Modeling fires based on the results of correlation analysis
In order to monitor and study in more detail the causes and probability of the occurrence and spread of fires in the east of Ukraine in the combat zone, mathematical modeling of the factors influencing the occurrence of fires based on linear regression was performed in this study. The initial assess...
Збережено в:
| Видавець: | Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine |
|---|---|
| Дата: | 2023 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine
2023
|
| Теми: | |
| Онлайн доступ: | https://ujrs.org.ua/ujrs/article/view/245 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Репозиторії
Ukrainian Journal of Remote Sensing of the Earth| id |
uajuacgovua-article-245 |
|---|---|
| record_format |
ojs |
| institution |
Ukrainian Journal of Remote Sensing of the Earth |
| collection |
OJS |
| language |
English |
| topic |
моделювання екологія методи дані параметри modeling ecology methods data parameters |
| spellingShingle |
моделювання екологія методи дані параметри modeling ecology methods data parameters Butenko, Olga Topchiy, Anna Modeling fires based on the results of correlation analysis |
| topic_facet |
моделювання екологія методи дані параметри modeling ecology methods data parameters |
| format |
Article |
| author |
Butenko, Olga Topchiy, Anna |
| author_facet |
Butenko, Olga Topchiy, Anna |
| author_sort |
Butenko, Olga |
| title |
Modeling fires based on the results of correlation analysis |
| title_short |
Modeling fires based on the results of correlation analysis |
| title_full |
Modeling fires based on the results of correlation analysis |
| title_fullStr |
Modeling fires based on the results of correlation analysis |
| title_full_unstemmed |
Modeling fires based on the results of correlation analysis |
| title_sort |
modeling fires based on the results of correlation analysis |
| title_alt |
Моделювання пожеж за результатами кореляційного аналізу |
| description |
In order to monitor and study in more detail the causes and probability of the occurrence and spread of fires in the east of Ukraine in the combat zone, mathematical modeling of the factors influencing the occurrence of fires based on linear regression was performed in this study. The initial assessment of a priori information presented in a discrete form is a time—consuming process. A large dataset with a time interval requires application of ready—made methods and solutions. By applying statistical analysis techniques and historical analogies, it becomes possible to visually and graphically evaluate the initial data. This evaluation serves as the foundation for classifying factors, which enables their division into samples for subsequent analysis and modeling.The expediency of application of correlation analysis is demonstrated by its ability to establish and illustrate the connections between fires and hostilities across different time intervals. To examine the connection between fires and the factors contributing to their occurrence, the widely used method of linear regression was applied, which is common in solving problems of ecological monitoring of the Earth.Consequently, a program code was developed to provide the implementation of the linear regression algorithm. Since a large data set requires ready—made mathematical tools with a visualization function, therefore, the Python programming language was chosen as a tool for mathematical modeling of fires in eastern Ukraine caused by ongoing active hostilities. To facilitate simulation, random variables are partitioned with a distribution ratio of 40% for testing models and 60% for training models. The visual materials in this study encompass the initial data for subsequent analysis, the outcomes of data set partitioning, and their corresponding models. The tabular data comprises quantitative assessments of test and training models, serving as a basis for decision—making regarding the degree to which prediction results align with the study's objectives. These quantitative evaluations of prediction outcomes highlight the necessity of a comprehensive initial set of factors influencing fire initiation, along with their qualitative and quantitative classification. The implementation of the mathematical algorithm confirms the ease of application of regression methods.However, when employing regression analysis to model fires without prior knowledge, it highlights the importance of conducting supplementary analysis through other established methods and synthesizing additional data. This can be achieved by utilizing interval estimates with the aid of fuzzy logic. |
| publisher |
Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine |
| publishDate |
2023 |
| url |
https://ujrs.org.ua/ujrs/article/view/245 |
| work_keys_str_mv |
AT butenkoolga modelingfiresbasedontheresultsofcorrelationanalysis AT topchiyanna modelingfiresbasedontheresultsofcorrelationanalysis AT butenkoolga modelûvannâpožežzarezulʹtatamikorelâcíjnogoanalízu AT topchiyanna modelûvannâpožežzarezulʹtatamikorelâcíjnogoanalízu |
| first_indexed |
2024-04-21T19:48:25Z |
| last_indexed |
2024-04-21T19:48:25Z |
| _version_ |
1796975001793986560 |
| spelling |
