FRM - I+D+i - Documentos Conferencia
Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/4082
Browse
7 results
Search Results
Item Modelo de Sintonización Computacional aplicado a la Predicción de Incendios(2018-01-01) Caymes Scutari, Paola; Bianchini, Germán; Tardivo, María; Méndez Garabetti, MiguelLa 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.Item Predicción y alerta temprana de incendios forestales mediante integración de información satelital y de campo en un método paralelo de reducción de comportamiento de incendios forestales(2018-01-01) Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Elgueta, Rodrigo; Caylá, Ivana; Córdoba, Diego; Peñasco, Andrés; Morelli, José; Carrizo, Marcelo; Giorlando, Agustín; Luján, Amaldo; Carballo, NicolásLos incendios forestales son considerados unos de los fenómenos naturales que más perjuicios causan en nuestro país y en el mundo, generando pérdidas de vidas humanas, daños en la propiedad, la flora, la fauna, el suelo, el agua, entre otros. Debido a esto, se considera de interés desarrollar herramientas, sistemas, métodos, estrategias, que permitan minimizar los efectos negativos causados por los incendios. En este trabajo presenta una propuesta de integración de información satelital y de campo provista por sensores inalámbricos en un método paralelo de reducción de incertidumbre guiado por datos aplicado a la predicción del comportamiento de incendios forestales. Se presentan los resultados de una primera aproximación de las etapas de adquisición y procesamiento de datos utilizando imágenes satelitales y del diseño de la red de sensores. Dicha integración permitirá determinar la ocurrencia precoz de los incendios forestales antes de que estos se magnifiquen, y además permitirá reducir la incertidumbre de algunas de las variables dinámicas que alimentan al modelo de predicción de comportamiento de incendio, impactando de forma positiva en la calidad de predicción del sistema.Item Análisis de Redimensión de Mapas en un Sistemas de Predicción de Incendios(2017-01-01) Lucatelli, Julián; Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaComo es de público conocimiento, los incendios forestales provocan un gran perjuicio para la población. En primera instancia, por los cambios que se producen en la flora y la fauna de los terrenos afectados, y en segundo término por las pérdidas económicas que estos generan. Esto ha motivado la elaboración y/o perfeccionamiento de métodos que permitan la predicción de su comportamiento, manejo y/o control. Muchos de estos están basados en entornos computacionales, donde se ejecutan diferentes simulaciones de incendios con el propósito de que éstas se asimilen a la realidad. ESSIM-EA (Sistema Estadístico Evolutivo con Modelo de Islas basado en Algoritmos Evolutivos) es un método de reducción de incertidumbre aplicado a la predicción del comportamiento de incendios forestales. Para poder evaluar el comportamiento del fuego, la superficie donde se propaga el incendio es representada en el modelo como un conjunto de celdas de tamaño fijo dentro de un mapa. Estos mapas dependiendo del tamaño de la zona afectada, pueden ser representados con diferentes resoluciones, redimensionándolos con el objetivo de mejorar el rendimiento de ESSIM-EA. Para ello, se ha desarrollado un algoritmo de redimensión de mapas que permite aumentar y disminuir la resolución de las celdas. Este algoritmo sería incluido al método con el objetivo de permitir la redimensión automática de los mapas de incendios, utilizando mapas de incendios reales controlados evaluando calidad de predicción y tiempo de procesamiento en el método ESSIM-EAItem HESSIM: evaluación de Calidad de Predicción aplicada al incendio forestal ocurrido en Queiriga Portugal(2017-01-01) Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaCada año, los incendios forestales afectan más de 350 millones de hectáreas alrededor del mundo, causando innumerables pérdidas y daños, contribuyendo al calentamiento global, la contaminación del aire y el agua, la desertificación y la pérdida de biodiversidad. Si bien se puede deducir que la prevención es la medida más eficaz contra los efectos negativos causados por los incendios, es de suma importancia contar con herramientas que permitan reducir su propagación. En este contexto los sistemas de predicción de incendios son considerados herramientas de gran valor, ya que permiten determinar el avance del frente de fuego facilitando la toma de decisiones acertadas que minimicen el tiempo de acción y los daños causados. El Sistema Estadístico Híbrido Evolutivo con Modelo de Islas (Hybrid Evolutionary-Statistical System with Island Model, HESSIM), es un método de reducción de incertidumbre que ha sido aplicado a la predicción del comportamiento de incendios forestales. Dicho método utiliza computación de alto rendimiento junto con una hibridación de metaheurísticas evolutivas poblacionales bajo un modelo colaborativo. Hasta el momento dicho método había sido aplicado en casos de quemas reales controladas de superficie reducida. En este trabajo HESSIM es aplicado a un incendio real ocurrido en 2013 en la localidad de Queiriga (Portugal), donde se consumieron más de 4000 hectáreas.Item Análisis de Resolución de Mapas de entrada en Método de Predicción de Incendios Forestales(2017-01-01) Zúñiga, Agustín; Méndez Garabetti, Miguel; Bianchini, Germán; Caymes Scutari, Paola; Tardivo, MaríaLos incendios forestales son una de las causas principales de la desaparición de grandes superficies de bosques en