Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
- Autores
- Méndez, Miguel Ángel; Bianchini, German; Caymes Scutari, Paola Guadalupe; Tardivo, María Laura
- Año de publicación
- 2016
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.
Fil: Méndez, Miguel Ángel. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina
Fil: Caymes Scutari, Paola Guadalupe. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Tardivo, María Laura. 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. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina - Materia
-
REDUCCIÓN DE INCERTIDUMBRE
PREDICCIÓN
INCENDIOS FORESTALES
PARALELISMO
METAHEURÍSTICAS - 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:11336/180075
Ver los metadatos del registro completo
id |
CONICETDig_d713c811730aa68f989a9849938c9558 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/180075 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestalesMéndez, Miguel ÁngelBianchini, GermanCaymes Scutari, Paola GuadalupeTardivo, María LauraREDUCCIÓN DE INCERTIDUMBREPREDICCIÓNINCENDIOS FORESTALESPARALELISMOMETAHEURÍSTICAShttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.Fil: Méndez, Miguel Ángel. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; ArgentinaFil: Caymes Scutari, Paola Guadalupe. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Tardivo, María Laura. 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. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; 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/11336/180075Méndez, Miguel Ángel; Bianchini, German; Caymes Scutari, Paola Guadalupe; Tardivo, María Laura; Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; XXXIV; 11-2016; 2857-2869CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://venus.santafe-conicet.gov.ar/ojs/index.php/mc/article/view/5164info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-03T10:06:39Zoai:ri.conicet.gov.ar:11336/180075instacron: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 10:06:39.723CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
title |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
spellingShingle |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales Méndez, Miguel Ángel REDUCCIÓN DE INCERTIDUMBRE PREDICCIÓN INCENDIOS FORESTALES PARALELISMO METAHEURÍSTICAS |
title_short |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
title_full |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
title_fullStr |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
title_full_unstemmed |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
title_sort |
Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales |
dc.creator.none.fl_str_mv |
Méndez, Miguel Ángel Bianchini, German Caymes Scutari, Paola Guadalupe Tardivo, María Laura |
author |
Méndez, Miguel Ángel |
author_facet |
Méndez, Miguel Ángel Bianchini, German Caymes Scutari, Paola Guadalupe Tardivo, María Laura |
author_role |
author |
author2 |
Bianchini, German Caymes Scutari, Paola Guadalupe Tardivo, María Laura |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
REDUCCIÓN DE INCERTIDUMBRE PREDICCIÓN INCENDIOS FORESTALES PARALELISMO METAHEURÍSTICAS |
topic |
REDUCCIÓN DE INCERTIDUMBRE PREDICCIÓN INCENDIOS FORESTALES PARALELISMO METAHEURÍSTICAS |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.2 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento. Fil: Méndez, Miguel Ángel. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Bianchini, German. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina Fil: Caymes Scutari, Paola Guadalupe. Universidad Tecnológica Nacional. Facultad Regional Mendoza. Departamento de Sistemas de Información. Laboratorio de Investigación en Cómputo Paralelo/Distribuido; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Tardivo, María Laura. 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. Universidad Nacional de Río Cuarto. Facultad de Ciencias Exactas Fisicoquímicas y Naturales. Departamento de Computación; Argentina |
description |
Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento. |
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/11336/180075 Méndez, Miguel Ángel; Bianchini, German; Caymes Scutari, Paola Guadalupe; Tardivo, María Laura; Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; XXXIV; 11-2016; 2857-2869 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/180075 |
identifier_str_mv |
Méndez, Miguel Ángel; Bianchini, German; Caymes Scutari, Paola Guadalupe; Tardivo, María Laura; Método Híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales; Asociación Argentina de Mecánica Computacional; Mecánica Computacional; XXXIV; 11-2016; 2857-2869 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://venus.santafe-conicet.gov.ar/ojs/index.php/mc/article/view/5164 |
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_ |
1842269968378363904 |
score |
13.13397 |