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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/23181
Ver los metadatos del registro completo
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 |