La predicción de diversos fenómenos, como las avalanchas, los incendios, las inundaciones, etc., constituye un proceso complejo en el cual interviene una gran cantidad de información a considerar y numerosas acciones, operaciones, y procedimientos a realizar sobre dicha información. Ello permite modelar el fenómeno, predecir su comportamiento a un cierto plazo, y tomar las decisiones que se consideren más adecuadas a fin de prevenir, mitigar, o paliar los efectos negativos que pueden provocarse en el ecosistema, la población, la sociedad, y la economía a raíz del fenómeno. Nuestra línea de investigación propone abordar la predicción de fenómenos de propagación a través de la integración de tres elementos: la potencia que ofrece el cómputo paralelo/distribuido, la capacidad de los algoritmos poblacionales para orientar la búsqueda de soluciones, y la oportunidad que ofrecen los algoritmos basados en búsqueda por novedad (NS o novelty search). Dichos elementos serán considerados para una familia de métodos predictivos denominada DDM-MOS (Data Driven Methods with Multiple Overlapping Solutions), la cual se trata de una familia de métodos de ayuda a la decisión. Las características intrínsecas de la búsqueda basada en novedad privilegian la evolución u obtención de nuevos resultados (predicciones) en función de la novedad y no solamente por aptitud, como sucede en los algoritmos evolutivos puros. Dicha característica permitiría prevenir o disminuir la aparición de situaciones de convergencia prematura o estancamiento, en beneficio de la calidad de los resultados obtenidos al realizar la predicción.