UNIVERSIDAD DE GUAYAQUILrepositorio.ug.edu.ec/bitstream/redug/48862/1/B-CISC-PTG... · 2020. 8....

III

UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS

CARRERA DE INGENIERÍA EN SISTEMAS

COMPUTACIONALES

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

PROYECTO DE TITULACIÓN

Previa a la obtención del Título de:

INGENIERO EN SISTEMAS COMPUTACIONALES

AUTOR (ES):

Daniel Alejandro Alba Vega

Javier Fernando Calle Jara

TUTOR:

Ing. Lorenzo Cevallos Torres, M. Sc.

GUAYAQUIL – ECUADOR

2020

REPOSITORIO NACIONAL EN CIENCIA Y TECNOLOGÍA

FICHA DE REGISTRO DE TESIS

TITULO: “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”

REVISORES:

INSTITUCIÓN: Universidad de Guayaquil FACULTAD: Facultad de Ciencias Matemáticas y

Físicas

CARRERA: Ingeniería en Sistemas Computacionales

FECHA DE PUBLICACIÓN:

N. DE PÁGS.: 173

ÁREA TEMÁTICA: Herramientas biotecnológicas aplicados a los recursos naturales y agropecuarios.

PALABRAS CLAVE: Sismos, Predicción, Machine Learning, Redes Neuronales, Regresión Logística, Python

RESUMEN: 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 predicciones 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 predictivos.

N. DE REGISTRO (en base de datos):

N. DE CLASIFICACIÓN:

DIRECCIÓN URL (tesis en la web):

ADJUNTO PDF (tesis en la web): SI X NO CONTACTO CON AUTORES/ES:

Alba Vega Daniel Alejandro

Calle Jara Javier Fernando

Telf:

0969032394

0967847563

E-mail:

[email protected]

[email protected]

CONTACTO EN LA INSTITUCIÓN:

Nombre: Ab. Juan Chávez Atocha.

Teléfono: 2307729

mailto:[email protected]%22HYPERLINK%20%22mailto:[email protected]

III

APROBACIÓN DEL TUTOR

En mi calidad de Tutor del trabajo de titulación, “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” elaborado por

los Sres. Alba Vega Daniel Alejandro y Calle Jara Javier Fernando, ALUMNOS

NO TITULADOS de la Carrera de Ingeniería en Sistemas Computacionales,

Facultad de Ciencias Matemáticas y Físicas de la Universidad de Guayaquil, previo

a la obtención del Título de Ingeniero en Sistemas, me permito declarar que luego

de haber orientado, estudiado y revisado, la Apruebo en todas sus partes.

Atentamente,

Ing. Lorenzo Cevallos Torres, MSc.

TUTOR

IV

DEDICATORIA

Dedico este trabajo a mis padres quienes nunca

Escatimaron su cariño conmigo, a mis queridos

Docentes quienes me enseñaron diariamente lo

Importante que es esforzarse para conseguir

Cada meta propuesta, que no importa lo

Alto o lejos que se vea el final, siempre se

Tiene que seguir adelante hasta llegar a nuestro

Objetivo. Me enseñaron que el camino va a estar

Rodeado de piedras con las que tropezaremos, lo

Importante es saber levantarse, continuar y

Aprender a no tropezar con la misma piedra.

Daniel Alba

V

AGRADECIMIENTO

Agradezco en primer lugar a mis padres por su

Gigantesco amor que me brindaron, ellos me

Regalaron los mejores consejos que pude recibir,

Agradezco también el Ing. Lorenzo por ayudarme

Desinteresadamente y acompañarme hasta

El final, para terminar agradezco a todos los que

Confiaron en mí, a los que creyeron que mis

Inmensas ganas de triunfar me iban a llevar

Muy lejos, quienes me dijeron que sin

Importar lo difícil que se vea el camino si

Estudiaba mucho y nunca me rendía iba a ver que

Nada en esta vida se me iba hacer difícil, que

Todas mis metas, anhelos, sueños, deseos u

Objetivos los iba a cumplir, solo debo luchar.

Daniel Alba

VI

DEDICATORIA

Dedico esta tesis a mis padres quienes aun

Estando lejos siempre me supieron

Dar los mejores consejos y me apoyaron

Incondicionalmente, a mis hermanos por

Cada frase motivadora compartida y que

A pesar de cualquier pelea, siempre

Terminábamos riéndonos y diciéndome lo

Orgullosos que se sentían por nunca

Renunciar a mis sueños y que un día

Iba a ver los frutos de mi esfuerzo porque

Aprendí a jamás rendirme frente a nada.

