{"id":2773750,"date":"2014-02-07T12:27:28","date_gmt":"2014-02-07T12:27:28","guid":{"rendered":"https:\/\/www.upo.es\/diario\/?p=2773750"},"modified":"2014-02-11T14:51:50","modified_gmt":"2014-02-11T14:51:50","slug":"utilizan-redes-neuronales-artificiales-para-predecir-seismos","status":"publish","type":"post","link":"https:\/\/www.upo.es\/diario\/ciencia\/2014\/02\/utilizan-redes-neuronales-artificiales-para-predecir-seismos\/","title":{"rendered":"Utilizan redes neuronales artificiales para predecir se\u00edsmos"},"content":{"rendered":"
\"Francisco<\/a>
Francisco Mart\u00ednez, del grupo TIC-200 de la UPO (izquierda) y J. Reyes, del NT2 Labs, Chile<\/figcaption><\/figure>\n

Investigadores de la Universidad Pablo de Olavide, del NT2 Labs \u2013Nikola Tesla New Technology Labs de Chile\u2013 y de la Universidad de Sevilla han aplicado t\u00e9cnicas basadas en la miner\u00eda de datos para el descubrimiento de patrones en series temporales de origen s\u00edsmico<\/strong>, y as\u00ed poder predecir su ocurrencia. En concreto, han utilizado redes neuronales artificiales para predecir terremotos en Chile<\/strong>, uno de los pa\u00edses con mayor actividad s\u00edsmica del mundo, y en la Pen\u00ednsula Ib\u00e9rica.<\/p>\n

Las redes neuronales artificiales son un paradigma de aprendizaje y procesamiento autom\u00e1tico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexi\u00f3n de neuronas que colaboran entre s\u00ed para producir un est\u00edmulo de salida.<\/p>\n

En un art\u00edculo publicado en la revista Applied Soft Computing<\/i> [1], muestran un m\u00e9todo concreto, basado en la aplicaci\u00f3n de redes neuronales artificiales, que han usado para predecir terremotos en Chile, uno de los pa\u00edses con mayor actividad s\u00edsmica del mundo. Esta metodolog\u00eda, con ligeras modificaciones, se ha aplicado con \u00e9xito a las dos zonas m\u00e1s activas de la Pen\u00ednsula Ib\u00e9rica. Sus resultados se publicaron en 2013 en la revista Tectonophysics<\/i> [2]. Recientemente, se ha depurado la metodolog\u00eda y mejorado los resultados en ambas zonas, alcanzando tasas de acierto superiores al 80%, mediante la aplicaci\u00f3n de t\u00e9cnicas de selecci\u00f3n de atributos. Los resultados se han publicado en Knowledge-Based Systems<\/i> [3].<\/p>\n

Para toda su experimentaci\u00f3n, los investigadores realizan dos tipos de predicciones: la probabilidad de que un terremoto sea de magnitud mayor que un determinado valor umbral, as\u00ed como la probabilidad de ocurrencia de un terremoto de magnitud dentro de un determinado intervalo de tiempo. En ambos casos, se mide la probabilidad de que ocurran en los siguientes cinco o siete d\u00edas, para los casos de Chile y de la Pen\u00ednsula Ib\u00e9rica, respectivamente.<\/p>\n

La precisi\u00f3n del m\u00e9todo se evalu\u00f3 en experimentos retrospectivos. La alta tasa de \u00e9xito alcanzado apoya la conveniencia de la aplicaci\u00f3n de t\u00e9cnicas de miner\u00eda de datos en este \u00e1mbito<\/strong>, seg\u00fan los investigadores, y plantea nuevos retos que deben abordarse.<\/p>\n

\"Francisco<\/a>
Francisco Mart\u00ednez \u00c1lvarez, miembro del grupo TIC-200: Sistemas Inteligentes y Miner\u00eda de Datos de la Universidad Pablo de Olavide<\/figcaption><\/figure>\n

