Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales

Autores
Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, Miguel
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Los sistemas de predicción constituyen en nuestros días una gran herramienta computacional que puede brindar soporte en los planes de lucha contra el fuego y en la prevención de incendios forestales. ESSIM-DE es un método de predicción paralelo, el cual permite obtener predicciones de la línea de fuego utilizando Análisis Estadístico, la estrategia evolutiva Evolución Diferencial y Cómputo de Alto Desempeño. El Análisis Estadístico permite obtener la tendencia de la propagación de las llamas a lo largo del desarrollo del incendio. El Cómputo de Alto Desempeño se utiliza para mejorar los tiempos de respuesta bajo un esquema de procesamiento en paralelo. Finalmente, la estrategia evolutiva Evolución Diferencial guía el proceso de búsqueda hacia soluciones de calidad. ESSIM-DE ha sido estudiado durante los últimos años, con el fin de mejorar su rendimiento. Recientemente se ha incorporado un operador de reinicio de poblaciones, y la evaluación de un modelo de rendimiento para el componente evolutivo del método. En este trabajo se presenta un estudio de calibración estática sobre dos métricas asociadas a dicho modelo de rendimiento, con el fin de mejorar tanto la calidad como el tiempo de respuesta en la obtención de las predicciones.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
Materia
Incendios, Sintonización, Predicción
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-22T16:14:20Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8090
Acceder
id RIAUTN_a3bfeabd1898f1ff6f0138b68ededb7b
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8090
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestalesTardivo, MaríaCaymes Scutari, PaolaBianchini, GermánMéndez Garabetti, MiguelIncendios, Sintonización, PredicciónLos sistemas de predicción constituyen en nuestros días una gran herramienta computacional que puede brindar soporte en los planes de lucha contra el fuego y en la prevención de incendios forestales. ESSIM-DE es un método de predicción paralelo, el cual permite obtener predicciones de la línea de fuego utilizando Análisis Estadístico, la estrategia evolutiva Evolución Diferencial y Cómputo de Alto Desempeño. El Análisis Estadístico permite obtener la tendencia de la propagación de las llamas a lo largo del desarrollo del incendio. El Cómputo de Alto Desempeño se utiliza para mejorar los tiempos de respuesta bajo un esquema de procesamiento en paralelo. Finalmente, la estrategia evolutiva Evolución Diferencial guía el proceso de búsqueda hacia soluciones de calidad. ESSIM-DE ha sido estudiado durante los últimos años, con el fin de mejorar su rendimiento. Recientemente se ha incorporado un operador de reinicio de poblaciones, y la evaluación de un modelo de rendimiento para el componente evolutivo del método. En este trabajo se presenta un estudio de calibración estática sobre dos métricas asociadas a dicho modelo de rendimiento, con el fin de mejorar tanto la calidad como el tiempo de respuesta en la obtención de las predicciones.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; ArgentinaPeer Reviewed2023-06-22T16:14:20Z2023-06-22T16:14:20Z2018-01-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfapplication/pdf: VI Congreso Nacional de Ingeniería Informática / Sistemas de Información (CONAIISI 2018). Año 2018http://hdl.handle.net/20.500.12272/8090spaPID 4736info:eu-repo/semantics/openAccess2023-06-22T16:14:20Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:38Zoai:ria.utn.edu.ar:20.500.12272/8090instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:39.38Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
title Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
spellingShingle Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
Tardivo, María
Incendios, Sintonización, Predicción
title_short Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
title_full Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
title_fullStr Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
title_full_unstemmed Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
title_sort Sintonización estática de ESSIM-DE(lr) para acelerar y mejorar la predicción de incendios forestales
dc.creator.none.fl_str_mv Tardivo, María
Caymes Scutari, Paola
Bianchini, Germán
Méndez Garabetti, Miguel
author Tardivo, María
author_facet Tardivo, María
Caymes Scutari, Paola
Bianchini, Germán
Méndez Garabetti, Miguel
author_role author
author2 Caymes Scutari, Paola
Bianchini, Germán
Méndez Garabetti, Miguel
author2_role author
author
author
dc.subject.none.fl_str_mv Incendios, Sintonización, Predicción
topic Incendios, Sintonización, Predicción
dc.description.none.fl_txt_mv Los sistemas de predicción constituyen en nuestros días una gran herramienta computacional que puede brindar soporte en los planes de lucha contra el fuego y en la prevención de incendios forestales. ESSIM-DE es un método de predicción paralelo, el cual permite obtener predicciones de la línea de fuego utilizando Análisis Estadístico, la estrategia evolutiva Evolución Diferencial y Cómputo de Alto Desempeño. El Análisis Estadístico permite obtener la tendencia de la propagación de las llamas a lo largo del desarrollo del incendio. El Cómputo de Alto Desempeño se utiliza para mejorar los tiempos de respuesta bajo un esquema de procesamiento en paralelo. Finalmente, la estrategia evolutiva Evolución Diferencial guía el proceso de búsqueda hacia soluciones de calidad. ESSIM-DE ha sido estudiado durante los últimos años, con el fin de mejorar su rendimiento. Recientemente se ha incorporado un operador de reinicio de poblaciones, y la evaluación de un modelo de rendimiento para el componente evolutivo del método. En este trabajo se presenta un estudio de calibración estática sobre dos métricas asociadas a dicho modelo de rendimiento, con el fin de mejorar tanto la calidad como el tiempo de respuesta en la obtención de las predicciones.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
description Los sistemas de predicción constituyen en nuestros días una gran herramienta computacional que puede brindar soporte en los planes de lucha contra el fuego y en la prevención de incendios forestales. ESSIM-DE es un método de predicción paralelo, el cual permite obtener predicciones de la línea de fuego utilizando Análisis Estadístico, la estrategia evolutiva Evolución Diferencial y Cómputo de Alto Desempeño. El Análisis Estadístico permite obtener la tendencia de la propagación de las llamas a lo largo del desarrollo del incendio. El Cómputo de Alto Desempeño se utiliza para mejorar los tiempos de respuesta bajo un esquema de procesamiento en paralelo. Finalmente, la estrategia evolutiva Evolución Diferencial guía el proceso de búsqueda hacia soluciones de calidad. ESSIM-DE ha sido estudiado durante los últimos años, con el fin de mejorar su rendimiento. Recientemente se ha incorporado un operador de reinicio de poblaciones, y la evaluación de un modelo de rendimiento para el componente evolutivo del método. En este trabajo se presenta un estudio de calibración estática sobre dos métricas asociadas a dicho modelo de rendimiento, con el fin de mejorar tanto la calidad como el tiempo de respuesta en la obtención de las predicciones.
publishDate 2018
dc.date.none.fl_str_mv 2018-01-01
2023-06-22T16:14:20Z
2023-06-22T16:14:20Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str acceptedVersion
dc.identifier.none.fl_str_mv : VI Congreso Nacional de Ingeniería Informática / Sistemas de Información (CONAIISI 2018). Año 2018
http://hdl.handle.net/20.500.12272/8090
identifier_str_mv : VI Congreso Nacional de Ingeniería Informática / Sistemas de Información (CONAIISI 2018). Año 2018
url http://hdl.handle.net/20.500.12272/8090
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID 4736
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-22T16:14:20Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-06-22T16:14:20Z
http://creativecommons.org/publicdomain/zero/1.0/
CC0 1.0 Universal
Universidad Tecnológica Nacional. Facultad Regional Mendoza
Atribución
dc.format.none.fl_str_mv pdf
application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230885226414080
score 13.24418

Publicaciones similares