000 | 03006nam a22002777a 4500 | ||
---|---|---|---|
999 |
_c5285 _d5285 |
||
003 | AR-BaCAI | ||
005 | 20221215143515.0 | ||
008 | 190611s2022 Arga|||| |||| 001 0 spa d | ||
040 |
_aAR-BaCAI _cAR-BaCAI |
||
100 | 1 |
_aMartínez Saucedo, Ana Carolina _912590 |
|
245 | 1 | 0 |
_aAqua : _bdesarrollo de un modelo de machine learning para prevenir incendios forestales en Pinamar / _cAna Carolina Martínez Saucedo. |
260 |
_aBuenos Aires: _bCentro Argentino de Ingenieros, _c2022. |
||
300 |
_a124 p. ; _bil. : _c30 cm. _e+ CD Rom |
||
520 | _aEn los últimos años, la severidad de los incendios forestales ha llegado a niveles preocupantes tanto a nivel internacional como nacional. No obstante, gracias al avance de la tecnología es posible predecir la ocurrencia y magnitud de los mismos a través de modelos de Machine Learning especialmente desarrollados para tal fin. En línea con diversas investigaciones realizadas en materia de predicción espaciotemporal de incendios forestales, en el presente trabajo el objetivo fue desarrollar un modelo de Machine Learning que contribuya a la prevención de incendios forestales en el Partido de Pinamar. En consecuencia, se desarrolló un pipeline de datos automatizado en el lenguaje de programación Python que genera el dataset de incendios forestales específico a la zona. Por otro lado, se entrenaron diversos modelos predictivos utilizando las librerías TensorFlow y Scikit-learn, alcanzando una sensibilidad del 88.4% para predecir la ocurrencia de incendios forestales en Pinamar. Asimismo se desarrolló una aplicación web basada en la librería ReactJS para que tanto bomberos como autoridades gubernamentales locales puedan visualizar fácilmente estas predicciones gracias a las capas predictiva e histórica que la misma provee. De esta manera, AQUA se integra a los procesos administrativos que se dan en el cuartel de bomberos al brindar información acerca de la ocurrencia y magnitud de los incendios forestales que se pueden producir contrastados con la evolución histórica de los mismos en la zona, posibilitando de esta forma su prevención activa. En efecto, a través de este trabajo se sentaron las bases necesarias para poder ampliar el área de predicción de incendios forestales a localidades vecinas. | ||
610 |
_aUniversidad Argentina de la Empresa _912586 |
||
650 | 4 |
_2spines _aIngeniería Informática _911301 |
|
650 | 4 |
_2spines _aMedio ambiente _912591 |
|
650 | 4 |
_2spines _aInvestigación aplicada _98296 |
|
650 | 4 |
_2spines _aIncendios _9124 |
|
650 | 4 |
_2spines _aTecnología de la seguridad _950 |
|
653 | 4 | _aPremio Pre Ingeniería | |
700 | 1 |
_aInchausti, Pablo Ezequiel _edir. _912592 |
|
711 |
_aPremio Pre Ingeniería 2022 : _c(Buenos Aires : Centro Argentino de Ingenieros, _d18 Noviembre) _912541 |
||
856 |
_uhttps://cai.org.ar/el-cai-entrego-los-premios-pre-ingenieria-2022/ _yEl CAI entregó los premios Pre-Ingeniería 2022 |
||
942 |
_2udc _cBK _hD-Y6-PRE INGENIERIA 2022-7 |