Determinación de la probabilidad de ocurrencia de incendio por rayo en Castilla y León
El objeto de este trabajo es construir un modelo que permita predecir la probabilidad de ocurrencia de incendios por rayo (causa natural) en Castilla y León, así como conocer qué factores son los que mayor incidencia tienen en la aparición de los mismos. Inicialmente en nuestro modelo, el número de...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2015 |
| País: | España |
| Institución: | Universidad de Oviedo (UNIOVI) |
| Repositorio: | RUO. Repositorio Institucional de la Universidad de Oviedo |
| Idioma: | español |
| OAI Identifier: | oai:digibuo.uniovi.es:10651/33968 |
| Acceso en línea: | http://hdl.handle.net/10651/33968 |
| Access Level: | acceso abierto |
| Palabra clave: | Ocurrencia Incendios Rayos Regresión logísitca |
| Sumario: | El objeto de este trabajo es construir un modelo que permita predecir la probabilidad de ocurrencia de incendios por rayo (causa natural) en Castilla y León, así como conocer qué factores son los que mayor incidencia tienen en la aparición de los mismos. Inicialmente en nuestro modelo, el número de variables independientes o explicativas es muy elevado, lo que no permite interpretar los resultados con facilidad. Por ello debe realizarse una selección de aquellas que aporten mayor capacidad de discriminación. Para ello se usa el modelo de regresión logística binaria que permite estimar la probabilidad de ocurrencia de incendio a causa de rayos. El modelo utiliza como variable dependiente la presencia o ausencia de incendio y a priori consta de 23 variables independientes relacionadas con la cobertura vegetal, datos fisiográficos, características intrínsecas a los rayos y datos sobre tormentas. Los resultados obtenidos muestran que tres de ellas permiten construir el modelo, siendo la superficie de terreno ocupada por cultivos y prados, la altitud y el número de días de tormenta las variables que mejor explican el proceso. El modelo muestra una fiabilidad global aceptable (por encima del 64%). |
|---|