Physically aligned forest fire risk prediction: A deep learning framework coupling fuel and climate multivariate factors.

Revue : PloS one

Parution : Mardi 1 septembre 2026

Statut : code vérifié

Méthodes : Statistiques, Lissage, filtrage d'état, décompositions, Prétraitement, Connectivité, Apprentissage, Activité unitaire, imagerie calcique

Carte de traçage

Proposée automatiquement : ces liens ont été trouvés dans l'article et vérifiés à la source, sans relecture humaine. Elle recevra un DOI Zenodo quand un de ses auteurs l'aura validée avec son ORCID.

Code des auteurs

cbjyb/fwimsnet-forest-fire-risk-prediction-framework

Licence : MIT

État : le lien répond

Preuve : fichiers inventoriés

Commit : f0b82557d50dc10bd228e437deb3c8c0e9e1011c

Langages : Python (8)

Trouvé : « Data Availability »

10 fichiers

setup.py — Python, 34 lignes [lire ici]
src/__init__.py — Python, 28 lignes [lire ici]
src/main.py — Python, 119 lignes [lire ici]
src/models.py — Python, 419 lignes [lire ici]
src/predict.py — Python, 189 lignes [lire ici]
src/preprocess_data.py — Python, 349 lignes [lire ici]
src/train.py — Python, 228 lignes [lire ici]
src/utils.py — Python, 113 lignes [lire ici]
LICENSE — Licence, 21 lignes [lire ici]
README.md — Texte, 44 lignes [lire ici]