Redes neuronales ConvLSTM para la predicción de eventos sísmicos en Chile
Cargando...
Archivos
Fecha
2021
Autores
Profesor/a Guía
Facultad/escuela
Idioma
es
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Andrés Bello
Nombre de Curso
Licencia CC
Licencia CC
Resumen
Predecir el riesgo sísmico es importante para poder tomar decisiones con anticipación
y evitar efectos catastróficos. En este trabajo se propone un modelo de red neuronal
basado en la red Convolucional (CNN) y en la red Long Short Term Memory (LSTM)
para predecir el riesgo sísmico en Chile. En particular, se utilizara una red Multi-column
ConvLSTM para la predicción del número medio de eventos sísmico mayores a una
magnitud de 2, 8 en la escala de Richter, en las regiones de Chile de Coquimbo y
la Araucanía entre los años 2010 y 2017. Para este modelo se ocuparon los valores
de la función de intensidad estimada a través del modelo ETAS y el desplazamiento
acumulado previo a un los eventos sísmicos. Dada las características espaciales y
temporales de los datos sísmicos se consideraron matrices de dimensión 20x20 de los
últimos 20 días para predecir el número medio de eventos sísmicos del día siguiente en
área determinada. De los resultados obtenidos, la red Multi-column ConvLSTM logró
tener un coeficiente de determinación de 0, 72 y un MSE más bajo de otras redes.
Notas
Tesis (Magíster en Ciencias de la Computación)
Palabras clave
Redes Neurales (Ciencia de la Computación), Terremotos, Procesamiento de Datos