A computational methodology applied to optimize the performance of a river model under uncertainty conditions

Els avenços en la ciència computacional han fet possible una explosió de models computacionals per analitzar i predir el comportament dels sistemes ambientals complexos, com ara els models fluvials. L'exactitud del model està molt influenciada per moltes fonts d'incertesa, i una d'aquestes fonts és la incertesa sobre els paràmetres. En aquesta investigació presentem un mètode de cerca i optimització per aconseguir una major qualitat predictiva d'un sistema computacional que calcula la traducció de les ones en rius. La nostra proposta pretén assolir aquest objectiu utilitzant el mínim nombre de recursos computacionals. Abordem aquest problema mitjançant una optimització en dues fases amb metodologia de simulació. La primera fase consisteix en un pas d'exploració global per tot l'espai de cerca. Aquest pas identifica regions prometedores per a l'optimització basant-se en la seva estructura veïnal, utilitzant una heurística de Monte Carlo més el mètode K-means. La segona fase és un enfocament detallat que consisteix a cercar la millor solució, ja sigui òptima o subòptima, mitjançant una cerca exhaustiva en aquestes regions prometedores. Aconseguim un guany de velocitat de 20 vegades superior quan cerquem els millors valors dels paràmetres comparats amb una cerca exhaustiva per tot l'espai de candidats als valors dels paràmetres. Aquest guany s'avalora en termes del nombre de simulacions que cal executar per a trobar la solució. Quan fem servir la nostra metodologia i computació paral·lela, hem reduït el temps total d'11 a 0,5 dies. Aconseguim un guany de 22 vegades superior, assolint l'objectiu de reduir l'ús dels recursos informàtics.