logo móvil
Contáctanos

Métodos de Aprendizaje Automático para la Predicción de Peligros Sísmicos

Autores: Gitis, Valeri G.; Derendyaev, Alexander B.

Idioma: Inglés

Editor: MDPI

Año: 2019

Descargar PDF

Acceso abierto

Artículo científico
2019

Métodos de Aprendizaje Automático para la Predicción de Peligros Sísmicos


Categoría

Ciencias Naturales y Subdisciplinas

Subcategoría

Ciencias de la Tierra y Geología

Palabras clave

Métodos de aprendizaje automático
Pronóstico de peligros sísmicos
Pronóstico espacial
Magnitudes de terremotos
Pronóstico espaciotemporal
Terremotos fuertes

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 19

Citaciones: Sin citaciones


Descripción
En este artículo, sugerimos dos métodos de aprendizaje automático para la previsión de peligros sísmicos. El primer método se utiliza para la previsión espacial de las magnitudes máximas posibles de terremotos, mientras que el segundo se utiliza para la previsión espaciotemporal de terremotos fuertes. El primer método, el método de aproximación de estimaciones expertas en intervalos, se basa en un enfoque de regresión en el que los valores en los puntos de la muestra de entrenamiento son estimados por expertos. El método permite formalizar el conocimiento de los expertos, encontrar la dependencia de las magnitudes en las propiedades del entorno geológico y construir un mapa de la previsión espacial. El segundo método, el método del área mínima de alarma, utiliza datos retrospectivos para identificar el área de alarma en la que se esperan los epicentros de terremotos fuertes (objetivo) en un intervalo de tiempo determinado. Este método es la base de una plataforma automática basada en la web que pronostica sistemáticamente los terremotos objetivo. Se presentan los resultados de la prueba del enfoque de predicción de terremotos en las regiones del Mediterráneo y California. Para las pruebas, se utilizaron parámetros bien conocidos de catálogos de terremotos. El método mostró una calidad de pronóstico satisfactoria.

Otros recursos que podrían interesarte

Temas Virtualpro