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
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/108806
Ver los metadatos del registro completo
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 Técnicas2025-09-03T10:07:06Zoai: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:34982025-09-03 10:07:06.697CONICET 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_ |
1842269989495635968 |
score |
13.13397 |