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
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/180075
Acceder
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

Publicaciones similares