Javier Calle

VII

AGRADECIMIENTO

Agradezco primero a Dios por ser mi

Guía en este arduo camino, a mis

Respetados padres por siempre estar

Al pendiente de mi a pesar de todos mis

Defectos y errores, a mis hermanos por

Ese cariño único e incondicional que

Comparten conmigo a la distancia, al

Ingeniero Lorenzo Cevallos quien fue

Mi tutor y a mis demás profesores que

Incondicionalmente me ayudaron y

Estimularon para continuar adelante y a

No rendirme a pesar de los obstáculos y

Tropiezos que he tenido, siempre me han

Orientado por el camino correcto.

Javier Calle

VIII

TRIBUNAL PROYECTO DE TITULACIÓN

Ing. Fausto Cabrera Montes, M.Sc.

DECANO DE LA FACULTAD

CIENCIAS MATEMATICAS Y

FISICAS

Ing. Gary Reyes Zambrano, Mgs.

DIRECTOR DE LA CARRERA

DE INGENIERIA EN SISTEMAS

COMPUTACIONALES

Ing. Lorenzo Cevallos Torres, M.Sc.

PROFESOR TUTOR DEL

PROYECTO DE TITULACION

Ing. Erick E. González Linch, M.Sc.

PROFESOR REVISOR DEL

PROYECTO DE TITULACION

Ab. Juan Chávez Atocha, Esp.

SECRETARIO

II

DECLARACIÓN EXPRESA

“La responsabilidad del contenido de este

Proyecto de Titulación, nos corresponden

exclusivamente; y el patrimonio intelectual de

la misma a la UNIVERSIDAD DE

GUAYAQUIL”

____________________________

Daniel Alejandro Alba Vega

__________________________

Javier Fernando Calle Jara

III

.



CARRERA DE INGENIERIA EN SISTEMAS COMPUTACIONALES

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

Proyecto de Titulación que se presenta como requisito para optar por el título de

INGENIERO EN SISTEMAS COMPUTACIONALES

Autores:

Alba Vega Daniel Alejandro

C.I. 0706298643


C.I. 0302666250

Tutor: Ing. Lorenzo Cevallos Torres, MSc.

Guayaquil, Abril de 2020

IV

CERTIFICADO DE ACEPTACIÓN DEL TUTOR

En mi calidad de Tutor del proyecto de titulación, nombrado por el Consejo

Directivo de la Facultad de Ciencias Matemáticas y Físicas de la Universidad de

Guayaquil.

CERTIFICO:

Que he analizado el Proyecto de Titulación presentado por los estudiantes Alba Vega Daniel Alejandro y Calle Jara Javier Fernando, como

requisito previo para optar por el título de Ingeniero en Sistemas Computacionales

cuyo título es:

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

Considero aprobado el trabajo en su totalidad.

Presentado por:

Alba Vega Daniel Alejandro C.I. 0706298643

Calle Jara Javier Fernando C.I. 0302666250

Tutor: Ing. Lorenzo Cevallos, MSc.

Guayaquil, Abril del 2020

V




Autorización para Publicación de Proyecto de Titulación en Formato Digital

1. Identificación del Proyecto de Titulación

Nombre Alumno: Alba Vega Daniel Alejandro

Dirección: Alborada segunda etapa

Teléfono: 0969032394 E-mail: [email protected]

Nombre Alumno: Calle Jara Javier Fernando

Dirección: Rumichaca y Víctor Manuel Rendom

Teléfono: 0967847563 E-mail: [email protected]

Título del Proyecto de titulación: 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

Tema del Proyecto de Titulación: Sismos, Predicción, Machine Learning, Redes Neuronales,

Regresión Logística, Python.

2. Autorización de Publicación de Versión Electrónica del Proyecto de Titulación

A través de este medio autorizo a la Biblioteca de la Universidad de Guayaquil y a la Facultad de

Ciencias Matemáticas y Físicas a publicar la versión electrónica de este Proyecto de titulación.

Publicación electrónica:

Inmediata X Después de 1 año

Firma Alumno:

____________________________ ____________________________

Alba Vega Daniel Alejandro Calle Jara Javier Fernando

3. Forma de envío:

El texto del proyecto de titulación debe ser enviado en formato Word, como archivo .Doc. O .RTF

y. Puf para PC. Las imágenes que la acompañen pueden ser: .gif, .jpg o .TIFF.

