模为有向 H3 图上的节点分类,边特征包含风向、地形与燃料连续性。在加州测试火灾上平均精度达最强距离基线的 1.7 至 1.9 倍,跨州达 1.62 倍,并可用于燃料与屏障干预分析。
arXiv cs.LG18 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
arXiv 论文提出 FireGraphNet,将 12 小时野火增长建模为有向 H3 图上的节点分类,边特征包含风向、地形与燃料连续性。在加州测试火灾上平均精度达最强距离基线的 1.7 至 1.9 倍,跨州达 1.62 倍,并可用于燃料与屏障干预分析。
研究在 WildfireSpreadTS 上对比五种判别式架构与一种生成模型,发现模型排名随评价指标(AP 与 F1/IoU)显著变化。最高 AP 模型标记的过火面积是实际燃烧面积的 4-5 倍,在 F1/IoU 上仅排第六,说明单用 AP 会偏向不适合实际野火预报的模型。
论文研究三种模块化增强用于次日活跃火预测:风与坡度条件注意力偏置、物理特征检索增强输出校正、火情条件双流门控。在Next Day Wildfire Spread基准上跨五个骨干网络评估,混合集成模型F1达0.4292。研究强调预测性能、操作可信度与计算实用性并非相互竞争的目标。