Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba

Mediante el empleo de técnicas de aprendizaje automático, tales como las redes neuronales o SVM (Máquinas de Vectores de Soporte), queremos capturar la presencia de patrones de comportamiento en los factores que influyen en la ocurrencia de incendios forestales, ya sean humanos o de índole climática...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Cardenas, Marina E., Medel, Ricardo, Castillo, Julio J., Vázquez, Juan C., Casco, Osvaldo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2015
Materias:
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/45467
Aporte de:
id I19-R120-10915-45467
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
modelos
Meteorología
Incendios Forestales
Predicción
spellingShingle Ciencias Informáticas
modelos
Meteorología
Incendios Forestales
Predicción
Cardenas, Marina E.
Medel, Ricardo
Castillo, Julio J.
Vázquez, Juan C.
Casco, Osvaldo
Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba
topic_facet Ciencias Informáticas
modelos
Meteorología
Incendios Forestales
Predicción
description Mediante el empleo de técnicas de aprendizaje automático, tales como las redes neuronales o SVM (Máquinas de Vectores de Soporte), queremos capturar la presencia de patrones de comportamiento en los factores que influyen en la ocurrencia de incendios forestales, ya sean humanos o de índole climática. El objetivo de este proyecto es elaborar un modelo que permita pronosticar la ocurrencia de incendios forestales en la Provincia de Córdoba, especialmente en las sierras de Córdoba y la región del Parque Chaqueño de la provincia. Cabe destacar que el modelo construido servirá no solo para pronosticar la ocurrencia de un incendio en una determinada zona, sino también brindará información sobre la cantidad de hectáreas afectadas por el mismo. Actualmente estamos realizando pruebas con datos recopilados en artículos periodísticos, disponibles en Internet, y bases de datos de estaciones meteorológicas situadas en la provincia.
format Objeto de conferencia
Objeto de conferencia
author Cardenas, Marina E.
Medel, Ricardo
Castillo, Julio J.
Vázquez, Juan C.
Casco, Osvaldo
author_facet Cardenas, Marina E.
Medel, Ricardo
Castillo, Julio J.
Vázquez, Juan C.
Casco, Osvaldo
author_sort Cardenas, Marina E.
title Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba
title_short Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba
title_full Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba
title_fullStr Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba
title_full_unstemmed Modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de Córdoba
title_sort modelos de aprendizaje supervisados: aplicaciones para la predicción de incendios forestales en la provincia de córdoba
publishDate 2015
url http://sedici.unlp.edu.ar/handle/10915/45467
work_keys_str_mv AT cardenasmarinae modelosdeaprendizajesupervisadosaplicacionesparalapredicciondeincendiosforestalesenlaprovinciadecordoba
AT medelricardo modelosdeaprendizajesupervisadosaplicacionesparalapredicciondeincendiosforestalesenlaprovinciadecordoba
AT castillojulioj modelosdeaprendizajesupervisadosaplicacionesparalapredicciondeincendiosforestalesenlaprovinciadecordoba
AT vazquezjuanc modelosdeaprendizajesupervisadosaplicacionesparalapredicciondeincendiosforestalesenlaprovinciadecordoba
AT cascoosvaldo modelosdeaprendizajesupervisadosaplicacionesparalapredicciondeincendiosforestalesenlaprovinciadecordoba
bdutipo_str Repositorios
_version_ 1764820473814712321