DVDROM X CDROM

Facultad: Ciencias Matemáticas y Físicas

Carrera: Ingeniería en Sistemas Computacionales

Proyecto de titulación al que opta: Ingeniera en Sistemas Computacionales

Profesor tutor: Ing. Lorenzo Cevallos Torres, MSc.

mailto:[email protected]

VI

ÍNDICE GENERAL

DEDICATORIA .............................................................................................................. IV

AGRADECIMIENTO ...................................................................................................... V

ÍNDICE GENERAL .............................................................................................................. VI

ÍNDICE DE CUADROS ..........................................................................................................X

ÍNDICE DE GRÁFICOS .................................................................................................. XI

RESUMEN ..................................................................................................................... XIII

ABSTRACT................................................................................................................... XIV

INTRODUCCIÓN .................................................................................................................. 1

CAPÍTULO I ......................................................................................................................... 3

EL PROBLEMA .................................................................................................................... 3

UBICACIÓN DEL PROBLEMA EN UN CONTEXTO ................................................................. 4

SITUACIÓN CONFLICTO NUDOS CRÍTICOS .......................................................................... 5

CAUSAS Y CONSECUENCIAS DEL PROBLEMA...................................................................... 6

DELIMITACIÓN DEL PROBLEMA ......................................................................................... 7

FORMULACIÓN DEL PROBLEMA ......................................................................................... 7

EVALUACIÓN DEL PROBLEMA ............................................................................................ 7

OBJETIVOS .......................................................................................................................... 9

Objetivo General ................................................................................................................ 9

Objetivos Específicos .......................................................................................................... 9

ALCANCES DEL PROBLEMA................................................................................................. 9

JUSTIFICACIÓN E IMPORTANCIA ...................................................................................... 10

METODOLOGÍA DEL PROYECTO ....................................................................................... 11

CAPÍTULO II ...................................................................................................................... 13

MARCO TEÓRICO ............................................................................................................. 13

ANTECEDENTES DEL ESTUDIO .......................................................................................... 13

FUNDAMENTACIÓN TEÓRICA .......................................................................................... 22

Los sismos ........................................................................................................................ 22

Licuefacción, derrumbes y deslizamientos ....................................................................... 25

Tsunamis o maremotos .................................................................................................... 25

Cinturón de Fuego en el Pacífico ...................................................................................... 25

Machine Learning............................................................................................................. 26

Algoritmos de Machine Learning ..................................................................................... 27

VII

Redes Neuronales ............................................................................................................ 28

Funciones de Activación:.................................................................................................. 30

Funciones de Optimización .............................................................................................. 31

Fases para una buena modelización de redes neuronales ............................................... 32

Tipos de Aprendizaje ........................................................................................................ 33

Algoritmo Backpropagation ............................................................................................. 35

Redes Neuronales Recurrentes LSTM .............................................................................. 36

Regresión Logística........................................................................................................... 41

Tipos de Regresión Logística ............................................................................................ 43

Condiciones del Modelo Logístico .................................................................................... 47

Principales atributos del Modelo de Regresión Logística ................................................. 48

Curva ROC ........................................................................................................................ 52

Matriz de Confusión ......................................................................................................... 54

Revisiones Sistemáticas ................................................................................................... 55

Distribución de Frecuencias Estadística ........................................................................... 56

Metaanálisis ..................................................................................................................... 57

Tablas de Contingencia .................................................................................................... 60

Análisis Bivariado ............................................................................................................. 61

SOFTWARE SPSS 2 ............................................................................................................ 62

Límites de Control ............................................................................................................ 62

Python .............................................................................................................................. 63

Base de Datos................................................................................................................... 64

FUNDAMENTACIÓN LEGAL .............................................................................................. 66

DEFINICIONES CONCEPTUALES ........................................................................................ 69

CAPÍTULO III ..................................................................................................................... 71

METODOLOGÍA DE LA INVESTIGACIÓN ............................................................................ 71

DISEÑO DE LA INVESTIGACIÓN ........................................................................................ 71

MODALIDAD DE LA INVESTIGACIÓN ................................................................................ 71

TIPO DE INVESTIGACIÓN .................................................................................................. 72

POBLACIÓN Y MUESTRA................................................................................................... 74

