See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/318017783

Sistema Hibrido AHP-Fuzzy Logic, para Toma de Decisiones en Entornos de

Incertidumbre. Aplicación a FMA

Conference Paper · May 2016

CITATIONS READS

0 175

6 authors, including:

Luis JUAN SANTACREU Ríos Ricardo Aguasca

Universidad de Las Palmas de Gran Canaria Universidad de Las Palmas de Gran Canaria
4 PUBLICATIONS   0 CITATIONS    19 PUBLICATIONS   37 CITATIONS   

SEE PROFILE SEE PROFILE

Máximo Méndez Blas Galvan Gonzalez

Universidad de Las Palmas de Gran Canaria Universidad de Las Palmas de Gran Canaria
20 PUBLICATIONS   40 CITATIONS    9 PUBLICATIONS   9 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

UAV design optimzation View project

Machine learning in forecast weather prediction. View project

All content following this page was uploaded by Dagoberto Castellanos Nieves on 29 June 2017.

The user has requested enhancement of the downloaded file.

Sistema Hibrido AHP-Fuzzy Logic, para Toma de Decisiones en Entornos
de Incertidumbre. Aplicación a FMA
Luis Santacreu Rios1, Alejandro Talavera Ortiz1, Ricardo Aguasca Colomo1, Maximo
Mendez Babey1, Blas Galvan Gonzalez1, Dagoberto Castellano Nieves2
1
Instituto Universitario SIANI-CEANI, Universidad de Las Palmas de Gran Canaria
3500, Las Palmas de Gran Canaria, Las Palmas. España
ricardo.aguasca@ulpgc.es
2
Grupo de Computación Inteligente,Universidad de La Laguna
38207, San Cristóbal de La Laguna, Santa Cruz de Tenerife. España
dcastell@ull.es

Resumen
Las Comunidades Autónomas en España tratan los Fenómenos Meteorológicos
Adversos (FMA) según las especificidades de sus Planes de Protección Civil (instrumentos
que utilizan para atender las emergencias) y salvo las que tienen agencia propia para la
predicción meteorológica (Agencia Vasca de Meteorología), todas trabajan con la
información facilitada por la Agencia Estatal de Meteorología (AEMET) y con conjuntos de
expertos. Esto hace que todas traten los FMA con bastantes similitudes y que los problemas
que surgen tengan múltiples coincidencias.

Introducción
En general, la toma de decisiones ante un FMA, sigue las siguientes fases:
1. La información facilitada por la AEMET ante la detección de un FMA, recibida en el 1-1-
2 Canarias, se pone en conocimiento de la Dirección General de Seguridad y Emergencias
de la Comunidad Autónoma (DGSE), como órgano competente en las declaraciones de
prealerta, alerta o alerta máxima.
2. En base al análisis de la información recibida y en aplicación al Plan Específico de
Emergencias de la Comunidad por Riesgos de Fenómenos Meteorológicos Adversos
(PEFMA), la DGSE realiza la declaración de prealerta, alerta o alerta máxima. En el
tratamiento de la información influye la cantidad recibida, como ha sido transmitida a través
de los diferentes canales y si ha sido influenciada en el proceso, la experiencia previa de los
decisores, el tiempo disponible para tomar la decisión, etc.
3. La declaración es notificada al 1-1-2 que realiza los comunicados a las administraciones,
organismos, servicios operativos y empresas involucradas en la operatividad del PEFMA,
además de los avisos a la población en caso necesario. Cuando se recibe información
adicional o datos reales, cuando el FMA está en curso, puede cambiar la declaración y se
repite el proceso desde la fase 1.
La toma de decisiones ante los FMA se enfrenta a varias problemáticas: a) El proceso
está influenciado por el conjunto de expertos involucrados en la toma de decisiones, que no
siempre es el mismo, al tratarse de un servicio que funciona las 24 horas al día, los 365 días
al año; b) Se trabaja con imprecisión, ambigüedad, datos erróneos o ausencia de estos y
expresiones de los seres humanos. Además, en meteorología se trabaja con conceptos
imprecisos y las predicciones meteorológicas se realizan utilizando modelos matemáticos
que no siempre se cumplen. Por otro lado, la singularidad de la geografía, lo que se conoce

______________________________
Agradecimientos: CECOES 1-1-2 Canarias.
 como efectos locales, no la tienen en cuenta los modelos utilizados pero sin embargo si se
encuentra en el conocimiento de los expertos; c) Se maneja mucha información y se toman
múltiples decisiones, que afectan a la vida y los bienes de las personas, en un tiempo limitado.
La información debe ser tratada en el menor tiempo posible para generar las prealertas, alertas
y alertas máximas, así los como comunicados y avisos a la población.

Sistema Experto para Tomar Decisiones Basado en Lógica Difusa y AHP

Las soluciones propuestas a los problemas planteados son:
1. Seleccionar un conjunto de expertos, especialistas en seguridad y emergencias con un alto
grado de conocimiento en el PEFMA y FMA. Para la selección se aplica el “Coeficiente de
Competencia Experta” o “Coeficiente K” [1].
2. Utilizar el método AHP, propuesto por Saaty [2], para recoger el conocimiento de los
expertos, dando consistencia a los juicios a la vez de soporte matemático AHP se puede
combinar con lenguaje Fuzzy [3] por lo que es ideal para trabajar con la Lógica Difusa.
3. Mediante La utilización de Lógica Difusa, construimos funciones de pertenencia para
poder evaluar las alternativas posibles en cada momento (declaraciones de prealerta, alerta o
alerta máxima). El grado de pertenencia a determinada función es lo que el sistema utilizará
para proponer la alternativa idónea.
4. Actualizar la tradicional metodología AHP Fuzzy [3] para simplificar los cálculos con los
conjuntos difusos y desarrollar un sistema híbrido AHP-Fuzzy.
5. Gestionar la gran cantidad de información en un corto lapso de tiempo, automatizando
todo el proceso mediante un sistema experto basado en reglas [4], en el que la base de
conocimiento ha sido generada mediante AHP y el motor de inferencia se basa en Lógica
Difusa [5].

Conclusiones
Mediante la aplicación del sistema hibrido para la toma de decisiones se ha conseguido
sistematizar, por un lado la extracción de conocimiento para la generación de una base de
reglas coherente, y por otro se ha generalizado un método para la construcción de las
funciones de pertenencia utilizadas por el motor de inferencia difuso con buenos resultados,
contrastados con el histórico de datos de datos proporcionados por CECOES 1-1-2 Canarias.

Referencias
[1] Cabero-Almenara J, Barrosos-Osuna J. La Utilización del Juicio de Experto para la Evaluación
de TIC: el Coeficiente de Competencia Experta. Bordón, 65, 2, (2013) 25-38.
[2] Saaty TL. Fundamentals of Decision Making and Priority Theory with the Analytic Hierarchy
Process. 2a edition. Pittsburgh: RWS Publications, (2000).
[3] Jie Lu, Guangquan Zhang, Da Ruan, Fengjie Wu. Multi-Objective Group Decision Making.
Methods, Software and Applications with Fuzzy Set Techniques. 1a edition. London: Imperial College
Press, (2007).
[4] Calvo-Rolle JL, Casteleiro-Roca JL, Vilar-Martinez XM et al. Expert System Development to
Assist on the Verification of “Tacan” System Performance. DYNA. 89, 1, January (2014) 112-121.
[5] García-Fernández N, Puente J, Fernández I et al. How to Improve the Suppliers Evaluation Process
Using Fuzzy Inference Systems. DYNA. 89, 4, July (2014) 449-456.

View publication stats