Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales

Autores
Tardivo, María; Caymes Scutari, Paola; Méndez Garabetti, Miguel; Bianchini, Germán
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
La predicción del comportamiento de los incendios forestales representa un gran desafío desde el punto de vista matemático y computacional. La dificultad radica en la imposibilidad de medir en tiempo real todos los parámetros que determinan el comportamiento del incendio. ESSIM (Evolutionary Statistical System with Island Model), es un método de reducción de incertidumbre que utiliza estadística, computación de alto rendimiento y estrategias evolutivas para orientar la búsqueda hacia mejores soluciones. ESSIM ha sido implementado con dos estrategias de búsqueda: el método ESSIM-EA utiliza como método de optimización a los Algoritmos Evolutivos, por su parte ESSIM-DE utiliza el algoritmo Evolución Diferencial. ESSIM-EA ha demostrado obtener buena calidad de aproximaciones, mientras que ESSIM-DE obtiene mejores tiempos de respuesta. En este trabajo se presenta una alternativa para mejorar la calidad de las soluciones encontradas por ESSIM-DE, a partir del análisis de la velocidad de convergencia de la estrategia evolutiva y su relación con la distribución de la población al inicio de cada paso de predicción.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Materia
Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-08T16:13:53Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8015
Acceder
id RIAUTN_b2725a40cfcb43776a249e24a6a043b4
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8015
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios ForestalesTardivo, MaríaCaymes Scutari, PaolaMéndez Garabetti, MiguelBianchini, GermánIncendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, ParalelismoLa predicción del comportamiento de los incendios forestales representa un gran desafío desde el punto de vista matemático y computacional. La dificultad radica en la imposibilidad de medir en tiempo real todos los parámetros que determinan el comportamiento del incendio. ESSIM (Evolutionary Statistical System with Island Model), es un método de reducción de incertidumbre que utiliza estadística, computación de alto rendimiento y estrategias evolutivas para orientar la búsqueda hacia mejores soluciones. ESSIM ha sido implementado con dos estrategias de búsqueda: el método ESSIM-EA utiliza como método de optimización a los Algoritmos Evolutivos, por su parte ESSIM-DE utiliza el algoritmo Evolución Diferencial. ESSIM-EA ha demostrado obtener buena calidad de aproximaciones, mientras que ESSIM-DE obtiene mejores tiempos de respuesta. En este trabajo se presenta una alternativa para mejorar la calidad de las soluciones encontradas por ESSIM-DE, a partir del análisis de la velocidad de convergencia de la estrategia evolutiva y su relación con la distribución de la población al inicio de cada paso de predicción.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina2023-06-08T16:13:53Z2023-06-08T16:13:53Z2017-10-09info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfXXIII Congreso Argentino de Ciencias de la Computaciónhttp://hdl.handle.net/20.500.12272/8015spaPID 3939info:eu-repo/semantics/openAccess2023-06-08T16:13:53Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:47:50Zoai:ria.utn.edu.ar:20.500.12272/8015instacron: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 12:47:51.793Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
title Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
spellingShingle Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
Tardivo, María
Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo
title_short Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
title_full Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
title_fullStr Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
title_full_unstemmed Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
title_sort Optimización de un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales
dc.creator.none.fl_str_mv Tardivo, María
Caymes Scutari, Paola
Méndez Garabetti, Miguel
Bianchini, Germán
author Tardivo, María
author_facet Tardivo, María
Caymes Scutari, Paola
Méndez Garabetti, Miguel
Bianchini, Germán
author_role author
author2 Caymes Scutari, Paola
Méndez Garabetti, Miguel
Bianchini, Germán
author2_role author
author
author
dc.subject.none.fl_str_mv Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo
topic Incendios forestales, Predicción, Modelo de islas, Algoritmos evolutivos, Evolución diferencial, Paralelismo
dc.description.none.fl_txt_mv La predicción del comportamiento de los incendios forestales representa un gran desafío desde el punto de vista matemático y computacional. La dificultad radica en la imposibilidad de medir en tiempo real todos los parámetros que determinan el comportamiento del incendio. ESSIM (Evolutionary Statistical System with Island Model), es un método de reducción de incertidumbre que utiliza estadística, computación de alto rendimiento y estrategias evolutivas para orientar la búsqueda hacia mejores soluciones. ESSIM ha sido implementado con dos estrategias de búsqueda: el método ESSIM-EA utiliza como método de optimización a los Algoritmos Evolutivos, por su parte ESSIM-DE utiliza el algoritmo Evolución Diferencial. ESSIM-EA ha demostrado obtener buena calidad de aproximaciones, mientras que ESSIM-DE obtiene mejores tiempos de respuesta. En este trabajo se presenta una alternativa para mejorar la calidad de las soluciones encontradas por ESSIM-DE, a partir del análisis de la velocidad de convergencia de la estrategia evolutiva y su relación con la distribución de la población al inicio de cada paso de predicción.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
description La predicción del comportamiento de los incendios forestales representa un gran desafío desde el punto de vista matemático y computacional. La dificultad radica en la imposibilidad de medir en tiempo real todos los parámetros que determinan el comportamiento del incendio. ESSIM (Evolutionary Statistical System with Island Model), es un método de reducción de incertidumbre que utiliza estadística, computación de alto rendimiento y estrategias evolutivas para orientar la búsqueda hacia mejores soluciones. ESSIM ha sido implementado con dos estrategias de búsqueda: el método ESSIM-EA utiliza como método de optimización a los Algoritmos Evolutivos, por su parte ESSIM-DE utiliza el algoritmo Evolución Diferencial. ESSIM-EA ha demostrado obtener buena calidad de aproximaciones, mientras que ESSIM-DE obtiene mejores tiempos de respuesta. En este trabajo se presenta una alternativa para mejorar la calidad de las soluciones encontradas por ESSIM-DE, a partir del análisis de la velocidad de convergencia de la estrategia evolutiva y su relación con la distribución de la población al inicio de cada paso de predicción.
publishDate 2017
dc.date.none.fl_str_mv 2017-10-09
2023-06-08T16:13:53Z
2023-06-08T16:13:53Z
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 XXIII Congreso Argentino de Ciencias de la Computación
http://hdl.handle.net/20.500.12272/8015
identifier_str_mv XXIII Congreso Argentino de Ciencias de la Computación
url http://hdl.handle.net/20.500.12272/8015
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID 3939
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-08T16:13:53Z
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 2023-06-08T16:13:53Z
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 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_ 1877230949131878400
score 13.265058

Publicaciones similares