POBLACIÓN ...................................................................................................................... 74

MUESTRO PROBABILÍSTICO.............................................................................................. 74

POBLACIÓN OBJETIVO ...................................................................................................... 75

MARCO MUESTRAL .......................................................................................................... 75

VIII

DISEÑO DEL METAANÁLISIS ............................................................................................. 76

DESCRIPCIÓN DE VARIABLES ............................................................................................ 76

Instrumentos utilizados para la recolección de datos ...................................................... 79

Resultados del metaanálisis ............................................................................................. 80

Análisis Bivariado de los datos y tablas de contingencia .................................................. 91

TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS .............................................. 99

TÉCNICAS ......................................................................................................................... 99

INSTRUMENTOS DE INVESTIGACIÓN.............................................................................. 100

RECOLECCIÓN DE LA INFORMACIÓN.............................................................................. 100

ANÁLISIS DE FACTIBILIDAD ............................................................................................. 100

FACTIBILIDAD OPERACIONAL ......................................................................................... 100

FACTIBILIDAD TÉCNICA .................................................................................................. 101

FACTIBILIDAD LEGAL ...................................................................................................... 101

FACTIBILIDAD ECONÓMICA ............................................................................................ 101

ANÁLISIS DE LOS DATOS ................................................................................................. 102

PROCEDIMIENTOS DE LA INVESTIGACIÓN ..................................................................... 102

Análisis de datos de Regresión logística ......................................................................... 103

Análisis de datos de Redes neuronales LSTM................................................................. 109

CAPÍTULO IV ................................................................................................................... 117

RESULTADO CONCLUSIONES Y RECOMENDACIONES ..................................................... 117

RESULTADOS .................................................................................................................. 117

CRITERIOS DE VALIDACIÓN ............................................................................................ 119

CONCLUSIONES .............................................................................................................. 120

RECOMENDACIONES ...................................................................................................... 121

BIBLIOGRAFÍA ................................................................................................................. 122

ANEXOS .......................................................................................................................... 129

ANEXO 1 – Cronograma del Proyecto........................................................................... 129

ANEXO 2 – Resultados del Entrenamiento del Modelo de Regresión Logística ............. 130

ANEXO 3 – Resultados del Entrenamiento del Modelo LSTM ........................................ 131

ANEXO 4 – Código empleado para el modelo de Redes Neuronales LSTM .................. 132

ANEXO 5 – Código empleado para el Modelo de Regresión Logística .......................... 136

ANEXO 6 – Actas de sesión de investigador y tutor ...................................................... 138

ANEXO 6 – Evaluación/Criterio de Experto .................................................................. 141

ANEXO 7 – Manual de Usuario ...................................................................................... 142

IX

ABREVIATURAS

UG Universidad de Guayaquil

Ing. Ingeniero

M.Sc. Master

URL Localizador de Fuente Uniforme

GPS Global Positioning System

ISC Centro Internacional de Sismología

LSTM Long short-term memory

ROC Receiver Operating Characteristic

ECM Error Cuadrático Medio

OVR One Vs the Rest

IGEPN Instituto Geofísico de la Escuela Politécnica Nacional.

USGS United States Geological Survey

SPSS Statistical Product and Service Solutions

RNA Red Neuronal Artificial

SGD Descenso estocástico del gradiente

AUC Área bajo la curva

X

ÍNDICE DE CUADROS

Tabla 1: Causas y Consecuencias del Problema ................................................................. 6

Tabla 2: Delimitación del Problema ................................................................................... 7

Tabla 3: Escala abreviada de Richter ............................................................................... 24

Tabla 4: Rangos de probabilidad de éxito ........................................................................ 44

Tabla 5: Condiciones principales del Modelo Logístico .................................................. 47

Tabla 6: Comparación de características de base de datos ............................................... 65

Tabla 7: Variables del Metaanálisis ................................................................................. 76

Tabla 8: Palabras Clave .................................................................................................... 77

Tabla 9: Criterio de selección........................................................................................... 77

Tabla 10: Bibliografía ...................................................................................................... 79

Tabla 11: Análisis de la variable Número de citas de cada artículo.................................. 80

Tabla 12: Análisis de la variable “Palabras Clave” .......................................................... 81

Tabla 13: Análisis de la variable “Criterio de selección” ................................................. 82

Tabla 14: Análisis de la variable “Comparación del modelo” .......................................... 83

