Re-engineering forest fire spread simulator to consider urgent and green computing
- Autores: Carlos Carrillo Jordan
- Directores de la Tesis: Tomás Margalef (dir. tes.), Antonio Espinosa Morales (codir. tes.)
- Lectura: En la Universitat Autònoma de Barcelona ( España ) en 2022
- Idioma: inglés
- Tribunal Calificador de la Tesis: Mauricio Hanzich (presid.), Anna Sikora (secret.), Fernando Cores Prado (voc.)
- Programa de doctorado: Programa de Doctorado en Informática por la Universidad Autónoma de Barcelona
- Materias:
- Enlaces
- Tesis en acceso abierto en: TDX
- Resumen
- español
Los simuladores de propagación de incendios forestales han demostrado ser herramientas muy útiles en la lucha contra los incendios forestales. A la hora de realizar predicciones sobre la propagación de los incendios forestales, hay dos consideraciones principales: la precisión de la predicción y el tiempo de cálculo. En el contexto de los incendios forestales, parte del error de previsión proviene de la incertidumbre de los datos de entrada. Una estrategia para reducir esta incertidumbre de los datos de entrada consiste en introducir una nueva etapa en la que los parámetros de entrada se ajustan en función de la evolución real del incendio. Para optimizar esta etapa se utiliza un Algoritmo Genético (AG). Esta estrategia es intensiva desde el punto de vista computacional y requiere mucho tiempo. Teniendo en cuenta la urgencia en la predicción de la propagación de incendios forestales, es necesario mantener un equilibrio entre la precisión y el tiempo necesario para calibrar los parámetros de entrada. Esta tesis sigue tres estrategias diferentes para mejorar la calidad de la predicción de la propagación de incendios forestales y reducir el tiempo de ejecución. La primera estrategia consiste en implementar la metodología de precisión mixta en el simulador de propagación de incendios forestales. La mayoría de los códigos científicos han sobredimensionado la precisión necesaria para obtener resultados fiables. Por lo tanto, existe la posibilidad de obtener aumentos de velocidad sustanciales si se utiliza una elección de precisión más adecuada. Proponemos la precisión mixta para acelerar la simulación de cada individuo. Si se reduce el tiempo de ejecución para simular un individuo, podemos aumentar el número de generaciones y el número de individuos por generación, por lo que la calidad de la predicción del comportamiento del fuego mejorará. La segunda estrategia consiste en aplicar una paralelización de grano fino para reducir el tiempo de ejecución del simulador de incendios forestales. Para implementar de forma efectiva esta paralelización de grano fino, explotamos las capacidades computacionales de las GPUs (Unidades de Procesamiento Gráfico). Nos centramos en los simuladores de propagación de incendios forestales basados en el esquema de propagación de ondas elípticas (EWP). Nuestra propuesta consiste en implementar la paralelización en las GPUs para reducir el tiempo de ejecución necesario para simular la evolución de un incendio forestal. Para analizar adecuadamente el aumento de velocidad obtenido, comparamos nuestra implementación en la GPU con una paralelización en OpenMP utilizando fuego real. Los resultados obtenidos ponen de manifiesto que el esquema EWP paralelo propuesto reduce el tiempo de ejecución de la simulación de la propagación de un incendio forestal y permite entregar los resultados con mayor resolución. La última estrategia fomenta el usolos sistemas inegrados para recoger datos en tiempo real y simular el comportamiento futuro del incendio cerca del lugar en el que está ardiendo. El objetivo principal consiste en aplicar nuestra implementación de EWP con una GPU de bajo consumo para conseguir los requisitos de tiempo de ejecución sin perder precisión en las simulaciones de la propagación del fuego para ser utilizadas en escenarios reales. Para lograr este objetivo, presentamos un análisis cuantitativo de la ejecución de un simulador de propagación de incendios forestales en un sistema integrado con una GPU de bajo consumo y comparamos su rendimiento con el de una GPU de escritorio. Además, dado que los sistemas integrados tienen diferentes configuraciones de potencia, se prueban los distintos modos de energía utilizando un incendio forestal real. Los resultados ponen de manifiesto que la utilización del sistema embebido permite realizar la previsión de incendios in situ, con una alta resolución en tiempo casi real.
