Multi-core Hybrid Architectures Applied to Forest Fire Spread Prediction

96 Pages·2015·6.17 MB·Spanish

Universitat Auto(cid:18)noma de Barcelona
Escola d'Enginyeria
Departament d'Arquitectura de Computadors i Sistemes Operatius
Multi-core Hybrid Architectures Applied to
Forest Fire Spread Prediction
Thesis submitted by Toma(cid:18)s Art(cid:19)es Vivancos in ful-
(cid:12)llment of the requirements for the doctoral degree
from Universitat Aut(cid:18)onoma de Barcelona advised
by Dr. Ana Cort(cid:19)es Fit(cid:19)e.
Barcelona (Spain), July 23th, 2015

Multi-core Hybrid Architectures Applied to
Forest Fire Spread Prediction
Thesis submitted by Tom(cid:18)as Art(cid:19)es Vivancos in ful(cid:12)llment of the requirements for the
doctoral degree from Universitat Aut(cid:18)onoma de Barcelona. This work has been devel-
oped under RD 1393/2007 (adapted to RD 99/2011) in the High Performance Comput-
ing doctoral program and presented to the Computer Architecture & Operating Sys-
tems Department at the Escola d'Enginyeria of Universitat Auto(cid:18)noma de Barcelona.
This thesis was advised by Dr. Ana Cort(cid:19)es Fit(cid:19)e.
Advisor signature Author signature

Acknowledgements
Gracias Laura, por empezar una nueva familia con un estudiante de doctorado a
pesardeloqueelloconlleva. Aellaagradezcocadaunadesusaccionesparaayudarmey
ensen~arme durante todos estos an~os, nunca los olvidar(cid:19)e. Ella me convencio(cid:19) a adoptar
a Tedi, que sin sus carin~osos y felinos aran~azos matinales esta tesis no hubiese sido
posible. Au(cid:19)n me pregunto qui(cid:19)en le puso ese nombre y el porqu(cid:19)e, Tedi. Tambi(cid:19)en debo
agradecer la aportaci(cid:19)on de la tortuga sin nombre que tengo a mi lado, que hace ruido
al chocar contra los cristales de la tortuguera manteni(cid:19)endome despierto en momentos
como este.
Esta tesis no se habr(cid:19)(cid:16)a llevado a cabo sin mi familia. Y no lo digo porque es lo
que toca en esta situaci(cid:19)on. Gracias a mis padres, hermanos, t(cid:19)(cid:16)os, abuelos, etc. que me
han orientado y alejado de mi suen~o de infancia, ser vendedor ambulante de pizzas.
Querido lector, cr(cid:19)eame cuando le digo que mi familia y mi pareja han hecho mucho
por mi. Todos ellos no han parado de darme ejemplo desde que los conozco, y doy fe
de que no se dan por vencidos.
Ahora que ya sabe como he podido acabar realizando estudios universitarios y
porqueestatesis,asupesar,noesunconjuntodeapetitososingredientesmediterr(cid:19)aneos,
creo conveniente que sea consciente del soporte recibido durante la elaboracio(cid:19)n de la
misma.
Este trabajo se ha realizado dentro de un grupo de investigacio(cid:19)n dirigido por Ana y
Tom(cid:18)as. Ambosmehanintroducidoenelintrincadocampodelainvestigacio(cid:19)n. Imagine
el esfuerzo que han realizado para dar lugar al presente trabajo y aliarse con mi familia
para mantenerme alejado de la venta ambulante de pizzas. Muchas gracias a todos los
miembros del Fire Team por cada uno de los esfuerzos que me han dedicado.
Es bien conocida la importancia de un buen ambiente laboral. Aunque en el de-
partamento de la universidad no tengamos toboganes, sala de juegos o una f(cid:19)abrica de
chocolate, gozamos de un excelente ambiente laboral gracias a lo mas importante, las
personas. Por este motivo, agradezco a todos los profesores, t(cid:19)ecnicos, administrativos,
CAOS Girls y a la PIF Crew cada momento agradable al que han contribuido con
su esfuerzo e iniciativa. Cabe destacar tambi(cid:19)en, la gran aportaci(cid:19)on que hacen aque-
llos estudiantes de doctorado que vienen de otros pa(cid:19)(cid:16)ses. A menudo nos olvidamos
de lo dif(cid:19)(cid:16)cil que es estar alejado de tu tierra natal aguantando estupideces de otros
estudiantes ind(cid:19)(cid:16)genas del departamento y mantener un cara(cid:19)cter agradable y positivo.
