Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros

Autores
Tardivo, María Laura; Caymes Scutari, Paola Guadalupe; Bianchini, German; Mendez Garabetti, Miguel
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El modelado de cualquier fenómeno natural representa un gran desafíodesde el punto devista matemático y computacional. Pronosticar el comportamiento de losincendios forestales no es la excepción. Los modelos de predicción deincendios forestales generalmente son alimentados por parámetros deentrada que representan el estado del terreno en el instante previo a lapredicción, así como también las condiciones de las variables queintervienen en el desarrollo del incendio (velocidad y dirección delviento, humedad del terreno, tipo de vegetación). Sin embargo, para lograrcierto grado de precisión al momento de la predicción se hace necesariocontar con el valor real de cada parámetrode entrada. La falta de exactitud o incertidumbre sobre el valor de losparámetros de entrada es un problema crucial que puede producir gravesconsecuencias si la salida del modelo proporciona predicciones erróneas.Los métodos de reducción de incertidumbre permiten mejorar la calidad depredicción contrarrestando los efectos negativos que produce laimposibilidad de cuantificar los valores de los parámetros en tiempo real.Tal es el caso del método ESSIM-DE (Evolutionary Statistical System withIsland Model and Differential Evolution), el cual ha sido aplicado alproblema de predicción del comportamiento de incendios forestales.ESSIM-DE utiliza análisis estadístico, cómputo paralelo/distribuido y lametaheurística Evolución Diferencial como estrategia para la búsqueda denuevas soluciones. En el uso de toda metaheurística, es importanterealizar una correcta elección de los parámetros de entrada propios de lametaheurística, ya que de ellos depende el comportamiento de laestrategia, y en consecuencia también condiciona la calidad de lapredicción. En este trabajo se desarrolla un análisis de sintonizaciónestática de los parámetros evolutivos de ESSIMDE a fin de encontrar mejorcalidad de predicción.
Fil: Tardivo, María Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Mendez Garabetti, Miguel. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Materia
REDUCCIÓN DE INCERTIDUMBRE
ALGORITMOS EVOLUTIVOS
PREDICCIÓN
EVOLUCIÓN DIFERENCIAL
CÓMPUTO PARALELO/DISTRIBUIDO
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/108806
Acceder
id CONICETDig_4e29e09c51b6828ad0ccb740bac25f60
oai_identifier_str oai:ri.conicet.gov.ar:11336/108806
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de ParámetrosTardivo, María LauraCaymes Scutari, Paola GuadalupeBianchini, GermanMendez Garabetti, MiguelREDUCCIÓN DE INCERTIDUMBREALGORITMOS EVOLUTIVOSPREDICCIÓNEVOLUCIÓN DIFERENCIALCÓMPUTO PARALELO/DISTRIBUIDOhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1El modelado de cualquier fenómeno natural representa un gran desafíodesde el punto devista matemático y computacional. Pronosticar el comportamiento de losincendios forestales no es la excepción. Los modelos de predicción deincendios forestales generalmente son alimentados por parámetros deentrada que representan el estado del terreno en el instante previo a lapredicción, así como también las condiciones de las variables queintervienen en el desarrollo del incendio (velocidad y dirección delviento, humedad del terreno, tipo de vegetación). Sin embargo, para lograrcierto grado de precisión al momento de la predicción se hace necesariocontar con el valor real de cada parámetrode entrada. La falta de exactitud o incertidumbre sobre el valor de losparámetros de entrada es un problema crucial que puede producir gravesconsecuencias si la salida del modelo proporciona predicciones erróneas.Los métodos de reducción de incertidumbre permiten mejorar la calidad depredicción contrarrestando los efectos negativos que produce laimposibilidad de cuantificar los valores de los parámetros en tiempo real.Tal es el caso del método ESSIM-DE (Evolutionary Statistical System withIsland Model and Differential Evolution), el cual ha sido aplicado alproblema de predicción del comportamiento de incendios forestales.ESSIM-DE utiliza análisis estadístico, cómputo paralelo/distribuido y lametaheurística Evolución Diferencial como estrategia para la búsqueda denuevas soluciones. En el uso de toda metaheurística, es importanterealizar una correcta elección de los parámetros de entrada propios de lametaheurística, ya que de ellos depende el comportamiento de laestrategia, y en consecuencia también condiciona la calidad de lapredicción. En este trabajo se desarrolla un análisis de sintonizaciónestática de los parámetros evolutivos de ESSIMDE a fin de encontrar mejorcalidad de predicción.Fil: Tardivo, María Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Mendez Garabetti, Miguel. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaAsociación Argentina de Mecánica Computacional2016-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/108806Tardivo, María Laura; Caymes Scutari, Paola Guadalupe; Bianchini, German; Mendez Garabetti, Miguel; Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; XXXIV; 11-2016; 2903-29171666-6070CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://www.cimec.org.ar/ojs/index.php/mc/article/viewFile/5167/5098info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:32:21Zoai:ri.conicet.gov.ar:11336/108806instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:32:22.099CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
title Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
spellingShingle Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
Tardivo, María Laura
REDUCCIÓN DE INCERTIDUMBRE
ALGORITMOS EVOLUTIVOS
PREDICCIÓN
EVOLUCIÓN DIFERENCIAL
CÓMPUTO PARALELO/DISTRIBUIDO
title_short Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
