tut. (Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius)
| Additional title: |
Implementation of a Genetic Algorithm to improve wildfire simulations |
| Additional title: |
Implementación de un Algoritmo Genético para mejorar las simulaciones de incendios forestales |
| Date: |
2026 |
| Abstract: |
Aquest treball tracta el problema de la predicció d'incendis forestals. Des de fa dècades, s'ha treballat en models de propagació d'incendis que, a partir de dades com la topografia, meteorologia i flora de l'àrea de l'incendi, volen simular el comportament del foc en el temps i l'espai. Un dels simuladors més utilitzats en aquest àmbit és FARSITE. L'objectiu d'aquest treball és millorar la precisió de les simulacions de FARSITE 5. 0 fent servir la tècnica d'optimització i cerca anomenada Algoritme Genètic. Implementat en C++, selecciona els paràmetres meteorològics d'entrada més òptims pel simulador segons una funció d'error, que busca l'individu amb el perímetre de foc més semblant. El programa es paral·lelitza fent servir MPI i s'executa tot plegat en entorns de computació d'altes prestacions (HPC). Els resultats mostren millores a la predicció de la propagació del foc, així com una disminució significativa del temps d'execució respecte a la seva versió seqüencial. |
| Abstract: |
This work addresses the problem of wildfire prediction. For several decades, research has been conducted on fire spread models that, based on data such as topography, meteorology, and vegetation of the fire area, aim to simulate fire behavior over time and space. One of the most widely used simulators in this field is FARSITE. The objective of this work is to improve the accuracy of FARSITE 5. 0 simulations by using the optimization and search technique known as the Genetic Algorithm. Implemented in C++, it selects the most optimal meteorological input parameters for the simulator according to a fitness function that seeks the individual with the most similar fire perimeter. The program is parallelized using MPI and is executed in high-performance computing (HPC) environments. The results show an improvement in fire spread prediction, as well as a significant reduction in execution time compared to its sequential version. |
| Abstract: |
Este trabajo trata el problema de la predicción de incendios forestales. Desde hace décadas, se ha trabajado en modelos de propagación de incendios que, a partir de datos como la topografía, la meteorología y la flora del área del incendio, pretenden simular el comportamiento del fuego en el tiempo y el espacio. Uno de los simuladores más utilizados en este ámbito es FARSITE. El objetivo de este trabajo es mejorar la precisión de las simulaciones de FARSITE 5. 0 haciendo uso de la técnica de optimización y búsqueda denominada Algoritmo Genético. Implementado en C++, selecciona los parámetros meteorológicos de entrada más óptimos para el simulador según una función de error, que busca el individuo con el perímetro de fuego más similar. El programa se paraleliza haciendo uso de MPI y se ejecuta en entornos de computación de altas prestaciones (HPC). Los resultados muestran mejoras en la predicción de la propagación del fuego, así como una disminución significativa del tiempo de ejecución respecto a su versión secuencial. |
| Rights: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Language: |
Català |
| Studies: |
Enginyeria Informàtica [2502441] |
| Study plan: |
Enginyeria Informàtica [958] |
| Document: |
Treball final de grau |
| Subject area: |
Menció Enginyeria de Computadors |
| Subject: |
Incendis forestals ;
Predicció incendis ;
FARSITE ;
Algoritme Genétic ;
Funció error ;
MPI ;
Computacio Altes Prestacions ;
Wildfires ;
Fire prediction ;
Genetic Algorithm ;
Fitness function ;
HPC ;
Incendios forestales ;
Predicción incendios ;
Algoritmo Genético ;
Función error ;
Computación Altas Prestaciones |
guest ::
