Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales
La predicción del comportamiento de incendios forestales no es una tarea sencilla ya que dicho proceso se ve afectado por la falta de precisión o incertidumbre en los parámetros de entrada. En base a esto, resulta importante desarrollar métodos que permitan tratar la incertidumbre posibilitando la o...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Artículo acceptedVersion |
Lenguaje: | Español |
Publicado: |
2023
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/8017 |
Aporte de: |
id |
I68-R174-20.500.12272-8017 |
---|---|
record_format |
dspace |
spelling |
I68-R174-20.500.12272-80172023-06-08T16:47:52Z Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales Méndez Garabetti, Miguel Bianchini, Germán Caymes Scutari, Paola Tardivo, María Predicción, Incendios forestales, Reducción de incertidumbre, Metaheurísticas evolutivas poblacionales, HPC, Metaheurísticas híbridas La predicción del comportamiento de incendios forestales no es una tarea sencilla ya que dicho proceso se ve afectado por la falta de precisión o incertidumbre en los parámetros de entrada. En base a esto, resulta importante desarrollar métodos que permitan tratar la incertidumbre posibilitando la obtención de predicciones más precisas y confiables. En el presente trabajo se presenta un proyecto de desarrollo de un método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM). HESS-IM es un método que combina las bondades de tres metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos, Evolución Diferencial y Optimización por Cúmulo de Partículas bajo un esquema de combinación colaborativa basado en migración mediante modelo de islas y HPC. Es importante mencionar que si bien el método se encuentra aún en desarrollo, existe una versión preliminar la cual ha sido implementada con Algoritmos Evolutivos y Evolución Diferencial. Ésta, ha obtenido resultados alentadores, ya que ha superado resultados obtenidos por metodologías previamente desarrolladas, sin considerar que aún resta realizar estudios más exhaustivos; los cuales podrían permitir obtener resultados de mayor calidad. Atribución Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina 2023-06-08T16:47:52Z 2023-06-08T16:47:52Z 2017-01-01 info:eu-repo/semantics/article acceptedVersion XIX Workshop de Investigadores en Ciencias de la Computación (WICC). Año 2017 http://hdl.handle.net/20.500.12272/8017 spa PID 3939 openAccess http://creativecommons.org/publicdomain/zero/1.0/ CC0 1.0 Universal Universidad Tecnológica Nacional. Facultad Regional Mendoza Atribución pdf |
institution |
Universidad Tecnológica Nacional |
institution_str |
I-68 |
repository_str |
R-174 |
collection |
RIA - Repositorio Institucional Abierto (UTN) |
language |
Español |
topic |
Predicción, Incendios forestales, Reducción de incertidumbre, Metaheurísticas evolutivas poblacionales, HPC, Metaheurísticas híbridas |
spellingShingle |
Predicción, Incendios forestales, Reducción de incertidumbre, Metaheurísticas evolutivas poblacionales, HPC, Metaheurísticas híbridas Méndez Garabetti, Miguel Bianchini, Germán Caymes Scutari, Paola Tardivo, María Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
topic_facet |
Predicción, Incendios forestales, Reducción de incertidumbre, Metaheurísticas evolutivas poblacionales, HPC, Metaheurísticas híbridas |
description |
La predicción del comportamiento de incendios forestales no es una tarea sencilla ya que dicho proceso se ve afectado por la falta de precisión o incertidumbre en los parámetros de entrada. En base a esto, resulta importante desarrollar métodos que permitan tratar la incertidumbre posibilitando la obtención de predicciones más precisas y confiables. En el presente trabajo se presenta un proyecto de desarrollo de un método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM). HESS-IM es un método que combina las bondades de tres metaheurísticas poblacionales evolutivas:
Algoritmos Evolutivos, Evolución Diferencial y Optimización por Cúmulo de Partículas bajo un esquema de combinación colaborativa basado en migración mediante modelo de islas y HPC. Es importante mencionar que si bien el método se encuentra aún en desarrollo, existe una versión preliminar la cual ha sido implementada con Algoritmos Evolutivos y Evolución Diferencial. Ésta, ha obtenido resultados alentadores, ya que ha superado resultados obtenidos por metodologías previamente desarrolladas, sin considerar que aún resta realizar estudios más exhaustivos; los cuales podrían permitir obtener resultados de mayor calidad. |
format |
Artículo acceptedVersion |
author |
Méndez Garabetti, Miguel Bianchini, Germán Caymes Scutari, Paola Tardivo, María |
author_facet |
Méndez Garabetti, Miguel Bianchini, Germán Caymes Scutari, Paola Tardivo, María |
author_sort |
Méndez Garabetti, Miguel |
title |
Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
title_short |
Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
title_full |
Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
title_fullStr |
Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
title_full_unstemmed |
Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
title_sort |
método de reducción de incertidumbre basado en hpc y metaheurísticas híbridas aplicado a la predicción de incendios forestales |
publishDate |
2023 |
url |
http://hdl.handle.net/20.500.12272/8017 |
work_keys_str_mv |
AT mendezgarabettimiguel metododereducciondeincertidumbrebasadoenhpcymetaheuristicashibridasaplicadoalapredicciondeincendiosforestales AT bianchinigerman metododereducciondeincertidumbrebasadoenhpcymetaheuristicashibridasaplicadoalapredicciondeincendiosforestales AT caymesscutaripaola metododereducciondeincertidumbrebasadoenhpcymetaheuristicashibridasaplicadoalapredicciondeincendiosforestales AT tardivomaria metododereducciondeincertidumbrebasadoenhpcymetaheuristicashibridasaplicadoalapredicciondeincendiosforestales |
_version_ |
1768720911156903936 |