Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador

Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador

Esta contribución describe la creación de un modelo de evaluación de deslizamiento de tierra para el Área Metropolitana de San Salvador, departamento de El Salvador. El análisis inició con la obtención de una foto aérea del Ministerio de Medio Ambiente y Recursos Naturales (MARN) en donde 47...

Descripción completa

Detalles Bibliográficos
Autores principales: Ríos, Ricardo, Ribó, Alexandre, Mejía, Roberto, Molina, Giovanni
Formato: Online
Idioma:eng
Publicado: Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2017
Acceso en línea:https://revistas.ucr.ac.cr/index.php/matematica/article/view/22439
id RMTA22439
record_format ojs
spelling RMTA224392022-03-17T17:46:13Z Combining neural networks and geostatistics for landslide hazard assessment of San Salvador metropolitan area, El Salvador Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador Ríos, Ricardo Ribó, Alexandre Mejía, Roberto Molina, Giovanni landslide hazard assessment El Salvador ANN geostatistics artificial neural networks kriging deslizamiento de tierra evaluación de riesgo El Salvador RNA geoestadística This contribution describes the creation of a landslide hazard assessment model for San Salvador, a department in El Salvador. The analysis started with an aerial photointerpretation from Ministry of Environment and Natural Resources of El Salvador (MARN Spanish acronym), where 4792 landslides were identified and georeferenced along with 7 conditioning factors including: geomorphology, geology, rainfall intensity, peak ground acceleration, slope angle, distance to road, and distance to geological fault. Artificial Neural Networks (ANN) were utilized to assess the susceptibility to landslides, achieving results where more than 80% of landslide were properly classified using in-sample and out of sample criteria. Logistic regression was used as base of comparison. Logistic regression obtained a lower performance. To complete the analysis we have performed interpolation of the points using the kriging method from geostatistical approach. Finally, the results show that is possible to derive a landslide hazard map, making use of a combination of ANNs and geostatistical techniques, thus the present study can help landslide mitigation in El Salvador. Esta contribución describe la creación de un modelo de evaluación de deslizamiento de tierra para el Área Metropolitana de San Salvador, departamento de El Salvador. El análisis inició con la obtención de una foto aérea del Ministerio de Medio Ambiente y Recursos Naturales (MARN) en donde 4792 deslizamientos fueron identificados y georeferrenciados junto con 7 factores condicionantes incluyendo: geomorfología, geología, precipitaciones máximas, aceleraciones sísmicas, pendiente del terreno, distancia a carretera y falla geológica. Redes Neuronales Artificiales (RNA) fueron utilizadas para la evaluación de la susceptibilidad a deslizamiento de tierra, logrando que más del 80% de deslizamientos fueran apropiadamente clasificados usando un criterio dentro y fuera de la muestra con la que se estimaron los parámetros del modelo. Regresión Logística fue usada como base de comparación, obteniendo este modelo un rendimiento inferior. Para completar el análisis se realizó la interpolación de puntos usando el método kriging proveniente del enfoque geoestadístico. Finalmente, los resultados muestran que es posible obtener un mapa de riesgo a deslizamiento de tierra, haciendo uso de una combinación de RNA y técnicas geoestadísticas con lo cual la presente investigación puede ayudar a la mitigación de deslizamientos de tierra en El Salvador. Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA) 2017-04-19 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Article application/pdf application/x-dvi https://revistas.ucr.ac.cr/index.php/matematica/article/view/22439 10.15517/rmta.v23i1.22439 Revista de Matemática: Teoría y Aplicaciones; Vol. 23 No. 1 (2016): Revista de Matemática: Teoría y Aplicaciones; 155-172 Revista de Matemática: Teoría y Aplicaciones; Vol. 23 Núm. 1 (2016): Revista de Matemática: Teoría y Aplicaciones; 155-172 Revista de Matemática; Vol. 23 N.º 1 (2016): Revista de Matemática: Teoría y Aplicaciones; 155-172 2215-3373 1409-2433 eng https://revistas.ucr.ac.cr/index.php/matematica/article/view/22439/22606 https://revistas.ucr.ac.cr/index.php/matematica/article/view/22439/50368 Derechos de autor 2016 Revista de Matemática: Teoría y Aplicaciones
