Método de Reducción de Incertidumbre Basado en Algoritmos Evolutivos y Paralelismo Orientado a la Predicción y Prevención de Desastres Naturales

Abstract

La falta de precisión en los parámetros de entrada en cualquier modelo científico suele ser habitual debido a la imposibilidad de cuantificar todos los factores que afectan al modelo en tiempo real. Esto puede producir consecuencias dramáticas en la salida del mismo si se trata de un sistema crítico, tal como lo es en el caso particular de la predicción de fenómenos naturales. No obstante, también deben sumarse las limitaciones impuestas por los propios modelos, las restricciones que agregan las soluciones numéricas y las provenientes de las propias implementaciones y versiones informáticas. Por tal motivo, esta investigación se ha centrado enel desarrollo de métodos informáticos que se enfoquen en el tratamiento de la incertidumbre de dichos valores de entrada para lograr así una predicción lo más confiable posible por parte del modelo. En base a esto, se han desarrollado dos métodos de reducción de incertidumbre que han sido validados en la predicción del comportamiento de incendios forestales. Dichos métodos utilizan como componentes: Análisis Estadístico, Algoritmos Evolutivos Paralelos, Computación de Alto Desempeño e Información Satelital. El análisis estadístico ofrece la posibilidad de estudiar tendencias en el comportamiento del sistema bajo diversas condiciones, los algoritmos evolutivos paralelos permiten orientar la búsqueda brindando una predicción más precisa, la computación paralela/distribuida brinda infraestructura necesaria para poder llevar a cabo el procesamiento en cantidad de tiempo razonable y la información satelital permite aplicar estos métodos situaciones de emergencia real. Cada uno de estos componentes son indispensables para lograr valores aceptables tanto en términos de calidad de predicción como términos de tiempo de respuesta de los métodos propuestos.