Abstract
今日導入されているすべての山火事予測モデルには危険な性質があります。それは、これらの手法のいずれも「火災の延焼の見逃し量」がどれほどになるかについての形式的な保証を提供していない点です。深層学習を用いた山火事の延焼予測に関して膨大な研究が行われてきたにもかかわらず、これまでにこの領域へ分布に依存しない安全性保証を適用した研究はありませんでした。その結果、避難計画立案者は形式的な裏付けのない確率しきい値に頼らざるを得ない状況です。私たちはこのギャップを埋めるため、私たちの知る限り初めて、山火事の延焼予測に適合性リスク制御（conformal risk control: CRC）を適用することを提示し、偽陰性率（FNR <= 0.05）について有限サンプルの保証を提供します。さらに、顕著な失敗も明らかにします。複雑性が増す3つのモデル系（表形式: LightGBM、AUROC 0.854；畳み込み系: Tiny U-Net、AUROC 0.969；グラフベース: Hybrid ResGNN-UNet、AUROC 0.964）にわたって、標準的なしきい値では真の火災の延焼を捉えられるのはわずか7-72%にとどまります。CRCはこの失敗を一様に解消します。私たちの中心的な発見は、避難効率はモデルのアーキテクチャが決め、安全性はCRCが決めるということです。CRCを用いた空間モデルはいずれも、約95%の火災カバレッジを達成しつつ、総ピクセルのわずか約15%のみをフラグ付けします。そのため、LightGBMよりも4.2倍効率的です。一方で、単純なU-Netに対するグラフモデルの追加の複雑性は、有意な効率向上につながりません。私たちは、運用上のトリアージのためにSAFE/MONITOR/EVACUATE領域を割り当てる、シフト（状況変化）を意識した3-way CRCフレームワークを提案します。また、（約5%の火災有病率という）極端なクラス不均衡下における有病率加重境界の基本的な限界を特徴付けます。再現性のために、すべてのモデル、キャリブレーション用コード、評価パイプラインを公開します。
