Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial
- Autores
- Méndez Garabetti, Miguel; Tardivo, María Laura; BIanchini, Germán; Caymes Scutari, Paola
- Año de publicación
- 2014
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- En la predicción de cualquier fenómeno natural, la precisión constituye un aspecto altamente crítico ya que determina la confiabilidad del modelo y de todo el proceso predictivo. La predicción del comportamiento de los incendios forestales no es una excepción; éstos afectan año a año la biodiversidad, las tierras, los recursos hídricos y la salud. Sin embargo, para alcanzar cierto grado de precisión al momento de predecirlos, es menester enfrentarse al problema que representa la falta de exactitud en los parámetros de entrada (incertidumbre) que alimentan al modelo, ya que esto puede producir consecuencias drásticas si la salida del modelo proporciona predicciones erróneas. A la vez, deben tenerse en cuenta las limitaciones impuestas por los propios modelos, las restricciones que agregan las soluciones numéricas, etc. Por esto, resulta de gran interés el desarrollo de métodos/herramientas dedicados al tratamiento de la incertidumbre para lograr una predicción más confiable. En este trabajo presentamos un proyecto de desarrollo de una nueva versión del método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo, el cual plantea reemplazar el Algoritmo Evolutivo Paralelo utilizado como método de optimización, por otro tipo de algoritmo evolutivo denominado Evolución Diferencial con implementación paralela, esperando mejorar la calidad de predicción.
Eje: Procesamiento Distribuido y Paralelo
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Software
Parallel processing
Incendios Forestales
predicción de incendios forestales
Distributed architectures
reducción de incertidumbre
evolución diferencial
HPC - 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:10915/42751
Ver los metadatos del registro completo
id |
SEDICI_ba1325db2e2fbc07533edc2baf85419f |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/42751 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución DiferencialMéndez Garabetti, MiguelTardivo, María LauraBIanchini, GermánCaymes Scutari, PaolaCiencias InformáticasSoftwareParallel processingIncendios Forestalespredicción de incendios forestalesDistributed architecturesreducción de incertidumbreevolución diferencialHPCEn la predicción de cualquier fenómeno natural, la precisión constituye un aspecto altamente crítico ya que determina la confiabilidad del modelo y de todo el proceso predictivo. La predicción del comportamiento de los incendios forestales no es una excepción; éstos afectan año a año la biodiversidad, las tierras, los recursos hídricos y la salud. Sin embargo, para alcanzar cierto grado de precisión al momento de predecirlos, es menester enfrentarse al problema que representa la falta de exactitud en los parámetros de entrada (incertidumbre) que alimentan al modelo, ya que esto puede producir consecuencias drásticas si la salida del modelo proporciona predicciones erróneas. A la vez, deben tenerse en cuenta las limitaciones impuestas por los propios modelos, las restricciones que agregan las soluciones numéricas, etc. Por esto, resulta de gran interés el desarrollo de métodos/herramientas dedicados al tratamiento de la incertidumbre para lograr una predicción más confiable. En este trabajo presentamos un proyecto de desarrollo de una nueva versión del método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo, el cual plantea reemplazar el Algoritmo Evolutivo Paralelo utilizado como método de optimización, por otro tipo de algoritmo evolutivo denominado Evolución Diferencial con implementación paralela, esperando mejorar la calidad de predicción.Eje: Procesamiento Distribuido y ParaleloRed de Universidades con Carreras en Informática (RedUNCI)2014-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf690-694http://sedici.unlp.edu.ar/handle/10915/42751spainfo: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:UNLP2025-09-03T10:34:14Zoai:sedici.unlp.edu.ar:10915/42751Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:34:15.206SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
title |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
spellingShingle |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial Méndez Garabetti, Miguel Ciencias Informáticas Software Parallel processing Incendios Forestales predicción de incendios forestales Distributed architectures reducción de incertidumbre evolución diferencial HPC |
title_short |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
title_full |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
title_fullStr |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
title_full_unstemmed |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
title_sort |
Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial |
dc.creator.none.fl_str_mv |
Méndez Garabetti, Miguel Tardivo, María Laura BIanchini, Germán Caymes Scutari, Paola |
author |
Méndez Garabetti, Miguel |
author_facet |
Méndez Garabetti, Miguel Tardivo, María Laura BIanchini, Germán Caymes Scutari, Paola |
author_role |
author |
author2 |
Tardivo, María Laura BIanchini, Germán Caymes Scutari, Paola |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Software Parallel processing Incendios Forestales predicción de incendios forestales Distributed architectures reducción de incertidumbre evolución diferencial HPC |
topic |
Ciencias Informáticas Software Parallel processing Incendios Forestales predicción de incendios forestales Distributed architectures reducción de incertidumbre evolución diferencial HPC |
dc.description.none.fl_txt_mv |
En la predicción de cualquier fenómeno natural, la precisión constituye un aspecto altamente crítico ya que determina la confiabilidad del modelo y de todo el proceso predictivo. La predicción del comportamiento de los incendios forestales no es una excepción; éstos afectan año a año la biodiversidad, las tierras, los recursos hídricos y la salud. Sin embargo, para alcanzar cierto grado de precisión al momento de predecirlos, es menester enfrentarse al problema que representa la falta de exactitud en los parámetros de entrada (incertidumbre) que alimentan al modelo, ya que esto puede producir consecuencias drásticas si la salida del modelo proporciona predicciones erróneas. A la vez, deben tenerse en cuenta las limitaciones impuestas por los propios modelos, las restricciones que agregan las soluciones numéricas, etc. Por esto, resulta de gran interés el desarrollo de métodos/herramientas dedicados al tratamiento de la incertidumbre para lograr una predicción más confiable. En este trabajo presentamos un proyecto de desarrollo de una nueva versión del método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo, el cual plantea reemplazar el Algoritmo Evolutivo Paralelo utilizado como método de optimización, por otro tipo de algoritmo evolutivo denominado Evolución Diferencial con implementación paralela, esperando mejorar la calidad de predicción. Eje: Procesamiento Distribuido y Paralelo Red de Universidades con Carreras en Informática (RedUNCI) |
description |
En la predicción de cualquier fenómeno natural, la precisión constituye un aspecto altamente crítico ya que determina la confiabilidad del modelo y de todo el proceso predictivo. La predicción del comportamiento de los incendios forestales no es una excepción; éstos afectan año a año la biodiversidad, las tierras, los recursos hídricos y la salud. Sin embargo, para alcanzar cierto grado de precisión al momento de predecirlos, es menester enfrentarse al problema que representa la falta de exactitud en los parámetros de entrada (incertidumbre) que alimentan al modelo, ya que esto puede producir consecuencias drásticas si la salida del modelo proporciona predicciones erróneas. A la vez, deben tenerse en cuenta las limitaciones impuestas por los propios modelos, las restricciones que agregan las soluciones numéricas, etc. Por esto, resulta de gran interés el desarrollo de métodos/herramientas dedicados al tratamiento de la incertidumbre para lograr una predicción más confiable. En este trabajo presentamos un proyecto de desarrollo de una nueva versión del método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo, el cual plantea reemplazar el Algoritmo Evolutivo Paralelo utilizado como método de optimización, por otro tipo de algoritmo evolutivo denominado Evolución Diferencial con implementación paralela, esperando mejorar la calidad de predicción. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-05 |
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/10915/42751 |
url |
http://sedici.unlp.edu.ar/handle/10915/42751 |
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 690-694 |
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_ |
1842260192193937408 |
score |
13.13397 |