Algoritmos genéticos guiados para predicción de incendios forestales

Abstract

En este trabajo se propone una metodología para mejorar las predicciones de incendios forestales. Utilizando un simulador ya desarrollado, se utiliza un algoritmo genético para realizar una búsqueda efectiva de parámetros de entrada tal que estos parámetros logren una buena predicción. A esto se le agrega el uso de conocimiento disponible para guiar las operaciones del algoritmo genético y reducir el gran espacio de búsqueda donde opera dicho algoritmo. Se proponen 2 métodos para guiar dicho algoritmo, el método computacional y el método analítico, este último además intenta verificar los resultados del método computacional. Dichos métodos se comparan mediante un estudio experimental mostrando los resultados la ganancia que supone a˜nadir guía a la búsqueda frente a no añadirla.

In this work a methology to improve forest fire prediction is proposed. For this purpose, we used an already developed fire simulator, called fireLib. Since one of the reasons why fire simulators are not able to exactly predict the fire evolution is the simulator input uncertainties, we proposed a tuning process based on a genetic algorithm (GA) to obtain an enhanced set of input parameters that provides an improved simulation. In order to reduce the big search space over which the GA operates, we introduce the use of some knowledge to guide the GA operations. We proposed two methods: a computational scheme and an analytical one. Both methods have been compared againts not using any kind of knowledge and the results are very encouraging.