Reducción de incertidumbre con Evolución Diferencial en la predicción de incendios forestales: Sintonización y Análisis de Parámetros

Abstract

El modelado de cualquier fenómeno natural representa un gran desafíodesde el punto devista matemático y computacional. Pronosticar el comportamiento de losincendios forestales no es la excepción. Los modelos de predicción deincendios forestales generalmente son alimentados por parámetros deentrada que representan el estado del terreno en el instante previo a lapredicción, así como también las condiciones de las variables queintervienen en el desarrollo del incendio (velocidad y dirección delviento, humedad del terreno, tipo de vegetación). Sin embargo, para lograrcierto grado de precisión al momento de la predicción se hace necesariocontar con el valor real de cada parámetrode entrada. La falta de exactitud o incertidumbre sobre el valor de losparámetros de entrada es un problema crucial que puede producir gravesconsecuencias si la salida del modelo proporciona predicciones erróneas.Los métodos de reducción de incertidumbre permiten mejorar la calidad depredicción contrarrestando los efectos negativos que produce laimposibilidad de cuantificar los valores de los parámetros en tiempo real.Tal es el caso del método ESSIM-DE (Evolutionary Statistical System withIsland Model and Differential Evolution), el cual ha sido aplicado alproblema de predicción del comportamiento de incendios forestales.ESSIM-DE utiliza análisis estadístico, cómputo paralelo/distribuido y lametaheurística Evolución Diferencial como estrategia para la búsqueda denuevas soluciones. En el uso de toda metaheurística, es importanterealizar una correcta elección de los parámetros de entrada propios de lametaheurística, ya que de ellos depende el comportamiento de laestrategia, y en consecuencia también condiciona la calidad de lapredicción. En este trabajo se desarrolla un análisis de sintonizaciónestática de los parámetros evolutivos de ESSIMDE a fin de encontrar mejorcalidad de predicción.