En aquesta tesi doctoral es descriu una metodologia per a l’evaluació del temps de resposta i
la qualitat en la predicció de l’evolució d’emergències mediambientals. El treball s’ha centrat
en el cas específic dels incendis forestals, com un dels desastres naturals més importants i
devastadors, però és facilment extrapol·lable a altre tipus d’emèrgencies mediambientals.
Existeixen molts entorns de predicció que es basen en l’ús de simuladors de l’evolució del
fenòmen catastròfic. Donat el creixent poder quant a capacitat de cómput que ens ofereixen
els nous progressos computacionals, com les arquitectures multicore i manycore, i inclús
els paradigmes de cómput distribuit, com Grid o Cloud Computing, sorgeix la necessitat
d’explotar encertadament el poder computacional que aquests ens ofereixen.
Aquest objectiu s’assoleix proporcionant la capacitat d’avaluar, per endavant, com les restriccions existents en el moment d’atendre un incendi forestal actiu afectaran als resultats que s’obtindran, en termes de qualitat (precisió) obtinguda, i temps necessari per prendre una
decisió, i en conseqüència, tenir la capacitat de escollir la configuració més adient tant de
l’estratègia de predicció, com dels recursos computacionals.
Com a conseqüència, el sistema que deriva de l’aplicació d’aquesta metodologia no està
dissenyat per ser un Sistema de Suport a les Decisions (DSS), però sí una eina de la que la
majoria de DSSs per incendis forestals es poden beneficiar notablement.
El problema s’ha tractat per mitjà de la caracterització del comportament d’aquests dos
factors durant el procés de predicció. Per això, es presenta un mètode de predicció de
dues etapes i s’utilitza com a base de treball, donat el notable augment de qualitat que
proporciona en les prediccions.
Aquesta metodologia implica haver de treballar amb tècniques pròpies del camp de la
Intel.ligència Artificial, com són els Algorismes Genètics i els Arbres de Decisió, i també es
recolza en un intens estudi estadístic de les bases de dades d’entrenament, compostes pels
resultats de milers de simulacions.
Els resultats obtinguts en aquest treball d’investigació de llarga durada són completament
satisfactoris, i obren camí a nous reptes. A més, la flexibilitat que ofereix aquesta metodologia
permet aplicar-la en qualsevol altre context d’emergència, el qual la converteix en una
destacable i molt útil eina per lluitar contra aquestes catàstrofes. / En esta tesis doctoral se describe una metodología para la evaluación del tiempo de respuesta
y la calidad en la predicción de la evolución de emergencias medioambientales. El trabajo
se ha centrado en el caso específico de los incendios forestales, como uno de los desastres
naturales más importantes y devastadores, pero es fácilmente extrapolable a otro tipo de
emergencias medioambientales.
Existen muchos entornos de predicción que se basan en el uso de simuladores de la evolución
del fenómeno catastrófico. Dado el creciente poder en cuanto a capacidad de cómputo
que nos ofrecen los nuevos avances computacionales, como las arquitecturas multicore y
manycore, e incluso los paradigmas de cómputo distribuido, como Grid o Cloud Computing,
surge la necesidad de ser capaces de explotar acertadamente el poder computacional que
éstos nos ofrecen.
Tal objetivo se alcanza proporcionando la capacidad de evaluar, de antemano, cómo las
restricciones existentes a la hora de atender un incendio forestal activo afectarán a los
resultados que se obtendrán, tanto en términos de calidad (precisión) obtenida, y tiempo
necesario para tomar una decisión, y por consiguiente, tener la capacidad de escoger la
configuración más adecuada tanto de la estrategia de predicción, como de los recursos
computacionales.
Como consecuencia, el sistema que deriva de la aplicación de esta metodología no está
diseñado para ser un Sistema de Soporte a las Decisiones (DSS), pero sí una herramienta de
la que la mayoría de DSSs para incendios forestales se pueden beneficiar notablemente.
El problema se ha tratado por medio de la caracterización del comportamiento de estos dos
factores durante el proceso de predicción. Para ello, un método de predicción de dos etapas
es presentado y utilizado como base de trabajo, dado el notable aumento de calidad que
proporciona en las predicciones.
Esta metodología implica lidiar con técnicas propias del campo de la Inteligencia Artificial,
como son los Algoritmos Genéticos y los Árboles de Decisión, y a su vez se apoya en
un intenso estudio estadístico de bases de datos de entrenamiento, compuestas por los
resultados de miles de distintas simulaciones.
Los resultados obtenidos en este trabajo de investigación a largo plazo son completamente satisfactorios, y abren camino a nuevos retos. Además, la flexibilidad que ofrece la metodología
permite aplicarla en cualquier otro contexto de emergencia, lo que la convierte en una
destacable y muy útil herramienta para luchar contra estas catástrofes / This thesis describes a methodology for time response and quality assessment in natural
hazards evolution prediction. This work has been focused on the specific case of forest fires
as an important and worrisome catastrophe, but it can easily be extrapolated to all other
kinds of natural hazards.
There exist many prediction frameworks based on the use of simulators of the evolution
of the hazard. Given the increasing computing capabilities allowed by new computing
advances such as multicore and manycore architectures, and even distributed-computing
paradigms, such as Grid and Cloud Computing, the need arises to be able to properly exploit
the computational power they offer.
This goal is fulfilled by introducing the capability to assess in advance how the present
constraints at the time of attending to an ongoing forest fire will affect the results obtained
from them, both in terms of quality (accuracy) obtained and time needed to make a decision,
and therefore being able to select the most suitable configuration of both the prediction
strategy and computational resources to be used.
As a consequence, the framework derived from the application of this methodology is
not supposed to be a new Decision Support System (DSS) for fire departments and Civil
Protection agencies, but a tool from which most of forest fire (and other kinds of natural
hazards) DSSs could benefit notably.
The problem has been tackled by means of characterizing the behavior of these two factors
during the prediction process. For this purpose, a two-stage prediction framework is
presented and considered as a suitable and powerful strategy to enhance the quality of the
predictions.
This methodology involves dealing with Artificial Intelligence techniques, such as Genetic
Algorithms and Decision Trees and also relies on a strong statistical study from training
databases, composed of the results of thousands of different simulations.
The results obtained in this long-term research work are fully satisfactory, and give rise to
several new challenges. Moreover, the flexibility offered by the methodology allows it to be
applied to other kinds of emergency contexts, which turns it into an outstanding and very
useful tool in fighting against these catastrophes.
| Identifer | oai:union.ndltd.org:TDX_UAB/oai:www.tdx.cat:10803/284023 |
| Date | 17 July 2012 |
| Creators | Cencerrado Barraqué, Andrés |
| Contributors | Cortés Fité, Ana, Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius |
| Publisher | Universitat Autònoma de Barcelona |
| Source Sets | Universitat Autònoma de Barcelona |
| Language | English |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
| Format | 106 p., application/pdf |
| Source | TDX (Tesis Doctorals en Xarxa) |
| Rights | ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs., info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds