Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales

Autores
Méndez Garabetti, Miguel; BIanchini, Germán; Caymes Scutari, Paola; Tardivo, María Laura
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los incendios forestales causan anualmente grandes p erdidas y da~nos alrededor del mundo. El pron ostico del comportamiento de un incendio puede ser una herramienta fundamental para tomar decisiones en situaciones de emergencia. Sin embargo, este proceso suele estar afectado por la existencia de incertidumbre en las variables que alimentan al modelo. Por este motivo, desde diferentes areas, se trabaja en el desarrollo y perfeccionamiento de m etodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un m etodo h brido de reducci on de incertidumbre que combina las virtudes de dos metaheur sticas poblacionales evolutivas: Algoritmos Evolutivos y Evoluci on Diferencial. Dicho m etodo se denomina Sistema Estad stico Evolutivo H brido con Modelo de Islas (HESS-IM).
XVI Workshop Procesamiento Distribuido y Paralelo (WPDP).
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
algoritmos evolutivos
Incendios Forestales
Heuristic methods
evolución diferencial
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:10915/55780
Acceder
id SEDICI_53ca098bcc04813cf6a982892cf05192
oai_identifier_str oai:sedici.unlp.edu.ar:10915/55780
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestalesMéndez Garabetti, MiguelBIanchini, GermánCaymes Scutari, PaolaTardivo, María LauraCiencias Informáticasalgoritmos evolutivosIncendios ForestalesHeuristic methodsevolución diferencialLos incendios forestales causan anualmente grandes p erdidas y da~nos alrededor del mundo. El pron ostico del comportamiento de un incendio puede ser una herramienta fundamental para tomar decisiones en situaciones de emergencia. Sin embargo, este proceso suele estar afectado por la existencia de incertidumbre en las variables que alimentan al modelo. Por este motivo, desde diferentes areas, se trabaja en el desarrollo y perfeccionamiento de m etodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un m etodo h brido de reducci on de incertidumbre que combina las virtudes de dos metaheur sticas poblacionales evolutivas: Algoritmos Evolutivos y Evoluci on Diferencial. Dicho m etodo se denomina Sistema Estad stico Evolutivo H brido con Modelo de Islas (HESS-IM).XVI Workshop Procesamiento Distribuido y Paralelo (WPDP).Red de Universidades con Carreras en Informática (RedUNCI)2016-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf149-158http://sedici.unlp.edu.ar/handle/10915/55780spainfo:eu-repo/semantics/reference/hdl/10915/55718info: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:UNLP2025-10-15T10:58:18Zoai:sedici.unlp.edu.ar:10915/55780Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:58:19.008SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
spellingShingle Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
Méndez Garabetti, Miguel
Ciencias Informáticas
algoritmos evolutivos
Incendios Forestales
Heuristic methods
evolución diferencial
title_short Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_full Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_fullStr Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_full_unstemmed Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_sort Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
dc.creator.none.fl_str_mv Méndez Garabetti, Miguel
BIanchini, Germán
Caymes Scutari, Paola
Tardivo, María Laura
author Méndez Garabetti, Miguel
author_facet Méndez Garabetti, Miguel
BIanchini, Germán
Caymes Scutari, Paola
Tardivo, María Laura
author_role author
author2 BIanchini, Germán
Caymes Scutari, Paola
Tardivo, María Laura
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
algoritmos evolutivos
Incendios Forestales
Heuristic methods
evolución diferencial
topic Ciencias Informáticas
algoritmos evolutivos
Incendios Forestales
Heuristic methods
evolución diferencial
dc.description.none.fl_txt_mv Los incendios forestales causan anualmente grandes p erdidas y da~nos alrededor del mundo. El pron ostico del comportamiento de un incendio puede ser una herramienta fundamental para tomar decisiones en situaciones de emergencia. Sin embargo, este proceso suele estar afectado por la existencia de incertidumbre en las variables que alimentan al modelo. Por este motivo, desde diferentes areas, se trabaja en el desarrollo y perfeccionamiento de m etodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un m etodo h brido de reducci on de incertidumbre que combina las virtudes de dos metaheur sticas poblacionales evolutivas: Algoritmos Evolutivos y Evoluci on Diferencial. Dicho m etodo se denomina Sistema Estad stico Evolutivo H brido con Modelo de Islas (HESS-IM).
XVI Workshop Procesamiento Distribuido y Paralelo (WPDP).
Red de Universidades con Carreras en Informática (RedUNCI)
description Los incendios forestales causan anualmente grandes p erdidas y da~nos alrededor del mundo. El pron ostico del comportamiento de un incendio puede ser una herramienta fundamental para tomar decisiones en situaciones de emergencia. Sin embargo, este proceso suele estar afectado por la existencia de incertidumbre en las variables que alimentan al modelo. Por este motivo, desde diferentes areas, se trabaja en el desarrollo y perfeccionamiento de m etodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un m etodo h brido de reducci on de incertidumbre que combina las virtudes de dos metaheur sticas poblacionales evolutivas: Algoritmos Evolutivos y Evoluci on Diferencial. Dicho m etodo se denomina Sistema Estad stico Evolutivo H brido con Modelo de Islas (HESS-IM).
publishDate 2016
dc.date.none.fl_str_mv 2016-10
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/10915/55780
url http://sedici.unlp.edu.ar/handle/10915/55780
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/reference/hdl/10915/55718
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
149-158
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_ 1846064030822694912
score 13.22299

Publicaciones similares