6
Muchas gracias a todos los amigos que hicieron mi estancia de doctorado m(cid:19)as
amena, ya sea por hacerme reir a distancia o por su agradable visita a Italia.
I would like to express my gratitude to the Joint Research Centre and the Institute
for Environment and Sustainability for give me the chance to work with them during
the PhD. stay. Specially, those who made my stay more comfortable, constructive and
pleasant.
Abstract
Large forest (cid:12)res are a kind of natural hazard that represents a big threat for the
society because it implies a signi(cid:12)cant number of economic and human costs. To avoid
major damages and to improve forest (cid:12)re management, one can use forest (cid:12)re spread
simulators to predict (cid:12)re behaviour. When providing forest (cid:12)re predictions, there are
two main considerations: accuracy and computation time.
In the context of natural hazards simulation, it is well known that part of the
(cid:12)nal forecast error comes from uncertainty in the input data. For this reason several
input data calibration methods have been developed by the scienti(cid:12)c community. In
this work, we use the Two-Stage calibration methodology, which has been shown to
provide good results. This calibration strategy is computationally intensive and time-
consuming because it uses a Genetic Algorithm as an optimization strategy. Taking
into account the aspect of urgency in forest (cid:12)re spread prediction, we need to maintain
a balance between accuracy and the time needed to calibrate the input parameters. In
order to take advantage of this technique, we must deal with the problem that some of
the obtained solutions are impractical, since they involve simulation times that are too
long, preventing the prediction system from being deployed at an operational level.
This PhD Thesis exploits the bene(cid:12)ts of current multi-core architectures with the
aim of accelerating the Two-Stage forest (cid:12)re prediction scheme being able to deliver
predictions under strict real time constraints. For that reason, a Time-Aware Core
allocation (TAC) policy has been de(cid:12)ned to determine in advance the more appropriate
number of cores assigned to a given forest (cid:12)re spread simulation. Each execution
con(cid:12)guration is obtained considering the particular values of the input data needed
for each simulation by applying a dynamic decision tree. However, in those cases
where the optimization process will drive the system to solutions whose simulation
time will prevent the system to (cid:12)nish on time, two di(cid:11)erent enhanced schemes have
beende(cid:12)ned: Re-TACandSoft-TAC.Re-TACapproachdealswiththeresolutionofthe
simulation. Inparticular,Re-TAC(cid:12)ndstheminimumresolutionreductionforsuchlong
simulations, keeping accuracy loss to a known interval. On the other hand, Soft-TAC
considers the GA's population size as dynamic in the sense that none individual will be
killed for over passing the internal generations deadline, but it will be keep executing
and the population size for the subsequent GA's generation is modi(cid:12)ed according to
that.
8
All proposed prediction strategies have been tested with past real cases obtaining
satisfactory results both in terms of prediction accuracy and in the time required to
deliver the prediction.
Keywords
Forest (cid:12)re spread prediction, model coupling, wind (cid:12)eld model, multi-core systems,
MPI, OpenMP, hybrid applications.
Resumen
Los incendios forestales son un tipo de cat(cid:19)astrofe natural que representa un gran
reto para sociedad debido a sus elevados costes econ(cid:19)omicos y humanos. Con el objetivo
de evitar los costes derivados de dicho desastre natural y mejorar la extinci(cid:19)on de (cid:19)estos,
los simuladores de propagaci(cid:19)on de incendios se pueden utilizar para intentar anticipar
el comportamiento del incendio y ayudar a conseguir una extincio(cid:19)n del incendio m(cid:19)as
e(cid:12)ciente y segura. Cuando se propociona una prediccio(cid:19)n de la propagacio(cid:19)n de un
incendio forestal existen dos elementos clave: la precisi(cid:19)on y el tiempo necesario para
computar la predicci(cid:19)on.
