基于粒子群优化的集成学习森林火灾面积预测识别 有需要私聊评论

liuchn

流程：

 

1.读数据表

首先，我们读取原始数据。

X	Y	month	day	FFMC	DMC	DC	ISI	temp	RH	wind	rain	area
7	5	mar	fri	86.2	26.2	94.3	5.1	8.2	51	6.7	0	0
7	4	oct	tue	90.6	35.4	669.1	6.7	18	33	0.9	0	0
7	4	oct	sat	90.6	43.7	686.9	6.7	14.6	33	1.3	0	0
8	6	mar	fri	91.7	33.3	77.5	9	8.3	97	4	0.2	0
8	6	mar	sun	89.3	51.3	102.2	9.6	11.4	99	1.8	0	0

2.字段基本统计信息

查看数据的基本统计信息。

	X	Y	month	day	FFMC	DMC	DC	ISI	temp	RH	wind	rain	area
样本数	517	517	517	517	517	517	517	517	517	517	517	517	517
不同取值个数			12	7
众数			aug	sun
众数的频数			184	95
均值	4.669245648	4.2998065764			90.6446808511	110.8723404255	547.9400386847	9.0216634429	18.8891682785	44.2882011605	4.0176015474	0.0216634429	12.8472920696
标准差	2.3137778287	1.229900403			5.5201108489	64.0464822493	248.0661917058	4.5594771752	5.8066253496	16.3174692394	1.7916526009	0.2959591209	63.6558184679
最小值	1	2			18.7	1.1	7.9	0	2.2	15	0.4	0	0
下四分位数	3	4			90.2	68.6	437.7	6.5	15.5	33	2.7	0	0
中位数	4	4			91.6	108.3	664.2	8.4	19.3	42	4	0	0.52
上四分位数	7	5			92.9	142.4	713.9	10.8	22.8	53	4.9	0	6.57
最大值	9	9			96.2	291.3	860.6	56.1	33.3	100	9.4	6.4	1090.84

从输出结果可以看出，该数据集一共有517条数据，包含13个变量，不存在缺失值。注意到 month和day这两个特征不是数值型的数据。

3.火灾面积分布直方图

我们采用更直观的方法，将数据集中火灾面积这一列的数据通过直方图和箱线图进行展示，来查看数据的分布情况：

4.火灾面积分布箱线图

从上图中我们可以看出，数据主要分布在0~200之间，但也有少量数据大于600，area数据中存在一些离群点。

5.删除火灾面积大于600的离群点

下面我们集中对刚刚发现的问题进行处理。首先，我们将数据集中火灾面积大于600的离群点去掉：

X	Y	month	day	FFMC	DMC	DC	ISI	temp	RH	wind	rain	area
7	5	mar	fri	86.2	26.2	94.3	5.1	8.2	51	6.7	0	0
7	4	oct	tue	90.6	35.4	669.1	6.7	18	33	0.9	0	0
7	4	oct	sat	90.6	43.7	686.9	6.7	14.6	33	1.3	0	0
8	6	mar	fri	91.7	33.3	77.5	9	8.3	97	4	0.2	0
8	6	mar	sun	89.3	51.3	102.2	9.6	11.4	99	1.8	0	0

6.月份和星期OneHot编码

X	Y	FFMC	DMC	DC	ISI	temp	RH	wind	rain	area	month_aug	month_dec	month_feb	month_jan	month_jul	month_jun	month_mar	month_may	month_nov	month_oct	month_sep	day_mon	day_sat	day_sun	day_thu	day_tue	day_wed
7	5	86.2	26.2	94.3	5.1	8.2	51	6.7	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0
7	4	90.6	35.4	669.1	6.7	18	33	0.9	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	1	0
7	4	90.6	43.7	686.9	6.7	14.6	33	1.3	0	0	0	0	0	0	0	0	0	0	0	1	0	0	1	0	0	0	0
8	6	91.7	33.3	77.5	9	8.3	97	4	0.2	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0
8	6	89.3	51.3	102.2	9.6	11.4	99	1.8	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	1	0	0	0

7.筛选火灾面积大于0的数据

处理完毕后，我们将火灾面积大于0的数据筛选出来，查看火灾发生的面积与FWI系统的FFMC指数、DMC指数、DC指数、ISI指数之间的关系。

X	Y	FFMC	DMC	DC	ISI	temp	RH	wind	rain	area	month_aug	month_dec	month_feb	month_jan	month_jul	month_jun	month_mar	month_may	month_nov	month_oct	month_sep	day_mon	day_sat	day_sun	day_thu	day_tue	day_wed
9	9	85.8	48.3	313.4	3.9	18	42	2.7	0	0.36	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	1	0
1	4	91	129.5	692.6	7	21.7	38	2.2	0	0.43	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	1	0
2	5	90.9	126.5	686.5	7	21.9	39	1.8	0	0.47	0	0	0	0	0	0	0	0	0	0	1	1	0	0	0	0	0
1	2	95.5	99.9	513.3	13.2	23.3	31	4.5	0	0.55	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	1
8	6	90.1	108	529.8	12.5	21.2	51	8.9	0	0.61	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0