title_full Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
title_fullStr Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
title_full_unstemmed Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
title_sort Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros
dc.creator.none.fl_str_mv Tardivo, María Laura
Caymes Scutari, Paola Guadalupe
Bianchini, German
Mendez Garabetti, Miguel
author Tardivo, María Laura
author_facet Tardivo, María Laura
Caymes Scutari, Paola Guadalupe
Bianchini, German
Mendez Garabetti, Miguel
author_role author
author2 Caymes Scutari, Paola Guadalupe
Bianchini, German
Mendez Garabetti, Miguel
author2_role author
author
author
dc.subject.none.fl_str_mv REDUCCIÓN DE INCERTIDUMBRE
ALGORITMOS EVOLUTIVOS
PREDICCIÓN
EVOLUCIÓN DIFERENCIAL
CÓMPUTO PARALELO/DISTRIBUIDO
topic REDUCCIÓN DE INCERTIDUMBRE
ALGORITMOS EVOLUTIVOS
PREDICCIÓN
EVOLUCIÓN DIFERENCIAL
CÓMPUTO PARALELO/DISTRIBUIDO
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv El modelado de cualquier fenómeno natural representa un gran desafíodesde el punto devista matemático y computacional. Pronosticar el comportamiento de losincendios forestales no es la excepción. Los modelos de predicción deincendios forestales generalmente son alimentados por parámetros deentrada que representan el estado del terreno en el instante previo a lapredicción, así como también las condiciones de las variables queintervienen en el desarrollo del incendio (velocidad y dirección delviento, humedad del terreno, tipo de vegetación). Sin embargo, para lograrcierto grado de precisión al momento de la predicción se hace necesariocontar con el valor real de cada parámetrode entrada. La falta de exactitud o incertidumbre sobre el valor de losparámetros de entrada es un problema crucial que puede producir gravesconsecuencias si la salida del modelo proporciona predicciones erróneas.Los métodos de reducción de incertidumbre permiten mejorar la calidad depredicción contrarrestando los efectos negativos que produce laimposibilidad de cuantificar los valores de los parámetros en tiempo real.Tal es el caso del método ESSIM-DE (Evolutionary Statistical System withIsland Model and Differential Evolution), el cual ha sido aplicado alproblema de predicción del comportamiento de incendios forestales.ESSIM-DE utiliza análisis estadístico, cómputo paralelo/distribuido y lametaheurística Evolución Diferencial como estrategia para la búsqueda denuevas soluciones. En el uso de toda metaheurística, es importanterealizar una correcta elección de los parámetros de entrada propios de lametaheurística, ya que de ellos depende el comportamiento de laestrategia, y en consecuencia también condiciona la calidad de lapredicción. En este trabajo se desarrolla un análisis de sintonizaciónestática de los parámetros evolutivos de ESSIMDE a fin de encontrar mejorcalidad de predicción.
Fil: Tardivo, María Laura. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Mendez Garabetti, Miguel. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
description El modelado de cualquier fenómeno natural representa un gran desafíodesde el punto devista matemático y computacional. Pronosticar el comportamiento de losincendios forestales no es la excepción. Los modelos de predicción deincendios forestales generalmente son alimentados por parámetros deentrada que representan el estado del terreno en el instante previo a lapredicción, así como también las condiciones de las variables queintervienen en el desarrollo del incendio (velocidad y dirección delviento, humedad del terreno, tipo de vegetación). Sin embargo, para lograrcierto grado de precisión al momento de la predicción se hace necesariocontar con el valor real de cada parámetrode entrada. La falta de exactitud o incertidumbre sobre el valor de losparámetros de entrada es un problema crucial que puede producir gravesconsecuencias si la salida del modelo proporciona predicciones erróneas.Los métodos de reducción de incertidumbre permiten mejorar la calidad depredicción contrarrestando los efectos negativos que produce laimposibilidad de cuantificar los valores de los parámetros en tiempo real.Tal es el caso del método ESSIM-DE (Evolutionary Statistical System withIsland Model and Differential Evolution), el cual ha sido aplicado alproblema de predicción del comportamiento de incendios forestales.ESSIM-DE utiliza análisis estadístico, cómputo paralelo/distribuido y lametaheurística Evolución Diferencial como estrategia para la búsqueda denuevas soluciones. En el uso de toda metaheurística, es importanterealizar una correcta elección de los parámetros de entrada propios de lametaheurística, ya que de ellos depende el comportamiento de laestrategia, y en consecuencia también condiciona la calidad de lapredicción. En este trabajo se desarrolla un análisis de sintonizaciónestática de los parámetros evolutivos de ESSIMDE a fin de encontrar mejorcalidad de predicción.
publishDate 2016
dc.date.none.fl_str_mv 2016-11
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/108806
Tardivo, María Laura; Caymes Scutari, Paola Guadalupe; Bianchini, German; Mendez Garabetti, Miguel; Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; XXXIV; 11-2016; 2903-2917
1666-6070
CONICET Digital
CONICET
url http://hdl.handle.net/11336/108806
identifier_str_mv Tardivo, María Laura; Caymes Scutari, Paola Guadalupe; Bianchini, German; Mendez Garabetti, Miguel; Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; XXXIV; 11-2016; 2903-2917
1666-6070
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.cimec.org.ar/ojs/index.php/mc/article/viewFile/5167/5098
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina de Mecánica Computacional
publisher.none.fl_str_mv Asociación Argentina de Mecánica Computacional
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844614337116766208
score 13.069144

Publicaciones similares