Tabla 15: Análisis de la variable “Número de veces que se repite Redes Neuronales” .... 84

Tabla 16: Análisis de la variable “Número de veces que se repite Regresión Logística” . 85

Tabla 17: Análisis de la variable “Número de veces que se repite Sismo” ....................... 86

Tabla 18: Análisis de la variable “Número de veces que se repite Estadística”................ 87

Tabla 19: Análisis de la variable “Número de veces que se repite Predicción” ................ 88

Tabla 20: Análisis de la variable “Número de veces que se repite Machine Learning" .... 89

Tabla 21: Análisis de la variable “Bibliografía” ............................................................... 90

Tabla 22: Correlación de Pearson de las variables “Machine Learning” y “Predicción” .. 91

Tabla 23: Tabla de Contingencia de las variables “Machine Learning” y “Predicción” ... 92

Tabla 24: Correlación de Pearson de las variables “Redes Neuronales” y “Sismo” ......... 93

Tabla 25: Tabla de Contingencia de las variables “Redes Neuronales” y “Sismo” .......... 93

Tabla 26: Correlación de Pearson de las variables “Regresión Logística” y “Sismo” ...... 95

Tabla 27: Tabla de Contingencia de las variables “Regresión Logística” y “Sismo” ....... 95

Tabla 28: Correlación de Pearson de las variables “Número de Citas”, “Predicción” y

“Machine Learning” ......................................................................................................... 97

Tabla 29: Tabla de Contingencia de las variables “Número de Citas” y “Machine

Learning” ......................................................................................................................... 97

Tabla 30: Tabla de Contingencia de las variables “Número de Citas” y “Predicción” ..... 98

Tabla 31: Detalle de Costos del Proyecto ....................................................................... 102

Tabla 32: Descripción de las variables ........................................................................... 104

Tabla 33: Descripción de las variables ........................................................................... 110

XI

ÍNDICE DE GRÁFICOS

Gráfico 1: Representación del origen de un sismo ............................................................. 4

Gráfico 2: Magnitudes de los sismos ocurridos ................................................................ 15

Gráfico 3: Número de víctimas que han dejado los terremotos a nivel mundial y a nivel de

América Latina ................................................................................................................ 16

Gráfico 4: Número de muertos que ha dejado los sismos más fuertes ocurridos en el

Ecuador ............................................................................................................................ 17

Gráfico 5: Magnitud de los sismos más fuertes ocurridos en el Ecuador ......................... 18

Gráfico 6: Representación del origen de un sismo ........................................................... 23

Gráfico 7: Cinturón de Fuego del Pacífico ....................................................................... 26

Gráfico 8: Ejemplo de una Red Neuronal ........................................................................ 29

Gráfico 9: Representación de los datos en un plano de regresión ..................................... 33

Gráfico 10: Representación de los datos en un plano de clasificación ............................. 34

Gráfico 11: Esquema de la metodología LSTM ............................................................... 36

Gráfico 12: Representación de los odds en base a la probabilidad ................................... 45

Gráfico 13: Mostrando Datos ........................................................................................... 49

Gráfico 14: Resumiendo cada categoría ........................................................................... 49

Gráfico 15: Usando función GLM ................................................................................... 50

Gráfico 16: Exponenciando Modelo ................................................................................ 51

Gráfico 17: Realizando la predicción ............................................................................... 52

Gráfico 18: Resultados finales ......................................................................................... 52

Gráfico 19: Curva ROC ................................................................................................... 53

Gráfico 20: Matriz de confusión ...................................................................................... 54

Gráfico 21: Tabla de Contingencia bidireccional r x c ..................................................... 61

Gráfico 22: Funcionamiento del método deductivo ......................................................... 73

Gráfico 23: Representación del Muestreo Aleatorio Simple ............................................ 75

Gráfico 24: Frecuencia de la variable “Número de citas el artículo” ................................ 80

Gráfico 25: Frecuencia de la variable “Palabras Clave” ................................................... 81

Gráfico 26: Frecuencia de la variable “Criterios de Selección” ....................................... 82

Gráfico 27: Frecuencia de la variable “Criterios de Selección” ....................................... 83

Gráfico 28: Frecuencia de la variable “Número de veces que se repite Redes Neuronales”

......................................................................................................................................... 84

Gráfico 29:Frecuencia de la variable “Número de veces que se repite Regresión

Logística” ......................................................................................................................... 85

