Desarrollo de un modelo de estimación para la prevención de incendios forestales en Colombia

Este proyecto implementa y evalúa modelos predictivos para la estimación de incendios forestales mediante técnicas avanzadas de aprendizaje automático. Se compararon dos enfoques: un modelo de Random Forest y uno Bayesiano (Gaussian Naive Bayes). Para esta comparación, se integraron datos históricos...

Full description

Autores:

Anzola, Juan David
Fuentes, Luis Daniel
Rodríguez, Edilberto Mario

Tipo de recurso:

Fecha de publicación:

2024

Institución:

Universidad del Norte

Repositorio:

Repositorio Uninorte

Idioma:

spa

OAI Identifier:

oai:manglar.uninorte.edu.co:10584/11968

Acceso en línea:

http://hdl.handle.net/10584/11968

Palabra clave:

Predicción de Incendios Forestales, Aprendizaje Automático, Random Forest, Modelo Bayesiano, Validación Cruzada K-Fold, CRISP-DM, Datos Meteorológicos, Datos Topográficos, Datos Socioeconómicos, Prevención de Incendios
Forest Fire Prediction, Machine Learning, Random Forest, Bayesian Model Machine Learning, Random Forest, Bayesian Model, Cross Validation, K-Fold K-Fold Cross Validation, CRISP-DM, Meteorological Data, Topographical Data, Socioeconomic Data, Fire Topographical Data, Socio-economic Data, Fire Prevention

Rights

License

Universidad del Norte