uajuacgovua-article-2452023-10-02T18:58:00Z Modeling fires based on the results of correlation analysis Моделювання пожеж за результатами кореляційного аналізу Butenko, Olga Topchiy, Anna моделювання екологія методи дані параметри modeling ecology methods data parameters In order to monitor and study in more detail the causes and probability of the occurrence and spread of fires in the east of Ukraine in the combat zone, mathematical modeling of the factors influencing the occurrence of fires based on linear regression was performed in this study. The initial assessment of a priori information presented in a discrete form is a time—consuming process. A large dataset with a time interval requires application of ready—made methods and solutions. By applying statistical analysis techniques and historical analogies, it becomes possible to visually and graphically evaluate the initial data. This evaluation serves as the foundation for classifying factors, which enables their division into samples for subsequent analysis and modeling.The expediency of application of correlation analysis is demonstrated by its ability to establish and illustrate the connections between fires and hostilities across different time intervals. To examine the connection between fires and the factors contributing to their occurrence, the widely used method of linear regression was applied, which is common in solving problems of ecological monitoring of the Earth.Consequently, a program code was developed to provide the implementation of the linear regression algorithm. Since a large data set requires ready—made mathematical tools with a visualization function, therefore, the Python programming language was chosen as a tool for mathematical modeling of fires in eastern Ukraine caused by ongoing active hostilities. To facilitate simulation, random variables are partitioned with a distribution ratio of 40% for testing models and 60% for training models. The visual materials in this study encompass the initial data for subsequent analysis, the outcomes of data set partitioning, and their corresponding models. The tabular data comprises quantitative assessments of test and training models, serving as a basis for decision—making regarding the degree to which prediction results align with the study's objectives. These quantitative evaluations of prediction outcomes highlight the necessity of a comprehensive initial set of factors influencing fire initiation, along with their qualitative and quantitative classification. The implementation of the mathematical algorithm confirms the ease of application of regression methods.However, when employing regression analysis to model fires without prior knowledge, it highlights the importance of conducting supplementary analysis through other established methods and synthesizing additional data. This can be achieved by utilizing interval estimates with the aid of fuzzy logic. З метою моніторингу та більш детального вивчення причин та ймовірності виникнення та поширення пожеж на сході України у зоні бойових дій у даній роботі виконано математичне моделювання факторів, що впливають на виникнення пожеж, на основі лінійної регресії. Первинна оцінка апріорної інформації, подана у дискретному вигляді, є трудомістким процесом. Великий набір даних з інтервалом у часі потребує застосування готових методів та рішень. Методи статистичного аналізу та історичної аналогії дозволяють провести візуальну та графічну оцінку вихідних даних, на підставі яких виконується класифікація факторів для подальшого поділу на вибірки та їх подальшого аналізу та моделювання. Показано доцільність застосування кореляційного аналізу, оскільки такий підхід дозволив встановити та відобразити залежності між пожежами та бойовими діями у різних інтервалах часу. Для вивчення відносин між пожежами та факторами їх виникнення застосовано метод лінійної регресії, який поширений у вирішенні завдань екологічного моніторингу Землі. В результаті було розроблено програмний код, що забезпечує реалізацію алгоритму лінійної регресії. Оскільки великий набір даних вимагає готових математичних інструментів із функцією візуалізації, то мова програмування Python була обрана як інструмент для математичного моделювання пожеж на сході України внаслідок активних бойових дій. Для моделювання випадкові величини розділені у співвідношенні 40% та 60% для тестування та навчання моделей відповідно. Графічний матеріал цієї роботи містить вихідні дані для подальшого аналізу, результати розбиття набору даних, а також їх моделювання. Табличні дані містять кількісні оцінки тестових і навчальних моделей для прийняття рішень – наскільки результати передбачень задовольняють поставлену мету роботи. Кількісні оцінки результатів пророцтв показують необхідність повного вихідного набору факторів виникнення пожеж та їх якісної та кількісної класифікації. Реалізація математичного алгоритму підтверджує простоту застосування методів регресії. Однак застосування регресійного аналізу для моделювання пожеж в умовах нестачі апріорної інформації демонструє необхідність проведення додаткового аналізу іншими відомими методами та синтезу додаткових нових даних в результаті використання інтервальних оцінок за допомогою нечіткої логіки. Scientific Centre for Aerospace Research of the Earth Institute of Geological Science National Academy of Sciences of Ukraine, Kyiv, Ukraine 2023-09-29 Article Article application/pdf https://ujrs.org.ua/ujrs/article/view/245 10.36023/ujrs.2023.10.3.245 Ukrainian journal of remote sensing; Vol. 10 No. 3 (2023); 28-33 Украинский журнал дистанционного зондирования Земли; Том 10 № 3 (2023); 28-33 Український журнал дистанційного зондування Землі; Том 10 № 3 (2023); 28-33 2313-2132 en https://ujrs.org.ua/ujrs/article/view/245/258 Copyright (c) 2023 Ukrainian journal of remote sensing |