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
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión aceptada
Descripción
Los incendios forestales causan anualmente grandes perdidas y daños alrededor del mundo. El pronóstico 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 áreas, se trabaja en el desarrollo y perfeccionamiento de métodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un método h brido de reducción de incertidumbre que combina las virtudes de dos metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos y Evolución Diferencial. Dicho método se denomina Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM).
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
Materia
Algoritmos evolutivos, Incendios Forestales, Heuristic methods , Evolución diferencial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-12T15:43:55Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8038
Acceder
id RIAUTN_cf1da836fb4094b6acd9a63d7179eaf1
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8038
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Método híbrido de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestalesMéndez Garabetti, MiguelBianchini, GermánCaymes Scutari, PaolaTardivo, MaríaAlgoritmos evolutivos, Incendios Forestales, Heuristic methods , Evolución diferencialLos incendios forestales causan anualmente grandes perdidas y daños alrededor del mundo. El pronóstico 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 áreas, se trabaja en el desarrollo y perfeccionamiento de métodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un método h brido de reducción de incertidumbre que combina las virtudes de dos metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos y Evolución Diferencial. Dicho método se denomina Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM).Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; ArgentinaPeer Reviewed2023-06-12T15:43:55Z2023-06-12T15:43:55Z2016-02-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfhttp://hdl.handle.net/20.500.12272/8038***********spaPID 3939info:eu-repo/semantics/openAccess2023-06-12T15:43:55Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:48Zoai:ria.utn.edu.ar:20.500.12272/8038instacron: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 12:44:49.25Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
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
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
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 Algoritmos evolutivos, Incendios Forestales, Heuristic methods , Evolución diferencial
topic Algoritmos evolutivos, Incendios Forestales, Heuristic methods , Evolución diferencial
dc.description.none.fl_txt_mv Los incendios forestales causan anualmente grandes perdidas y daños alrededor del mundo. El pronóstico 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 áreas, se trabaja en el desarrollo y perfeccionamiento de métodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un método h brido de reducción de incertidumbre que combina las virtudes de dos metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos y Evolución Diferencial. Dicho método se denomina Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM).
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Peer Reviewed
description Los incendios forestales causan anualmente grandes perdidas y daños alrededor del mundo. El pronóstico 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 áreas, se trabaja en el desarrollo y perfeccionamiento de métodos que permiten reducir los efectos de la incertidumbre y obtener predicciones m as precisas. En este trabajo se presenta un método h brido de reducción de incertidumbre que combina las virtudes de dos metaheurísticas poblacionales evolutivas: Algoritmos Evolutivos y Evolución Diferencial. Dicho método se denomina Sistema Estadístico Evolutivo Híbrido con Modelo de Islas (HESS-IM).
publishDate 2016
dc.date.none.fl_str_mv 2016-02-01
2023-06-12T15:43:55Z
2023-06-12T15:43:55Z
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 http://hdl.handle.net/20.500.12272/8038
***********
url http://hdl.handle.net/20.500.12272/8038
identifier_str_mv ***********
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
2023-06-12T15:43:55Z
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 2023-06-12T15:43:55Z
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_ 1877230888135163904
score 13.24418

Publicaciones similares