Bajo el contexto de la simulacio(cid:19)n de desastres naturales, es bien conocido que parte
del error de la prediccio(cid:19)n esta(cid:19) sujeta a la incertidumbre en los datos de entrada uti-
lizados por el simulador. Por esta raz(cid:19)on, la comunidad cient(cid:19)(cid:16)(cid:12)ca ha creado distintos
m(cid:19)etodosdecalibracio(cid:19)nparareducirlaincertidumbredelosdatosdeentradayas(cid:19)(cid:16)mejo-
rar el error de la prediccio(cid:19)n. En este trabajo se utiliza una metodolog(cid:19)(cid:16)a de calibracio(cid:19)n
basada en dos etapas que ha sido probada en trabajos previos con buenos resultados.
Este m(cid:19)etodo de calibracio(cid:19)n implica una necesidad considerable de recursos computa-
cionales y eleva el tiempo de c(cid:19)omputo debido al uso de un Algoritmo Gen(cid:19)etico como
m(cid:19)etodo de bu(cid:19)squeda de los mejores datos de entrada del simulador. Se debe tener
en cuenta las restricciones de tiempo bajo las que trabaja un sistema de prediccio(cid:19)n
de incendios. Es necesario mantener un equilibrio adecuado entre precisi(cid:19)on y tiempo
de co(cid:19)mputo utilizado para poder proporcionar una buena prediccio(cid:19)n a tiempo. Para
poder utilizar la t(cid:19)ecnica de calibracio(cid:19)n mencionada, se debe solucionar el problema
que representa que algunas soluciones sean inviables debido a que implican tiempos de
ejecucio(cid:19)n muy largos, lo que puede impedir que se pueda dar respuesta a su debido
tiempo en un supuesto contexto operacional.
La presente Tesis Doctoral utiliza las arquitecturas multi-core con el objetivo de
acelerar el m(cid:19)etodo de calibracio(cid:19)n basado en dos etapas y poder proporcionar una
prediccio(cid:19)n bajo tiempos de entrega que se dar(cid:19)(cid:16)an en un contexto real. Por esta razo(cid:19)n,
se de(cid:12)ne una pol(cid:19)(cid:16)tica de asignacio(cid:19)n de nu(cid:19)cleos basada en el tiempo disponible de
ejecucio(cid:19)n . Esta pol(cid:19)(cid:16)tica de asignacio(cid:19)n asignar(cid:19)a un nu(cid:19)mero determinado de recursos
a una determinada simulacio(cid:19)n previamente a ser ejecutada. La pol(cid:19)(cid:16)tica de asignaci(cid:19)on
se basa en a(cid:19)rboles de decisi(cid:19)on creados con los para(cid:19)metros de simulacio(cid:19)n utilizados.
Sin embargo, se proponen dos m(cid:19)etodos para aquellos casos donde el algoritmo gen(cid:19)etico
10
tiendaacrearindividuoscuyotiempodeejecucio(cid:19)nprovocanqueseaimposibleacabarla
calibracio(cid:19)natiempo: Re-TACySoft-TAC.LapropuestaReTACutilizalaresolucio(cid:19)nde
las simulaciones para solucionar el problema. En concreto, Re-TAC trata de encontrar
la m(cid:19)(cid:16)nima reduccio(cid:19)n de la resolucio(cid:19)n que permita que aquellas simulaciones que son
demasiado largas puedan ser ejecutadas manteniendo la precisio(cid:19)n bajo control. Por
otro lado, Soft-TAC utiliza poblaciones de taman~o dina(cid:19)mico. Es decir, los individuos
no se matan al alcanzar el l(cid:19)(cid:16)mite de timepo de ejecucio(cid:19)n asignado a una generacio(cid:19)n
del Algoritmo Gen(cid:19)etico, sino que se permite la ejecucio(cid:19)n simultanea de individuos de
distintas generaciones haciendo que el taman~o de la poblacio(cid:19)n sea dina(cid:19)mico.
Todas la estrategias de prediccio(cid:19)n propuestas han sido probadas con casos reales
obteniendo resultados satisfactorios en t(cid:19)erminos de precisio(cid:19)n y de tiempo de co(cid:19)mputo
utilizado.
Palabras clave
Prediccio(cid:19)ndepropagaci(cid:19)ondeincendiosforestales, acoplamientodemodelos, modelador
de vientos, sistemas multi-core, MPI, OpenMP, aplicaciones h(cid:19)(cid:16)bridas.