Reinforcement Learning for Wildfire Mitigation in Simulated Disaster Environments

要約

気候変動の結果、悪天候や気象条件が年々増加し、火災シーズンがますます深刻化しています。
効果的な緩和策がなければ、これらの火災は生命、財産、生態系、文化遺産、重要なインフラに脅威をもたらします。
増大する山火事の脅威に適切に備え、対応するには、より正確な火災モデラーと緩和対応が必要です。
このペーパーでは、現実的な山火事のシナリオを生成するように設計された多用途の森林火災予測シミュレーターである SimFire と、地域への全体的な被害を軽減するために SimFire 内で土地管理戦略を自動的に生成できるモジュール式エージェントベースの機械学習ラッパーである SimHarness を紹介します。
この公的に利用可能なシステムを併用することで、研究者や実務家は消防士の介入の有効性を模倣して評価し、価値の保全と資源配分の最適化を優先する戦略計画を策定することができます。
リポジトリは https://github.com/mitrefireline からダウンロードできます。

要約(オリジナル)

Climate change has resulted in a year over year increase in adverse weather and weather conditions which contribute to increasingly severe fire seasons. Without effective mitigation, these fires pose a threat to life, property, ecology, cultural heritage, and critical infrastructure. To better prepare for and react to the increasing threat of wildfires, more accurate fire modelers and mitigation responses are necessary. In this paper, we introduce SimFire, a versatile wildland fire projection simulator designed to generate realistic wildfire scenarios, and SimHarness, a modular agent-based machine learning wrapper capable of automatically generating land management strategies within SimFire to reduce the overall damage to the area. Together, this publicly available system allows researchers and practitioners the ability to emulate and assess the effectiveness of firefighter interventions and formulate strategic plans that prioritize value preservation and resource allocation optimization. The repositories are available for download at https://github.com/mitrefireline.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google