Gestión de la predicción sísmica del Perú utilizando aprendizaje automático

Abstract

El objetivo de esta tesis es predecir la magnitud sísmica en el Perú utilizando técnicas de aprendizaje automático. Para ello, se realizó una búsqueda sistemática de la literatura, identificando las principales variables, técnicas, herramientas y metodologías empleadas en diversos trabajos de investigación relacionados con la predicción de terremotos. Para desarrollar los modelos predictivos, se adoptó la metodología CRISP-DM. Primero, se analizaron 23,678 registros sísmicos recopilados por el Instituto Geofísico del Perú. A partir de estos datos, se identificaron las principales variables sísmicas: magnitud, latitud, longitud y profundidad, que se utilizaron para entrenar los modelos. Los datos fueron divididos en dos conjuntos: el 80% para entrenamiento y el 20% restante para validación. Se implementaron cuatro técnicas de aprendizaje automático para desarrollar los modelos: Redes Neuronales Artificiales, Árbol de Decisiones, K-Vecinos Más Cercanos y Regresión Lineal Múltiple. Después de entrenar los modelos, se realizó la validación cruzada de los resultados. El modelo de Redes Neuronales Artificiales fue el que obtuvo el mejor rendimiento, con un Error Cuadrático Medio (MSE) de 0.1855 y una Raíz del Error Cuadrático Medio (RMSE) de 0.4307.