Modelo de Sintonización Computacional aplicado a la Predicción de Incendios

Autores
Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María; Méndez Garabetti, Miguel
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión aceptada
Descripción
La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
Materia
Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-23T12:16:00Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8107
Acceder
id RIAUTN_ff29ecdba708b05da144f5c7e9be4f3d
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8107
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelo de Sintonización Computacional aplicado a la Predicción de IncendiosCaymes Scutari, PaolaBianchini, GermánTardivo, MaríaMéndez Garabetti, MiguelIncendios Forestales, Sintonización dinámica, Estancamiento, ConvergenciaLa complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina2023-06-23T12:16:00Z2023-06-23T12:16:00Z2018-01-01info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfhttp://hdl.handle.net/20.500.12272/8107*spaPID4736info:eu-repo/semantics/openAccess2023-06-23T12:16:00Zhttp://creativecommons.org/publicdomain/zero/1.0/CC0 1.0 UniversalUniversidad Tecnológica Nacional. Facultad Regional MendozaAtribuciónreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:52Zoai:ria.utn.edu.ar:20.500.12272/8107instacron: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 12:44:53.144Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
spellingShingle Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
Caymes Scutari, Paola
Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
title_short Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_full Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_fullStr Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_full_unstemmed Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
title_sort Modelo de Sintonización Computacional aplicado a la Predicción de Incendios
dc.creator.none.fl_str_mv Caymes Scutari, Paola
Bianchini, Germán
Tardivo, María
Méndez Garabetti, Miguel
author Caymes Scutari, Paola
author_facet Caymes Scutari, Paola
Bianchini, Germán
Tardivo, María
Méndez Garabetti, Miguel
author_role author
author2 Bianchini, Germán
Tardivo, María
Méndez Garabetti, Miguel
author2_role author
author
author
dc.subject.none.fl_str_mv Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
topic Incendios Forestales, Sintonización dinámica, Estancamiento, Convergencia
dc.description.none.fl_txt_mv La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
Fil: Universidad Tecnológica Nacional. Facultad Regional Mendoza; Argentina
description La complejidad de la predicción de incendios forestales radica en el nivel de incertidumbre relativo a la cantidad de variables consideradas por el modelo, la dificultad de medirlas con exactitud, las limitaciones computacionales para su implementación, etc. En los últimos años se ha desarrollado un conjunto de métodos para la reducción de incertidumbre, los DDM-MOS (Métodos Conducidos por Datos con Múltiples Soluciones Solapadas). Los DDM-MOS realizan la predicción de la línea de fuego en base a la agregación de múltiples soluciones consideradas a lo largo del proceso de predicción. Cada DDM-MOS se caracteriza por el nivel de utilización que posee de elementos de Estadística, Computación Evolutiva y Metaheurísticas, Paralelismo, y Sintonización, que imprimen mejoras ya sea en cuanto a calidad de predicción, tiempo de ejecución o utilización de recursos. El uso de Estadística dio lugar al primer DMM-MOS, a través de la utilización de un experimento factorial que, para un incendio dado, calcula diferentes probables comportamientos cuyos resultados se analizan estadísticamente a fin de agregar la información y determinar la tendencia. La incorporación de Algoritmos Evolutivos permite trabajar con una población o muestra del espacio de búsqueda y así reducir el tamaño del experimento factorial de acuerdo a la orientación lograda por el proceso evolutivo. La Computación Paralela potencia el proceso de búsqueda tanto en términos de tiempo como en términos dejerarquización del espacio de búsqueda, al considerar varias poblaciones en paralelo. Metaheurísticas, como Evolución Diferencial y Optimización por Enjambre de Partículas (y su hibridación) explotan las bondades de cada una de ellas. El proceso de Sintonización adapta de forma dinámica la cantidad de recursos computacionales utilizados, a fin de alcanzar una ejecución más eficiente. En este trabajo, se propone un modelo para sintonizar de forma automática y dinámica el parámetro que regula la cantidad de generaciones del proceso evolutivo, a fin de evitar estancamiento y convergencia prematura.
publishDate 2018
dc.date.none.fl_str_mv 2018-01-01
2023-06-23T12:16:00Z
2023-06-23T12:16:00Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/8107
*
url http://hdl.handle.net/20.500.12272/8107
identifier_str_mv *
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv PID4736
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-23T12:16:00Z
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 2023-06-23T12:16:00Z
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_ 1877230889557032960
score 13.24418

Publicaciones similares