Algoritmos genéticos guiados para predicción de incendios forestales

Autores
Denham, Mónica Malén; Cortés, Ana; Margalef, Tomás; Luque Fadón, Emilio
Año de publicación
2007
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se propone una metodología para mejorar las predicciones de incendios forestales. Utilizando un simulador ya desarrollado, se utiliza un algoritmo genético para realizar una búsqueda efectiva de parámetros de entrada tal que estos parámetros logren una buena predicción. A esto se le agrega el uso de conocimiento disponible para guiar las operaciones del algoritmo genético y reducir el gran espacio de búsqueda donde opera dicho algoritmo. Se proponen 2 métodos para guiar dicho algoritmo, el método computacional y el método analítico, este último además intenta verificar los resultados del método computacional. Dichos métodos se comparan mediante un estudio experimental mostrando los resultados la ganancia que supone a˜nadir guía a la búsqueda frente a no añadirla.
In this work a methology to improve forest fire prediction is proposed. For this purpose, we used an already developed fire simulator, called fireLib. Since one of the reasons why fire simulators are not able to exactly predict the fire evolution is the simulator input uncertainties, we proposed a tuning process based on a genetic algorithm (GA) to obtain an enhanced set of input parameters that provides an improved simulation. In order to reduce the big search space over which the GA operates, we introduce the use of some knowledge to guide the GA operations. We proposed two methods: a computational scheme and an analytical one. Both methods have been compared againts not using any kind of knowledge and the results are very encouraging.
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Informática
guarda forestal
Parallel programming
Biology and genetics
Performance attributes
predicción de incendios forestales
forest fire prediction
genetic algorithms
high performance computing
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/23181

id SEDICI_3aa5fff97a0a6f5f4c633fd3e062743a
oai_identifier_str oai:sedici.unlp.edu.ar:10915/23181
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Algoritmos genéticos guiados para predicción de incendios forestalesDenham, Mónica MalénCortés, AnaMargalef, TomásLuque Fadón, EmilioCiencias InformáticasInformáticaguarda forestalParallel programmingBiology and geneticsPerformance attributespredicción de incendios forestalesforest fire predictiongenetic algorithmshigh performance computingEn este trabajo se propone una metodología para mejorar las predicciones de incendios forestales. Utilizando un simulador ya desarrollado, se utiliza un algoritmo genético para realizar una búsqueda efectiva de parámetros de entrada tal que estos parámetros logren una buena predicción. A esto se le agrega el uso de conocimiento disponible para guiar las operaciones del algoritmo genético y reducir el gran espacio de búsqueda donde opera dicho algoritmo. Se proponen 2 métodos para guiar dicho algoritmo, el método computacional y el método analítico, este último además intenta verificar los resultados del método computacional. Dichos métodos se comparan mediante un estudio experimental mostrando los resultados la ganancia que supone a˜nadir guía a la búsqueda frente a no añadirla.In this work a methology to improve forest fire prediction is proposed. For this purpose, we used an already developed fire simulator, called fireLib. Since one of the reasons why fire simulators are not able to exactly predict the fire evolution is the simulator input uncertainties, we proposed a tuning process based on a genetic algorithm (GA) to obtain an enhanced set of input parameters that provides an improved simulation. In order to reduce the big search space over which the GA operates, we introduce the use of some knowledge to guide the GA operations. We proposed two methods: a computational scheme and an analytical one. Both methods have been compared againts not using any kind of knowledge and the results are very encouraging.Red de Universidades con Carreras en Informática (RedUNCI)2007-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1620-1632http://sedici.unlp.edu.ar/handle/10915/23181spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:21Zoai:sedici.unlp.edu.ar:10915/23181Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:21.853SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Algoritmos genéticos guiados para predicción de incendios forestales
title Algoritmos genéticos guiados para predicción de incendios forestales
spellingShingle Algoritmos genéticos guiados para predicción de incendios forestales
Denham, Mónica Malén
Ciencias Informáticas
Informática
guarda forestal
Parallel programming
Biology and genetics
Performance attributes
predicción de incendios forestales
forest fire prediction
genetic algorithms
high performance computing
title_short Algoritmos genéticos guiados para predicción de incendios forestales
title_full Algoritmos genéticos guiados para predicción de incendios forestales
title_fullStr Algoritmos genéticos guiados para predicción de incendios forestales
title_full_unstemmed Algoritmos genéticos guiados para predicción de incendios forestales
title_sort Algoritmos genéticos guiados para predicción de incendios forestales
dc.creator.none.fl_str_mv Denham, Mónica Malén
Cortés, Ana
Margalef, Tomás
Luque Fadón, Emilio
author Denham, Mónica Malén
author_facet Denham, Mónica Malén
Cortés, Ana
Margalef, Tomás
Luque Fadón, Emilio
author_role author
author2 Cortés, Ana
Margalef, Tomás
Luque Fadón, Emilio
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Informática
guarda forestal
Parallel programming
Biology and genetics
Performance attributes
predicción de incendios forestales
forest fire prediction
genetic algorithms
high performance computing
topic Ciencias Informáticas
Informática
guarda forestal
Parallel programming
Biology and genetics
Performance attributes
predicción de incendios forestales
forest fire prediction
genetic algorithms
high performance computing
dc.description.none.fl_txt_mv En este trabajo se propone una metodología para mejorar las predicciones de incendios forestales. Utilizando un simulador ya desarrollado, se utiliza un algoritmo genético para realizar una búsqueda efectiva de parámetros de entrada tal que estos parámetros logren una buena predicción. A esto se le agrega el uso de conocimiento disponible para guiar las operaciones del algoritmo genético y reducir el gran espacio de búsqueda donde opera dicho algoritmo. Se proponen 2 métodos para guiar dicho algoritmo, el método computacional y el método analítico, este último además intenta verificar los resultados del método computacional. Dichos métodos se comparan mediante un estudio experimental mostrando los resultados la ganancia que supone a˜nadir guía a la búsqueda frente a no añadirla.
In this work a methology to improve forest fire prediction is proposed. For this purpose, we used an already developed fire simulator, called fireLib. Since one of the reasons why fire simulators are not able to exactly predict the fire evolution is the simulator input uncertainties, we proposed a tuning process based on a genetic algorithm (GA) to obtain an enhanced set of input parameters that provides an improved simulation. In order to reduce the big search space over which the GA operates, we introduce the use of some knowledge to guide the GA operations. We proposed two methods: a computational scheme and an analytical one. Both methods have been compared againts not using any kind of knowledge and the results are very encouraging.
Red de Universidades con Carreras en Informática (RedUNCI)
description En este trabajo se propone una metodología para mejorar las predicciones de incendios forestales. Utilizando un simulador ya desarrollado, se utiliza un algoritmo genético para realizar una búsqueda efectiva de parámetros de entrada tal que estos parámetros logren una buena predicción. A esto se le agrega el uso de conocimiento disponible para guiar las operaciones del algoritmo genético y reducir el gran espacio de búsqueda donde opera dicho algoritmo. Se proponen 2 métodos para guiar dicho algoritmo, el método computacional y el método analítico, este último además intenta verificar los resultados del método computacional. Dichos métodos se comparan mediante un estudio experimental mostrando los resultados la ganancia que supone a˜nadir guía a la búsqueda frente a no añadirla.
publishDate 2007
dc.date.none.fl_str_mv 2007-10
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/10915/23181
url http://sedici.unlp.edu.ar/handle/10915/23181
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
1620-1632
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_ 1844615812334223360
score 13.069144