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

Autores
Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, María
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
Fuente
Mecánica Computacional (34) 2857-2869 (2016)
Materia
Reducción de Incertidumbre, Predicción, Incendios Forestales, Paralelismo, Metaheurísticas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-08T12:51:58Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8005
Acceder
id RIAUTN_b029eb334da42040bb6c55f0c0be5520
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8005
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestalesMéndez Garabetti, MiguelBianchini, GermánCaymes Scutari, PaolaTardivo, MaríaReducción de Incertidumbre, Predicción, Incendios Forestales, Paralelismo, MetaheurísticasAño a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; ArgentinaPeer Reviewed2023-06-08T12:51:58Z2023-06-08T12:51:58Z2016-11-08info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfMecánica Computacional (Vol XXXIV)1666-6070http://hdl.handle.net/20.500.12272/8005Mecánica Computacional (34) 2857-2869 (2016)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccess2023-06-08T12:51:58Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribución2026-09-24T12:46:59Zoai:ria.utn.edu.ar:20.500.12272/8005instacron: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 12:47:01.0Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
spellingShingle Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
Méndez Garabetti, Miguel
Reducción de Incertidumbre, Predicción, Incendios Forestales, Paralelismo, Metaheurísticas
title_short Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_full Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_fullStr Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_full_unstemmed Método híbrido paralelo de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales
title_sort Método híbrido paralelo 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
author Méndez Garabetti, Miguel
author_facet Méndez Garabetti, Miguel
Bianchini, Germán
Caymes Scutari, Paola
Tardivo, María
author_role author
author2 Bianchini, Germán
Caymes Scutari, Paola
Tardivo, María
author2_role author
author
author
dc.subject.none.fl_str_mv Reducción de Incertidumbre, Predicción, Incendios Forestales, Paralelismo, Metaheurísticas
topic Reducción de Incertidumbre, Predicción, Incendios Forestales, Paralelismo, Metaheurísticas
dc.description.none.fl_txt_mv Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
description Año a año, los incendios forestales consumen aproximadamente dos millones de hectáreas de forestación alrededor del mundo, causando enormes pérdidas y daños. Con el objetivo de reducir los efectos provocados por éstos, continuamente se desarrollan estrategias y herramientas para la prevención, monitoreo y/o predicción de incendios. Los sistemas de predicción suelen verse afectados por la incertidumbre presente en los parámetros de entrada del modelo de comportamiento de fuego. Ante esta problemática, los métodos de reducción de incertidumbre permiten contrarrestar dichos efectos mejorando la calidad de predicción por medio de diferentes técnicas y estrategias. El Sistema Estadístico Evolutivo con Modelo de Islas (ESS-IM) es un método general de reducción de incertidumbre que ha sido aplicado satisfactoriamente en la predicción del comportamiento de incendios forestales. ESS-IM utiliza Computación de Alto Rendimiento, Análisis Estadístico y Algoritmos Evolutivos Paralelos como metaheurística interna. En este trabajo se presenta una nueva arquitectura de ESS-IM donde se utilizan múltiples metaheurísticas operando en paralelo, bajo un esquema híbrido de paralelismo basado en los paradigmas "master-worker" y "modelo de islas". La nueva arquitectura es validada mediante la aplicación del método a un conjunto de quemas reales controladas, evaluando tanto calidad de predicción como rendimiento.
publishDate 2016
dc.date.none.fl_str_mv 2016-11-08
2023-06-08T12:51:58Z
2023-06-08T12:51:58Z
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 Mecánica Computacional (Vol XXXIV)
1666-6070
http://hdl.handle.net/20.500.12272/8005
identifier_str_mv Mecánica Computacional (Vol XXXIV)
1666-6070
url http://hdl.handle.net/20.500.12272/8005
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-08T12:51:58Z
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 2023-06-08T12:51:58Z
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
dc.source.none.fl_str_mv Mecánica Computacional (34) 2857-2869 (2016)
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_ 1877230932036943872
score 13.24418

Publicaciones similares