Predicción de incendios forestales mediante modelos de machine learning

Autores
Martínez Saucedo, Ana; Inchausti, Pablo Ezequiel
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir su ocurrencia y magnitud a través de modelos de Machine Learning especialmente desarrollados para tal fin. En línea con diversas investigaciones realizadas en materia de predicción espaciotemporal de incendios forestales, en el presente trabajo el objetivo fue desarrollar un modelo de Machine Learning que contribuya a la prevención de incendios forestales en el Partido de Pinamar. Para ello se entrenaron diversos modelos utilizando registros de incendios históricos de la zona, alcanzando una sensibilidad del 88.4% para predecir la ocurrencia de incendios forestales a través de un árbol de decisión. Gracias al desarrollo de un pipeline de datos y el entrenamiento automatizado de modelos se sentaron las bases necesarias para posibilitar la predicción de incendios forestales en localidades vecinas.
XXIII Workshop Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
machine learning
aprendizaje supervisado
incendios forestales
medioambiente
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/149568

id SEDICI_0bce1a6dcf6438357c89cb0afc7d6b40
oai_identifier_str oai:sedici.unlp.edu.ar:10915/149568
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Predicción de incendios forestales mediante modelos de machine learningMartínez Saucedo, AnaInchausti, Pablo EzequielCiencias Informáticasmachine learningaprendizaje supervisadoincendios forestalesmedioambienteLa severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir su ocurrencia y magnitud a través de modelos de Machine Learning especialmente desarrollados para tal fin. En línea con diversas investigaciones realizadas en materia de predicción espaciotemporal de incendios forestales, en el presente trabajo el objetivo fue desarrollar un modelo de Machine Learning que contribuya a la prevención de incendios forestales en el Partido de Pinamar. Para ello se entrenaron diversos modelos utilizando registros de incendios históricos de la zona, alcanzando una sensibilidad del 88.4% para predecir la ocurrencia de incendios forestales a través de un árbol de decisión. Gracias al desarrollo de un pipeline de datos y el entrenamiento automatizado de modelos se sentaron las bases necesarias para posibilitar la predicción de incendios forestales en localidades vecinas.XXIII Workshop Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática2022-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf16-25http://sedici.unlp.edu.ar/handle/10915/149568spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2info:eu-repo/semantics/reference/hdl/10915/149102info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:10:25Zoai:sedici.unlp.edu.ar:10915/149568Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:10:25.519SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Predicción de incendios forestales mediante modelos de machine learning
title Predicción de incendios forestales mediante modelos de machine learning
spellingShingle Predicción de incendios forestales mediante modelos de machine learning
Martínez Saucedo, Ana
Ciencias Informáticas
machine learning
aprendizaje supervisado
incendios forestales
medioambiente
title_short Predicción de incendios forestales mediante modelos de machine learning
title_full Predicción de incendios forestales mediante modelos de machine learning
title_fullStr Predicción de incendios forestales mediante modelos de machine learning
title_full_unstemmed Predicción de incendios forestales mediante modelos de machine learning
title_sort Predicción de incendios forestales mediante modelos de machine learning
dc.creator.none.fl_str_mv Martínez Saucedo, Ana
Inchausti, Pablo Ezequiel
author Martínez Saucedo, Ana
author_facet Martínez Saucedo, Ana
Inchausti, Pablo Ezequiel
author_role author
author2 Inchausti, Pablo Ezequiel
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
machine learning
aprendizaje supervisado
incendios forestales
medioambiente
topic Ciencias Informáticas
machine learning
aprendizaje supervisado
incendios forestales
medioambiente
dc.description.none.fl_txt_mv La severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir su ocurrencia y magnitud a través de modelos de Machine Learning especialmente desarrollados para tal fin. En línea con diversas investigaciones realizadas en materia de predicción espaciotemporal de incendios forestales, en el presente trabajo el objetivo fue desarrollar un modelo de Machine Learning que contribuya a la prevención de incendios forestales en el Partido de Pinamar. Para ello se entrenaron diversos modelos utilizando registros de incendios históricos de la zona, alcanzando una sensibilidad del 88.4% para predecir la ocurrencia de incendios forestales a través de un árbol de decisión. Gracias al desarrollo de un pipeline de datos y el entrenamiento automatizado de modelos se sentaron las bases necesarias para posibilitar la predicción de incendios forestales en localidades vecinas.
XXIII Workshop Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática
description La severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir su ocurrencia y magnitud a través de modelos de Machine Learning especialmente desarrollados para tal fin. En línea con diversas investigaciones realizadas en materia de predicción espaciotemporal de incendios forestales, en el presente trabajo el objetivo fue desarrollar un modelo de Machine Learning que contribuya a la prevención de incendios forestales en el Partido de Pinamar. Para ello se entrenaron diversos modelos utilizando registros de incendios históricos de la zona, alcanzando una sensibilidad del 88.4% para predecir la ocurrencia de incendios forestales a través de un árbol de decisión. Gracias al desarrollo de un pipeline de datos y el entrenamiento automatizado de modelos se sentaron las bases necesarias para posibilitar la predicción de incendios forestales en localidades vecinas.
publishDate 2022
dc.date.none.fl_str_mv 2022-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/149568
url http://sedici.unlp.edu.ar/handle/10915/149568
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-1364-31-2
info:eu-repo/semantics/reference/hdl/10915/149102
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
16-25
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842260608224854016
score 13.13397