Aunque en el mercado ya existen diversos aparatos que detectan con cierta anticipaci\u00f3n la venida de un terremoto, ninguno es tan preciso y tampoco tiene posibilidades de ampliar su desarrollo o entregar datos anal\u00edticos. Francisco Mart\u00ednez \u00c1lvarez, miembro del grupo TIC-200:<\/i> Sistemas Inteligentes y Miner\u00eda de Datos<\/i> de la Universidad Pablo de Olavide, afirma que este modelo es capaz de predecir terremotos con alta fiabilidad<\/strong>, para una incertidumbre temporal de entre cinco y siete d\u00edas y con una margen de error espacial del orden de, aproximadamente, 100×100 km2<\/sup>.<\/p>\n

Los investigadores responsables de este trabajo afirman, igualmente, que la metodolog\u00eda desarrollada podr\u00eda extrapolarse a cualquier tipo de desastre natural siempre que se aporten los datos necesarios<\/strong>, lo cual ser\u00eda de gran inter\u00e9s por ejemplo para la predicci\u00f3n de tsunamis tras un terremoto, puesto que el sistema de detecci\u00f3n actual, consistente en alarmas-sensores colocados en boyas instaladas en el mar, avisa s\u00f3lo cuatro horas antes de que se produzca. En la actualidad, est\u00e1n estudiando tambi\u00e9n si se puede extrapolar la metodolog\u00eda a otras partes del mundo, habiendo ya obtenido los primeros resultados positivos para determinadas zonas de China y de Jap\u00f3n.<\/p>\n

Tambi\u00e9n los investigadores est\u00e1n estudiando la posibilidad de aplicar la miner\u00eda de datos a la predicci\u00f3n de tifones, lo que requiere hacer un an\u00e1lisis de datos relacionados, determinar si la metodolog\u00eda es aplicable y extrapolable, y por tanto hacer las modificaciones oportunas.<\/p>\n

\n

[1] \u00a0J. Reyes, A. Morales-Esteban, F. Mart\u00ednez-\u00c1lvarez. Neural networks to predict earthquakes in Chile. Applied Soft Computing, vol. 13, pp. 1314-1328, 2013.<\/p>\n

[2]\u00a0 A. Morales-Esteban, F. Mart\u00ednez-\u00c1lvarez, J. Reyes. Earthquake prediction in seismogenic areas of the Iberian Peninsula based on computational intelligence. Tectonophysics, vol. 593, pp. 121-134, 2013.<\/p>\n

[3]\u00a0 F. Mart\u00ednez-\u00c1lvarez, J. Reyes, A. Morales-Esteban, C. Rubio-Escudero. Determining the best set of seismicity indicators to predict earthquakes. Two case studies: Chile and the Iberian Peninsula. Knowledge-Based Systems, vol. 50, pp. 198-210, 2013.<\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Investigadores de la Universidad Pablo de Olavide, del NT2 Labs – Nikola Tesla New Technology Labs de Chile y de la Universidad de Sevilla han aplicado t\u00e9cnicas basadas en la miner\u00eda de datos para el descubrimiento de patrones en series temporales de origen s\u00edsmico, y as\u00ed poder predecir su ocurrencia. En concreto, han utilizado redes neuronales artificiales para predecir terremotos en Chile, uno de los pa\u00edses con mayor actividad s\u00edsmica del mundo, y en la Pen\u00ednsula Ib\u00e9rica. <\/p>\n","protected":false},"author":6,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[3],"tags":[253,526,1151,392,151,56,734,1150,393,39],"class_list":["post-2773750","post","type-post","status-publish","format-standard","hentry","category-ciencia","tag-chile","tag-departamento-de-deporte-e-informatica","tag-geofisica","tag-informatica","tag-inteligencia-artificial","tag-investigacion","tag-investigadores","tag-sismologia","tag-tics","tag-universidades"],"_links":{"self":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts\/2773750","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/comments?post=2773750"}],"version-history":[{"count":5,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts\/2773750\/revisions"}],"predecessor-version":[{"id":2816140,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/posts\/2773750\/revisions\/2816140"}],"wp:attachment":[{"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/media?parent=2773750"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/categories?post=2773750"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.upo.es\/diario\/wp-json\/wp\/v2\/tags?post=2773750"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}