el mundo de manera anual. Entre las grandes pérdidas que de ellos resultan pueden destacarse: a) la pérdida de bosques, flora y fauna; b) la pérdida de vidas humanas a causa de los intentos de sofocar y/o controlar los incendios; y c) las pérdidas económicas por daños materiales y gastos en el cuidado y evacuación de personas en riesgo. Por estos motivos se considera de gran importancia destinar esfuerzos y recursos en el fortalecimiento de las tareas de prevención, monitoreo y predicción de incendios forestales con el fin lograr un mejor control de su comportamiento, logrando con esto evitar los daños producidos por el fuego, tanto en los bosques como en las poblaciones cercanas, y minimizar los riegos de trabajo de hombres y mujeres por extinguirlos. La predicción del comportamiento de un incendio forestal es una tarea compleja que suele estar afectada por la incertidumbre proveniente del desconocimiento de los valores en los parámetros de entrada del modelo de predicción. ESSIM-EA (Sistema Estadístico Evolutivo con Modelo de Islas basado en Algoritmos Evolutivos)es un método de reducción de incertidumbre el cual ha sido aplicado a la predicción del comportamiento de incendios forestales controlados. En el presente trabajo se ha aplicado dicho método en casos de incendios forestales reales, con el objetivo de identificar la resolución adecuada de los mapas de entrada que permitan brindar un balance adecuado entre calidad de predicción y tiempo de procesamiento.Item Análisis de Rendimiento para un Método de Reducción de Incertidumbre Aplicado a Incendios Forestales(2017-01-01) Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, Miguel; Printista, MarcelaSi bien el fuego representa un eslabón importante en el mantenimiento de la biodiversidad en algunos ecosistemas, los incendios forestales fuera de control pueden convertirse en una gran amenaza para la población y el ambiente. La simulación de este tipo de fenómenos puede ser de granutilidad para determinar zonas de evacuación, o para definir políticas de prevención y detección de incendios. Sin embargo, es una tarea compleja desde el punto de vista computacional. La dificultad radica tanto en la complejidad de simular el fenómeno físico, así como también en la imposibilidad de determinar con exactitud todos los factores que influyen en el desarrollo del incendio, como la velocidad y dirección del viento, el tipo de vegetación, la humedad del terreno, etc. En este contexto, el método ESSIM-DE(r) (Evolutionary Statistical System with Island Model and Differential Evolution with population Reinitialization) se enfoca en lareducción de la incertidumbre que impacta negativamente en la calidad delos resultados arrojados por la simulación clásica, permitiendo mejorar considerablemente las predicciones mediante el uso de Estadística y Computación Evolutiva Paralela. En general, el costo computacional que requiere realizar la simulación es proporcional a la dimensión de lincendio considerado. Por lo tanto, resulta fundamental contar con estrategias que permitan acelerar el proceso de simulación y así obtener predicciones a corto plazo. Para ello, ESSIM-DE(r) posee un modelo de evaluación en paralelo con múltiples islas. ESSIM-DE(r) ha demostrado reducir los tiempos de cómputo respecto de los métodos que lo antecedieron. No obstante, en tales estudios comparativos se consideró una configuración fija del entorno de ejecución. Por lo tanto, el objetivo de este trabajo es analizar la relación existente entre el tiempo desimulación respecto de la cantidad de recursos computacionales utilizados, a través de un estudio de rendimiento que permita determinar cuál es la capacidad que posee ESSIM-DE(r) per se para alcanzar mejor desempeño.Item Sintonización de aplicaciones Paralelo/Distribuidas orientadas a la predicción de incendios forestales ( Póster)(2017-01-01) Tardivo, María; Caymes Scutari, Paola; Bianchini, Germán; Méndez Garabetti, MiguelLa sintonización de una aplicación paralela permite ajustar los parámetros de funcionamiento y el comportamiento del programa, y constituye una tarea fundamental para obtener un rendimiento adecuado al entorno de ejecución. Sin embargo, requiere un dominio especializado de aspectos adicionales a los meramente algorítmicos, que permitan al usuario tomar decisiones efectivas sobre cómo mejorar el desempeño de la aplicación. Este requisito limita a aquellos usuarios no expertos en el paradigma paralelo, que usualmente son quienes necesitan recurrir al paralelismo. Nuestra línea de investigación se enfoca en las técnicas de sintonización, las cuales permiten calibrar el desempeño del programa mediante la monitorización de la aplicación, el análisis de información relevante para detectar problemas de rendimiento y la sintonización del programa a través de la aplicación de las acciones pertinentes para sobreponerse a dichos problemas. Esta línea de investigación se desarrolla en el Laboratorio de Investigación en Cómputo Paralelo/Distribuido (LICPaD), perteneciente a la Universidad Tecnológica Nacional - Facultad Regional Mendoza y cuenta con el financiamiento de dicha institución a través del proyecto “Desarrollo Automático de Aplicaciones Paralelo/Distribuidas basadas en Algoritmos Evolutivos y Evolución Diferencial”, con código EIUTIME0003952. La primera autora, perteneciente al Departamento de Computación de la UNRC, es miembro del grupo de trabajo y su labor es financiada mediante una beca doctoral otorgada por el Consejo Nacional de Investigaciones Científicas y Técnicas.