Modelo de Sintonización Computacional aplicado a la Predicción de Incendios

La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Caymes Scutari, Paola, Bianchini, Germán, Tardivo, María, Méndez Garabetti, Miguel
Formato: Documento de conferencia acceptedVersion
Lenguaje:Español
Publicado: 2023
Materias:
Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
Acceso en línea:http://hdl.handle.net/20.500.12272/8107
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
id I68-R174-20.500.12272-8107
record_format dspace
spelling I68-R174-20.500.12272-81072023-06-23T12:16:00Z Modelo de Sintonización Computacional aplicado a la Predicción de Incendios Caymes Scutari, Paola Bianchini, Germán Tardivo, María Méndez Garabetti, Miguel Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura. Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina 2023-06-23T12:16:00Z 2023-06-23T12:16:00Z 2018-01-01 info:eu-repo/semantics/conferenceObject acceptedVersion http://hdl.handle.net/20.500.12272/8107 * spa PID4736 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 Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
spellingShingle Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
Caymes Scutari, Paola
Bianchini, Germán
Tardivo, María
Méndez Garabetti, Miguel
Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
topic_facet Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
description La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
format Documento de conferencia
acceptedVersion
author Caymes Scutari, Paola
Bianchini, Germán
Tardivo, María
Méndez Garabetti, Miguel
author_facet Caymes Scutari, Paola
Bianchini, Germán
Tardivo, María
Méndez Garabetti, Miguel
author_sort Caymes Scutari, Paola
title Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_short Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_full Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_fullStr Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_full_unstemmed Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_sort modelo de sintonización computacional aplicado a la predicción de incendios
publishDate 2023
url http://hdl.handle.net/20.500.12272/8107
work_keys_str_mv AT caymesscutaripaola modelodesintonizacioncomputacionalaplicadoalapredicciondeincendios
AT bianchinigerman modelodesintonizacioncomputacionalaplicadoalapredicciondeincendios
AT tardivomaria modelodesintonizacioncomputacionalaplicadoalapredicciondeincendios
AT mendezgarabettimiguel modelodesintonizacioncomputacionalaplicadoalapredicciondeincendios
_version_ 1769989309071360000

Ejemplares similares