Resumen

Utilizamos computación evolutiva para predecir la trayectoria de los derivadores superficiales. Los datos utilizados para crear el modelo predictivo comprenden la posición horaria de los derivadores, la velocidad del flujo y del viento en la ubicación, y la ubicación predicha por el modelo MOHID. En contraste con los modelos numéricos existentes que utilizan el método Lagrangiano, utilizamos un algoritmo de optimización para predecir la trayectoria. Como medida de evaluación, se utilizó un método que otorga una mejor puntuación a medida que el Error Absoluto Medio (MAE) es menor cuando la diferencia entre la posición predicha en el tiempo y la posición real es menor, y la Separación Lagrangiana Acumulada Normalizada (NCLS), que se utiliza ampliamente como método de evaluación de trayectorias de derivadores. Se utilizaron los métodos evolutivos Differential Evolution (DE), Particle Swarm Optimization (PSO), Covariance Matrix Adaptation Evolution Strategy (CMA-ES) y conjuntos de los anteriores, encontrándose que el conjunto DE&PSO fue el mejor

• Materias:Comportamiento asintótico Entropía del gráfico Seguridad dinámica Polinomios diferenciales Gráfico monocíclico
• Subjects:Asymptotic behavior Entropy of the graph Dynamic safety Differential polynomials Monocyclic graph
• Palabras claves:Computación evolutiva; Modelo predictivo; Método de Lagrange; Algoritmo de optimización; Error Absoluto Medio; Trayectoria.
• Keywords:Evolutionary computation; Predictive model; Lagrangian method; Optimization algorithm; Mean Absolute Error; Trajectory.