Use of Time Series Clustering for Intermediate-Term Fire Activity Forecasting
An ad hoc method for forecasting future fire/weather activity is to scan previous years' weather patterns and identify the one with the closest match to the current one. This presentation describes methods for formalizing this approach using time series analysis and clustering methods. One approach is to fit state space models to the
data, then to use Kalman filters and an EM algorithm to do the clustering and prediction. Another method involves the use of log-Gaussian Cox processes. The techniques are compared by simulation and illustrated on data from multiple provinces across Canada.
data, then to use Kalman filters and an EM algorithm to do the clustering and prediction. Another method involves the use of log-Gaussian Cox processes. The techniques are compared by simulation and illustrated on data from multiple provinces across Canada.
Utilisation du regroupement de séries chronologiques pour la prévision des activités d’incendie à moyen terme
Une méthode ad hoc pour prévoir les incendies et les activités météorologiques futures consiste à analyser les conditions météorologiques des années précédentes et à identifier celle qui correspond le plus à la condition météorologique actuelle. Cette présentation décrit les méthodes permettant de formaliser cette approche à l’aide de méthodes d’analyse de séries chronologiques et de regroupement. Une approche consiste à adapter les modèles spatiotemporels aux données, puis à employer des filtres de Kalman et un algorithme EM pour effectuer le regroupement et la prédiction. Une autre méthode implique l’utilisation de processus log gaussiens de Cox. Les techniques sont comparées par simulation et illustrées sur des données provenant de plusieurs provinces du Canada.
Session
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais