Utilizad este identificador para citar o enlazar este documento: http://hdl.handle.net/2072/260276

Big data against forest fires in Galicia
Pérez Brenlla, Pablo
López Vicario, José
Galícia concentra una increïble quantitat d'incendis forestals any rere any. Tot i que s'està fent un enorme esforç en matèria de prevenció i extinció, sembla que no n'hi ha prou. Amb la idea d'ajudar en aquest sentit, aquest projecte utilitza tècniques de Machine Learning amb l'objectiu d'aconseguir una millor distribució dels mitjans existents. Les dades analitzades corresponen a més de 99.000 incendis declarats a Galícia entre el 2000 i el 2014 i a les condicions meteorològiques de cadascun dels dies d'aquest període. El sistema proposat està dividit principalment en tres seccions. En la part descriptiva, es fa un estudi temporal, geogràfic i causal general i també a nivell de municipi. Aquesta anàlisi a baix nivell ens ofereix un informe detallat per cada municipi, amb informació valuosa per bombers i autoritats locals, desconeguda fins ara per ells. La part predictiva consisteix en un algorisme que prediu si va a produir-se un incendi en un municipi en un dia determinat, amb una taxa d'encert acceptable. Per últim, la part prescriptiva indica com utilitzar les dues seccions anteriors per tal d'establir un nivell d'alerta i mesures específiques en diferents zones.
Galicia concentra una increíble cantidad de incendios forestales año tras año. Aunque se está haciendo un enorme esfuerzo en materia de prevención y extinción, parece no ser suficiente. Con la idea de ayudar en este sentido, este proyecto usa técnicas de Machine Learning con el objetivo de lograr una mejor distribución de los medios existentes. Los datos analizados corresponden a más de 99.000 incendios declarados en Galicia entre 2000 y 2014 y las condiciones meteorológicas para cada día de este periodo. El sistema propuesto está dividido principalmente en tres secciones. En la parte descriptiva, se hace un estudio temporal, geográfico y causal general y también a nivel de municipio. Este análisis a bajo nivel nos ofrece un informe detallado para cada municipio, con información valiosa para bomberos y autoridades locales, desconocida hasta ahora para ellos. La parte predictiva consiste en un algoritmo que predice si va a ocurrir un incendio en un municipio y día dado, con una tasa de acierto aceptable. Por último, la parte prescriptiva indica cómo usar las dos secciones anteriores para establecer un nivel de alerta y medidas específicas en distintas zonas.
Galicia focus an incredibly amount of forest fires year after year. Even if an enormous effort is being made in terms of prevention and extinction, it does not seem to be enough. With the idea of helping on this issue, this project uses Machine Learning techniques in order to achieve a better distribution of the existing resources. The data analyzed corresponds to more than 99.000 fires declared in Galicia since 2000 to 2014 and weather conditions for every day in this period. The proposed system is mainly divided into three sections. At the descriptive part, a general temporal, geographical and causal study is made and also at a municipal level. This low level analysis delivers us a detailed report for every municipality with many valuable information for local authorities and firefighters, unknown to them so far. The predictive section consists on an algorithm that predicts whether a fire will take place on a given day and municipality with an acceptable success rate. Lastly, the prescriptive part shows how to use these two previous parts in order to establish an alert level and specific measures for some different areas.
01-2016
621.3 - Enginyeria elèctrica. Electrotècnia. Telecomunicacions
Incendis forestals -- Prevenció i control -- Galícia
Incendis forestals -- Models matemàtics
Macrodades
Bases de dades -- Gestió
L'accés als continguts d'aquest document queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/es/
136 p.
info:eu-repo/semantics/masterThesis
         

Documentos con el texto completo de este documento

Ficheros Tamaño Formato Descripción
TFM_PabloPerezBrenlla.pdf 4.278 MB PDF Memòria

Mostrar el registro completo del ítem