ศูนย์การพยากรณ์อากาศระดับกลางของยุโรป (ECMWF) ได้พัฒนาระบบการเรียนรู้ของเครื่องที่เรียกว่าโมเดลความน่าจะเป็นของ Fire (POF) ที่ทำนายว่าไฟป่ามีแนวโน้มที่จะจุดระเบิดโดยการวิเคราะห์พืชพรรณกิจกรรมของมนุษย์และข้อมูลสภาพอากาศ ซึ่งแตกต่างจากดัชนีอันตรายแบบดั้งเดิมที่ประเมินความน่าจะเป็นของสภาพอากาศที่เกิดจากไฟไหม้ได้รุ่นนี้มุ่งเน้นไปที่กิจกรรมไฟจริง-แสดงเครื่องมือเตือนภัยล่วงหน้าที่แม่นยำยิ่งขึ้นสำหรับการตอบสนองและการวางแผนของไฟป่า 1, 2025 , โมเดล POF ใช้การผสมผสานระหว่างการวัดพืชพรรณที่ใช้ดาวเทียมสภาพอากาศและข้อมูลการจุดระเบิดเพื่อประเมินความน่าจะเป็นไฟป่าทุกวันทั่วโลก
มันได้รับการทดสอบข้อมูลไฟป่าในอดีตโดยใช้วิธีการเรียนรู้ของเครื่องจักรหลายวิธีรวมถึงเครือข่ายประสาท ทีมพบว่า XGBOOST ส่งการคาดการณ์ที่แม่นยำที่สุดอย่างต่อเนื่อง อย่างไรก็ตามตัวเลือกโมเดลมีความสำคัญน้อยกว่าคุณภาพและความสมบูรณ์ของข้อมูลอินพุต-โดยเฉพาะข้อมูลเกี่ยวกับความอุดมสมบูรณ์ของพืชและรูปแบบการจุดระเบิด “ ด้วยการใช้ข้อมูลเกี่ยวกับลักษณะเชื้อเพลิงการจุดระเบิดและ
กิจกรรมการยิงที่สังเกตได้การทำนายที่ขับเคลื่อนด้วยข้อมูลจะลดอัตราการทดสอบที่ผิดพลาดของการพยากรณ์สูงที่สูงขึ้นเพิ่มความแม่นยำของพวกเขาสิ่งนี้เกิดขึ้นได้โดยชุดข้อมูลระดับโลกที่มีคุณภาพสูง src=”https://winbuzzer.com/wp-content/uploads/2025/04/ai-wildfire-prediction.jpg”>
โมเดลพิสูจน์ได้ว่ามีประสิทธิภาพในเหตุการณ์ไฟป่าจริง
แบบจำลองยังแสดงให้เห็นถึงความแม่นยำในช่วง โมเดล AI หรือที่รู้จักกันในชื่อ Fire (POF) คาดการณ์อย่างถูกต้องว่าไฟจะแตกออกในช่วงเดือนมกราคม 2568 ลอสแองเจลิสไฟป่าที่มีความแม่นยำมากกว่าแบบจำลองดั้งเดิม
แห้งและอุดมสมบูรณ์จากนั้นซ้อนทับข้อมูลการจุดระเบิดของมนุษย์และธรรมชาติเพื่อปรับแต่งการประเมินความน่าจะเป็น แทนที่จะให้คะแนนอันตรายจากไฟไหม้แบบจำลองประเมินความน่าจะเป็นที่เกิดขึ้นจริงของการเกิดเพลิงไหม้
