Predicción del Comportamiento de Incendios Forestales mediante un Método de Reducción de Incertidumbre basado en HPC y Evolución Diferencial

Abstract

En la predicción de cualquier fenómeno natural, la precisión constituye un aspecto altamente crítico ya que determina la confiabilidad del modelo y de todo el proceso predictivo. La predicción del comportamiento de los incendios forestales no es una excepción; éstos afectan año a año la biodiversidad, las tierras, los recursos hídricos y la salud. Sin embargo, para alcanzar cierto grado de precisión al momento de predecirlos, es menester enfrentarse al problema que representa la falta de exactitud en los parámetros de entrada (incertidumbre) que alimentan al modelo, ya que esto puede producir consecuencias drásticas si la salida del modelo proporciona predicciones erróneas. A la vez, deben tenerse en cuenta las limitaciones impuestas por los propios modelos, las restricciones que agregan las soluciones numéricas, etc. Por esto, resulta de gran interés el desarrollo de métodos/herramientas dedicados al tratamiento de la incertidumbre para lograr una predicción más confiable. En este trabajo presentamos un proyecto de desarrollo de una nueva versión del método de reducción de incertidumbre denominado Sistema Estadístico Evolutivo, el cual plantea reemplazar el Algoritmo Evolutivo Paralelo utilizado como método de optimización, por otro tipo de algoritmo evolutivo denominado Evolución Diferencial con implementación paralela, esperando mejorar la calidad de predicción.