Tiểu luận khai phá dữ liệu: Sử dụng phần mềm Weka cho bộ dữ liệu forset fires dataset

I – Giới thiệu bài toánTheo Hiệp hội bảo tồn thế giới (IUCN) các vụ cháy rừng đang đặt ra mối đe dọa cho các khu vực phong phú về đa dạng sinh học, và một trong các nguyên nhân chính của mối đe dọa này là khí hậu thay đổi, nó hủy hoại môi trường sinh thái, gây thiệt hại nặng nề về kinh tế, ảnh hưởng trực tiếp tới môi trường sống của con người. Có nhiều nguyên nhân dẫn tới cháy rừng là do điều kiện thời tiết khí hậu và do sự bất cẩn hay thiếu ý thức của con người gây ra, hàng năm, trên toàn thế giới có hàng triệu héc-ta rừng bị phá hủy. Bồ Đào Nha là một trong những nước chịu ảnh hưởng nặng nề do nạn cháy rừng gây ra. Từ năm 1980 đến năm 2005, đã có hơn 2.7 triệu ha rừng bị phá hủy. Đặc biệt, các vụ cháy rừng năm 2003 và 2005 đã ảnh hưởng tới 4.6 % và 3.1% diện tích lãnh thổ với 21 và 18 người chết.Nhanh chóng phát hiện ra các đám cháy rừng là một trong những yếu tố quan trọng để kiểm soát và chữa cháy rừng hiệu quả, giảm thiểu tối đa các thiệt hại. Phương pháp truyền thống trong công tác phát hiện và dự báo cháy rừng là thực hiện sự giám sát của con người, tuy nhiên chi phí khá tốn kém và hiệu quả lại thấp (ảnh hưởng bởi yếu tố chủ quan) đã thúc đẩy các nghiên cứu phát triển các giải pháp cảnh báo cháy rừng tự động. Các giải pháp đã được phát triển có thể được phân thành 3 loại chính: sử dụng vệ tinh (satellite-based) , sử dụng các máy quét hồng ngoại / khói và sử dụng các hệ thống cảm biến. Tuy nhiên sử dụng vệ tinh phải chi trả phí dịch vụ, chậm trễ trong việc định vị khu vực cháy và không áp dụng được trong nhiều trường hợp (như khi có nhiều mây mù che tầm nhìn của vệ tinh…). Sử dụng các máy quét có chi phí lắp đặt và bảo trì các trang thiết bị cũng rất đắt đỏ. Do vậy, cần phải phát triển các giải pháp hiệu quả hơn trong việc dự báo cảnh báo và giảm thiểu về mặt chi phí. Các trạm khí tượng được xây dựng, những dữ liệu về các vụ cháy rừng đã được thu thập liên tục và áp dụng các thuật toán tính toán xử lý bộ dữ liệu ấy để đưa ra dự báo tốt nhất (bộ dữ liệu gồm những thông tin về thời tiết như độ ẩm, gió, lượng mưa,…- những nguyên nhân trực tiếp và chủ yếu gây ra cháy rừng) với chi phí thấp. Vào những năm 1970, các nhà khoa học Canada đã xây dựng được hệ thống tính toán dự báo, cảnh báo cháy rừng Fire Weather Index (FWI) với đầu vào là những dữ liệu được thu thập như gió, lượng mưa, độ ẩm, nhiệt độ. Hệ thống này vẫn còn thô sơ nhưng cũng đáp ứng được phần nào nhu cầu cấp thiết của thực tế, nên ngay sau đó nó đã được áp dụng rộng rãi ở các nước khác. Mặc dù khí hậu ở vùng Địa Trung Hải khác với ở Canada, nhưng hệ thống FWI vẫn có thể áp dụng được ở đây, trong đó bao gồm cả Bồ Đào Nha.Kỹ thuật Khám phá tri thức trong cơ sở dữ liệu hay còn gọi là khai phá dữ liệu (Data Mining - DM) được phát triển và ứng dụng rộng rãi ở nhiều ngành, có tính hiệu quả cao, hỗ trợ việc ra các quyết định nhanh chóng và có độ chính xác cao. Nó đã được áp dụng trong nhiệm vụ phát hiện các đám cháy. Kỹ thuật này sử dụng các dữ liệu được ghi nhận theo thời gian thực và không hề tốn kém. Ở bài tiểu luận này chúng ta sẽ sử dụng bộ dữ liệu đã được thu thập từ các vụ cháy rừng đã xảy ra ở vùng phía Bắc Bồ Đào Nha, với mục đích là dự đoán diện tích của các vụ cháy rừng (kích thước đám cháy). Một số thí nghiệm đã được tiến hành sử dụng 5 kỹ thuật DM: Hồi quy, Cây quyết định (Decision Trees), Random Forest (RF), Mạng nơ-ron và Support Vector Machine (SVM). Các giải pháp đã được đề xuất chỉ sử dụng 4 biến thời tiết ( mưa, gió, nhiệt độ và độ ẩm ) kết hợp với SVM và nó có khả năng dự đoán diện tích của các đám cháy nhỏ.II – Forest Fire DataHệ thống Fire Weather Index (FWI) là hệ thống dự báo, cảnh báo cháy rừng bao gồm 6 thành phần: Fine Feul Moisture Code (FFMC), Duff Moisture Code (DMC), Drought Code (DC), Initial Spread Index (ISI), Builup Index (BUI) và FWI.