Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/57302
Título: Sistema experto para tomar decisiones de emergencias y seguridad ante meteorología adversa
Otros títulos: Expert sistem for making decisions about emergency and safety in case of adverse meteorological conditions
Autores/as: Santacreu Ríos, Luis Juan 
Talavera Ortiz, Alejandro 
Aguasca Colomo, Ricardo 
Galván González, Blas 
Clasificación UNESCO: 3307 Tecnología electrónica
Palabras clave: CECOES 1-1-2
Fenómeno Meteorológico Adverso
Sistema Experto
Inteligencia Artificial
Proceso Analítico Jerárquico, et al.
Fecha de publicación: 2015
Publicación seriada: Dyna (Bilbao) 
Resumen: La información que se maneja en el Centro Coordinador de Emergencias y Seguridad 1-1-2 del Gobierno de Canarias (CECOES 1-1-2), es algo más que significativa antes, durante y después de cualquier Fenómeno Meteorológico Adverso (FMA). El total de boletines de avisos y predicciones de FMA enviados por la Agencia Estatal de Meteorología (AEMET) y recibidos en el CECOES 1-1-2, en cualquier FMA, son considerables. La información debe ser tratada en el menor tiempo posible, con el fin de generar las prealertas y alertas correspondientes, a la vez que los avisos a la población. Los Sistemas Expertos basados en reglas pueden superar las capacidades humanas, por ejemplo, cuando se requiere analizar un gran volumen de datos en un corto espacio de tiempo, como ocurre en los servicios de emergencias. Por otro lado, la Lógica Difusa es una metodología del área de Inteligencia Artificial que es eficaz cuando se trabaja con imprecisión o ambigüedad, datos erróneos o ausencia de estos, algo a lo que los servicios de emergencias están acostumbrados. "Llueve mucho", "lejos", "hace mucho viento" y "poco calor" son respuestas típicas dadas por los alertantes cuando llaman al 1-1-2. Por último, en meteorología se trabaja con conceptos imprecisos como posibilidad (cuando la probabilidad que ocurra un fenómeno meteorológico está entre el 10% y 40%) y probabilidad (cuando está entre el 40% y 70%). Ante todo esto se ha desarrollado un sistema experto de ayuda en la toma de decisiones basado en un motor de inferencia implementado con Lógica Difusa para el CECOES 1-1-2, capaz de dar respuestas concretas ante la imprecisión o carencia de datos, que entrenándolo con casos reales es capaz de mejorar al comportamiento humano, dando una respuesta más rápida y eficaz. Palabras clave: CECOES 1-1-2, Fenómeno Meteorológico Adverso, Sistema Experto, Inteligencia Artificial, Lógica Difusa, Proceso Analítico Jerárquico (AHP).
The volume of information used in the Emergency Coordination Center (1-1-2 CECOES), which depends on the Canary Government, during and after any adverse weather phenomenon (FMA in Spanish) is now significantly greater than before, The amount of bulletins warnings and forecasts about FMA sent by the Meteorological Agency (AEMET), and received at the 1-1-2 CECOES, is really considerable. The information should be treated as soon as possible in order to generate the corresponding pre-alerts and notifications, as well as public notices to the citizens. The rule-based expert systems can overcome the human capacity, for example, when required to analyze a large volume of data in a limited period of time, as in the emergency services. Moreover, Fuzzy Logic is an artificial intelligence methodology that is effective when dealing with vagueness or ambiguity, erroneous or absence of information, something that the emergency services are used to: for example, “It rains a lot”, “the storm is far away”, “ it is windy” and “we have low temperatures” , are typical responses given by some callers when they alert 1-1-2. Finally, Weather Forecasts usually work with imprecise concepts such as: possibility, (when the probability that a weather phenomenon occurs is between 10 and 40%) and probability, (when between 40 and 70%). We have primarily developed an expert helping-system for decision-making based on an inference engine implemented with Fuzzy Logic in CECOES 1-1-2. This system is able to provide clear answers at the inaccuracy or lack of information, and if trained with real cases, it can improve human behavior giving a quick and effective response.
URI: http://hdl.handle.net/10553/57302
ISSN: 0012-7361
Fuente: Dyna (Bilbao) [ISSN 0012-7361], v. 90 (5), p. 503-512
URL: http://dialnet.unirioja.es/servlet/articulo?codigo=5186414
Colección:Artículos
Adobe PDF (974,7 kB)
Vista completa

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.