Интеллектуальная классификация пожароопасных ситуаций на основе данных из комплекса взаимосвязанных датчиков

Abstract

В исследовании проводится сравнение методов интеллектуальной классификации пожароопасных ситуаций на основе данных из комплекса взаимосвязанных датчиков. Рассматриваются интеллектуальные классификаторы на основе машинного обучения, статистического анализа и деревьев принятия решения с целью выявление методов, обладающих самым высоким соотношением точности к значению производительности, вычисленной с помощью F-меры, для дальнейшего использования в системе прогнозирования и классификации пожароопасных ситуаций. Проведенный анализ точности и производительности приведенных методов, показал, что наиболее точным и производительными методами оказались Random forest classifier и RNN с LSTM слоями обладающих соотношением точности к производительности 119.99 и 123.30 соответственно.