8.火灾面积与DMC散点图

我们分别绘制火灾发生的面积与DMC指数、DC指数、ISI指数、FFMC指数之间的散点图：

9.火灾面积与DC散点图

10.火灾面积与ISI散点图

11.火灾面积与FFMC散点图

从上面的散点图中，我们发现火灾发生的面积与FFMC指数、DMC指数、DC指数、ISI指数之间并没有明显的相关性。

12.Min-Max标准化

我们使用MinMaxScaler方法，对数据集中除了X、Y、month、day之外的列做MinMax标准化，使得处理后的数据取值分布在[0,1]区间上。

X	Y	FFMC	DMC	DC	ISI	temp	RH	wind	rain	area	month_aug	month_dec	month_feb	month_jan	month_jul	month_jun	month_mar	month_may	month_nov	month_oct	month_sep	day_mon	day_sat	day_sun	day_thu	day_tue	day_wed
7	5	0.870968	0.086492	0.101325	0.090909	0.192926	0.423529	0.7	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0
7	4	0.927742	0.118194	0.775419	0.11943	0.508039	0.211765	0.055556	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	1	0
7	4	0.927742	0.146795	0.796294	0.11943	0.398714	0.211765	0.1	0	0	0	0	0	0	0	0	0	0	0	1	0	0	1	0	0	0	0
8	6	0.941935	0.110958	0.081623	0.160428	0.196141	0.964706	0.4	0.03125	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0
8	6	0.910968	0.172984	0.11059	0.171123	0.29582	0.988235	0.155556	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	1	0	0	0

13.训练/测试集划分

在训练模型之前需要将数据集划分为训练集和测试集，用训练集训练模型，用测试集评估模型。其中训练集占80%，测试集占20%：

14.线性回归

我们使用线性回归训练模型，以下是训练好的模型的系数和截距：

系数

X	Y	FFMC	DMC	DC	ISI	temp	RH	wind	rain	month_aug	month_dec	month_feb	month_jan	month_jul	month_jun	month_mar	month_may	month_nov	month_oct	month_sep	day_mon	day_sat	day_sun	day_thu	day_tue	day_wed
-0.001616	-0.002182	0.083678	0.101768	-0.184492	-0.051779	0.017139	-0.013061	-0.002276	-0.006502	0.051713	0.080332	-0.00888	-0.052928	0.025639	0.014181	-0.02992	0.030859	-0.042622	0.106828	0.097483	-0.001168	0.020513	0.011736	-0.010268	0.026505	-0.000168

截距

-0.013356

15.模型预测

然后用训练的模型在测试集上进行火灾面积的预测，预测结果保存为area_predict。

X	Y	FFMC	DMC	DC	ISI	temp	RH	wind	rain	month_aug	month_dec	month_feb	month_jan	month_jul	month_jun	month_mar	month_may	month_nov	month_oct	month_sep	day_mon	day_sat	day_sun	day_thu	day_tue	day_wed	area	area_predict
2	5	0.9703225806	0.5809786354	0.4736718658	0.2192513369	0.6816720257	0.2941176471	0.6555555556	0	0	0	0	0	1	0	0	0	0	0	0	0	0	1	0	0	0	0	0.0578037682
3	4	0.9380645161	0.4869055824	0.6960243931	0.1889483066	0.5659163987	0.2823529412	0.5555555556	0	1	0	0	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0.0311150413
7	4	0.92	0.1392143349	0.7912513193	0.1550802139	0.2926045016	0.5294117647	0.5555555556	0	0	0	0	0	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0.0074082892
5	6	0.9316129032	0.4321157822	0.7958250264	0.1247771836	0.4019292605	0.6470588235	0.3555555556	0	0	0	0	0	0	0	0	0	0	0	1	1	0	0	0	0	0	0	0.0280614525
1	2	0.9290322581	0.2749827705	0.4226574411	0.2994652406	0.4051446945	0.7411764706	0.8444444444	0	0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0	0	0	0.0138849822

16.回归模型评估

指标	取值
均方误差(MSE)	0.02704
平均绝对误差(MAE)	0.069272
决定系数(R2)	-0.059488
中位绝对误差	0.023784