- català
Els simuladors de propagació d’incendis forestals han demostrat ser eines molt útils en la lluita contra els incendis forestals. A l’hora de realitzar prediccions sobre la propagació dels incendis forestals, hi ha dues consideracions principals: la precisió de la predicció i el temps de càlcul. En el context dels incendis forestals, part de l’error de previsió prové de la incertesa de les dades d’entrada. Una estratègia per a reduir aquesta incertesa de les dades d’entrada consisteix a introduir una nova etapa en la qual els paràmetres d’entrada s’ajusten en funció de l’evolució real de l’incendi. Per a optimitzar aquesta etapa s’utilitza un Algorisme Genètic (AG). Aquesta estratègia és intensiva des del punt de vista computacional i requereix molt temps. Tenint en compte la urgència en la predicció de la propagació d’incendis forestals, és necessari mantenir un equilibri entre la precisió i el temps necessari per a calibrar els paràmetres d’entrada. Aquesta tesi segueix tres estratègies diferents per a millorar la qualitat de la predicció de la propagació d’incendis forestals i reduir el temps d’execució. La primera estratègia consisteix a implementar la metodologia de precisió mixta en el simulador de propagació d’incendis forestals. La majoria dels codis científics han sobreestimat la precisió necessària per a obtenir resultats fiables. Per tant, existeix la possibilitat d’obtenir augments de velocitat substancials si s’utilitza una elecció de precisió més adequada. Proposem metodologia de la precisió mixta per a accelerar la simulació de cada individu. Si es redueix el temps d’execució per a simular un individu, podem augmentar el nombre de generacions i el nombre d’individus per generació, per la qual cosa la qualitat de la predicció del comportament del foc millorarà. La segona estratègia consisteix a aplicar una paral·lelització de gra fi per a reduir el temps d’execució del simulador d’incendis forestals. Per a implementar de manera efectiva aquesta paral·lelització de gra fi, explotem les capacitats computacionals de les GPUs (Unitats de Processament Gràfic). Ens centrem en els simuladors de propagació d’incendis forestals basats en l’esquema de propagació d’ones el·líptiques (EWP). La nostra proposta consisteix a implementar la paral·lelització en les GPUs per a reduir el temps d’execució necessari per a simular l’evolució d’un incendi forestal. Per a analitzar adequadament l’augment de velocitat obtingut, comparem la nostra implementació en la GPU amb una paral·lelització en OpenMP utilitzant foc real. Els resultats obtinguts posen de manifest que l’esquema EWP paral·lel proposat redueix el temps d’execució de la simulació de la propagació d’un incendi forestal i permet lliurar els resultats amb major resolució. L’última estratègia fomenta l’ús dels sistemes integrats moderns per a recollir dades en temps real i simular el comportament futur de l’incendi prop del lloc en el qual està cremant. L’objectiu principal consisteix a aplicar la nostra implementació de EWP amb una GPU de baix consum per a aconseguir els requisits de temps d’execució sense perdre precisió en les simulacions de la propagació del foc per a ser utilitzades en escenaris reals. Per a aconseguir aquest objectiu, presentem una anàlisi quantitativa de l’execució d’un simulador de propagació d’incendis forestals en un sistema integrat amb una GPU de baix consum i comparem el seu rendiment amb el d’una GPU d’escriptori. A més, atès que els sistemes integrats tenen diferents configuracions de potència, es proven les diferents maneres d’energia utilitzant un incendi forestal real. Els resultats posen de manifest que la utilització del sistema embegut permet realitzar la previsió d’incendis in situ, amb una alta resolució en temps gairebé real.
- English
Forest fire spread simulators have been proven to be handy tools when fighting against wildfire disasters. When providing forest fire spread predictions, there are two main considerations: the accuracy of the prediction and the computational time. In the context of forest fires, part of the forecast error comes from the uncertainty in the input data. One strategy to reduce this input-data uncertainty consists of introducing a new stage where the input parameters are adjusted according to the real evolution of the fire. To optimize this adjusting stage, a Genetic Algorithm (GA) is used. This strategy is computationally intensive and time-consuming. Considering the urgency in the forest fire spread prediction, it is necessary to maintain a balance between accuracy and time needed to calibrate the input parameters. This thesis follows three different strategies to improve the forest fire spread prediction quality and reduce the execution time.
The first strategy consists of implementing the mixed-precision methodology into the forest fire spread simulator. Most scientific codes have over-engineered the numerical precision required to obtain reliable results. Therefore, there exists the possibility to get substantial speed-ups from using a more appropriate choice of precision. We propose to use a mixed-precision approach to accelerate the simulation of each individual without sacrificing the accuracy of the prediction. However, the time spent performing the forecasted fire behaviour must be served before the real fire evolution; this implies that the number of individuals per generation of the GA is determined by time response. If the time execution to simulate an individual is reduced, we can increase the number of generations and the number of individuals per generation, so the fire behavior prediction quality will improve. The second strategy consists of applying a fine-grained parallelization to reduce the execution time of the forest fire simulator. To effectively implement this fine grain parallelization, we exploit the computational capabilities of the GPUs (Graphics Processing Units). We focus on the Forest fires spread simulators based on the Elliptical Wave Propagation (EWP) scheme. Our proposal consists of implementing parallelization on GPUs to reduce the execution time required to simulate the evolution of a forest fire. To properly analyze the speed up obtained, we compare our GPU implementation against and OpenMP parallelization using real fire. The obtained results highlighted that the proposed parallel EWP scheme reduces the execution time spent running a forest fire spread simulation and allows the results to be delivered in higher resolution. The last strategy encourages the use of the modern embedded system to collect real-time data and simulate the near future behavior of the fire near Real-time, close to where the fire is burning. The main objective consists of applying our EWP GPU implementation with a low consumption GPU to achieve the execution time requirements without losing accuracy in the simulations of the fire spread for being used in real scenarios. To accomplish this objective, we presented a quantitative analysis of the execution of a forest fire spread simulator in a embedded system with a low consumption GPU and compared its performance against a desktop GPU. Moreover, because embedded systems have different power configurations, the different energy modes are tested using a real wildfire. Results highlighted that the utilization of the embedded system allows performing the fire forecast in situ, with a high resolution in near-real-time.
- español
