Regresar

Aplicación de técnicas de Machine Learning basado en información sísmica para profundizar la probabilidad de terremotos mediante el uso de regresión logística y redes neuronales.

Abstract:

El objetivo principal del presente proyecto es predecir la posibilidad de que ocurra un evento sísmico y las características de este mediante la aplicación de técnicas de Machine Learning con la finalidad de minimizar daños dentro del territorio ecuatoriano, debido a que, la aparición de un terremoto imprevisto es causante de daños estructurales y sociales dependiendo de su magnitud, por lo que, se aplicaron las técnicas de Redes Neuronales y Regresión Logística. Para aplicar aquellos algoritmos, se elaboró una base de datos que contiene datos históricos provenientes de páginas web acerca de los sismos que sucedieron en el Ecuador desde el año 1985 hasta el 2019 en las regiones Costa, Sierra y Oriente. En total se recolectaron 658 sismos, los cuales fueron utilizados por las técnicas ya mencionadas para la generación de nuevas pbkp_redicciones y con ellas una probabilidad de que estas en realidad puedan suceder. Los datos históricos, resultados y gráficos obtenidos por ambas técnicas se puede visualizar por medio de una página web. Los dos algoritmos demuestran que son viables al momento de predecir un evento sísmico, por ejemplo a través de la aplicación de Redes Neuronales, la pérdida de valor de los datos de validación (17.64%) es menor a los de la pérdida de valor de los datos de entrenamiento (23.8%) lo que significa que no hay sobreajuste es decir que el proceso tendrá una menor probabilidad en fallar al reconocer nuevos eventos sísmicos; mientras que el algoritmo de Regresión Logística obtuvo una precisión del 72.25% siendo así un porcentaje mayor al 70% mínimo requerido para poder aplicarse y el valor de la curva ROC o AUC es aproximadamente 70.4% dando a entender que los datos por encima de ese valor tienden a ser clasificadas correctamente puesto que a medida que se acerquen más a 1, los datos tendrán una mejor clasificación. Tomando en cuenta los resultados mencionados, se puede concluir que las técnicas aplicadas en este proyecto son eficientes al momento de predecir eventos próximos en base a datos históricos y que el uso de técnicas de aprendizaje automático resultan muy útiles para resolver diversos problemas pbkp_redictivos.