Método de reducción de incertidumbre basado en HPC y metaheurísticas híbridas aplicado a la predicción de incendios forestales

Mostrar todas las versiones(2)

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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Méndez Garabetti, Miguel, Bianchini, Germán, Caymes Scutari, Paola, Tardivo, María
Formato: Artículo acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Predicción, Incendios forestales, Reducción de incertidumbre, Metaheurísticas evolutivas poblacionales, HPC, Metaheurísticas híbridas
Acceso en línea:http://hdl.handle.net/20.500.12272/8017
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
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

Ejemplares similares