institution Universidad de Costa Rica
collection Revista de Matemática: Teoría y Aplicaciones
language eng
format Online
author Ríos, Ricardo
Ribó, Alexandre
Mejía, Roberto
Molina, Giovanni
spellingShingle Ríos, Ricardo
Ribó, Alexandre
Mejía, Roberto
Molina, Giovanni
Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador
author_facet Ríos, Ricardo
Ribó, Alexandre
Mejía, Roberto
Molina, Giovanni
author_sort Ríos, Ricardo
description Esta contribución describe la creación de un modelo de evaluación de deslizamiento de tierra para el Área Metropolitana de San Salvador, departamento de El Salvador. El análisis inició con la obtención de una foto aérea del Ministerio de Medio Ambiente y Recursos Naturales (MARN) en donde 4792 deslizamientos fueron identificados y georeferrenciados junto con 7 factores condicionantes incluyendo: geomorfología, geología, precipitaciones máximas, aceleraciones sísmicas, pendiente del terreno, distancia a carretera y falla geológica. Redes Neuronales Artificiales (RNA) fueron utilizadas para la evaluación de la susceptibilidad a deslizamiento de tierra, logrando que más del 80% de deslizamientos fueran apropiadamente clasificados usando un criterio dentro y fuera de la muestra con la que se estimaron los parámetros del modelo. Regresión Logística fue usada como base de comparación, obteniendo este modelo un rendimiento inferior. Para completar el análisis se realizó la interpolación de puntos usando el método kriging proveniente del enfoque geoestadístico. Finalmente, los resultados muestran que es posible obtener un mapa de riesgo a deslizamiento de tierra, haciendo uso de una combinación de RNA y técnicas geoestadísticas con lo cual la presente investigación puede ayudar a la mitigación de deslizamientos de tierra en El Salvador.
title Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador
title_short Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador
title_full Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador
title_fullStr Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador
title_full_unstemmed Combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de San Salvador, El Salvador
title_sort combinando redes neuronales y geoestadística para evaluación de deslizamientos de tierra del área metropolitana de san salvador, el salvador
title_alt Combining neural networks and geostatistics for landslide hazard assessment of San Salvador metropolitan area, El Salvador
publisher Universidad de Costa Rica, Centro de Investigación en Matemática Pura y Aplicada (CIMPA)
publishDate 2017
url https://revistas.ucr.ac.cr/index.php/matematica/article/view/22439
work_keys_str_mv AT riosricardo combiningneuralnetworksandgeostatisticsforlandslidehazardassessmentofsansalvadormetropolitanareaelsalvador
AT riboalexandre combiningneuralnetworksandgeostatisticsforlandslidehazardassessmentofsansalvadormetropolitanareaelsalvador
AT mejiaroberto combiningneuralnetworksandgeostatisticsforlandslidehazardassessmentofsansalvadormetropolitanareaelsalvador
AT molinagiovanni combiningneuralnetworksandgeostatisticsforlandslidehazardassessmentofsansalvadormetropolitanareaelsalvador
AT riosricardo combinandoredesneuronalesygeoestadisticaparaevaluaciondedeslizamientosdetierradelareametropolitanadesansalvadorelsalvador
AT riboalexandre combinandoredesneuronalesygeoestadisticaparaevaluaciondedeslizamientosdetierradelareametropolitanadesansalvadorelsalvador
AT mejiaroberto combinandoredesneuronalesygeoestadisticaparaevaluaciondedeslizamientosdetierradelareametropolitanadesansalvadorelsalvador
AT molinagiovanni combinandoredesneuronalesygeoestadisticaparaevaluaciondedeslizamientosdetierradelareametropolitanadesansalvadorelsalvador
_version_ 1811744093962764288

Ejemplares similares