Gráfico 30: Frecuencia de la variable “Número de veces que se repite Sismo” ............... 86

Gráfico 31: Frecuencia de la variable “Número de veces que se repite Estadística” ........ 87

Gráfico 32: Frecuencia de la variable “Número de veces que se repite Predicción” ........ 88

Gráfico 33: Frecuencia de la variable “Número de veces que se repite Machine Learning”

......................................................................................................................................... 89

Gráfico 34: Frecuencia de la variable “Bibliografía” ....................................................... 90

Gráfico 35: Gráfico en barras de tablas cruzadas “Machine Learning” y “Predicción” .... 92

Gráfico 36: Gráfico en barras de tablas cruzadas “Redes Neuronales” y “Sismo” ........... 94

Gráfico 37: Gráfico en barras de tablas cruzadas “Regresión Logística” y “Sismo” ........ 96

Gráfico 38: Gráfico en barras de tablas cruzadas “Número de Citas” y “Machine

Learning” ......................................................................................................................... 98

Gráfico 39: Gráfico en barras de tablas cruzadas “Número de Citas” y “Predicción” ..... 99

Gráfico 40: Descripción de parámetros .......................................................................... 105

XII

Gráfico 41: Comparación de datos ................................................................................. 106

Gráfico 42: Curva ROC ................................................................................................. 106

Gráfico 43: Matriz de confusión .................................................................................... 107

Gráfico 44: Cantidad de Sismos 2020 ............................................................................ 108

Gráfico 45: Predicción de sismos 2020 .......................................................................... 109

Gráfico 46: Descripción de parámetros .......................................................................... 111

Gráfico 47: Validación de Pérdida ................................................................................. 112

Gráfico 48: Validación del modelo ................................................................................ 113

Gráfico 49: Comparación del Modelo ............................................................................ 114

Gráfico 50: Límites de Control ...................................................................................... 115

Gráfico 51: Sismos Predichos Codificados .................................................................... 115

Gráfico 52: Sismos Predichos Descodificados ............................................................... 116

XIII


FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS


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

RESUMEN

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 predicciones 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 predictivos.

Palabras Clave: Sismos, Predicción, Machine Learning, Redes Neuronales, Regresión

Logística, Python.

Autores: Alba Vega Daniel Alejandro


Tutor: Ing. Lorenzo Cevallos, M.Sc.

XIV


FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS


APPLICATION OF BASED MACHINE LEARNING TECHNIQUES IN

SEISMIC INFORMATION TO DEEPEN THE PROBABILITY OF

EARTHQUAKES THROUGH THE USE OF LOGISTIC

REGRESSION AND NEURONAL NETWORKS

ABSTRACT

The main objective of this project is to predict the possibility of a seismic event and its

characteristics through the application of Machine Learning techniques in order to

minimize damages within the Ecuadorian territory, due to the fact that the occurrence of an

unforeseen earthquake may cause structural and social damage depending on its magnitude,

so the techniques of Neural Networks and Logistic Regression were applied. To apply those

algorithms, a database was created, it contains historical data from web pages about the

earthquakes that happened in Ecuador from 1985 to 2019 in the Costa, Sierra and Oriente

regions. In total 658 earthquakes were collected, which were used by the aforementioned

techniques for the generation of new predictions and with them a probability that these may

actually happen. Historical data, results and graphs obtained from both techniques can be

visualized through a web page. The two algorithms demonstrate that they are viable to

predict a seismic event, for example through the application of Neural Networks, the loss

of value of the validation data (17.64%) is less than those of the loss of value of the training

data (23.8%) which means that there is no overfitting, meaning, the process will have a

lower probability of failing to recognize new seismic events; while the Logistic Regression

algorithm obtained an accuracy of 72.25%, thus being a percentage greater than the 70%

minimum required to apply and the value of the ROC or AUC curve is approximately

70.4%, implying that the data above that value tend to be classified correctly since they get

closer to 1, the data will have a better classification. Taking into account the mentioned

results, it can be concluded that the techniques applied in this project are efficient when

predicting upcoming events based on historical data and that the use of machine learning

techniques are very useful to solve various predictive problems.

Keywords: Earthquakes, Prediction, Machine Learning, Neural Networks, Logistic

Regression, Python.

Authors: Alba Vega Daniel Alejandro


Tutor: Ing. Lorenzo Cevallos, M.Sc.

Tutor: Ing. Rosa Molina Izurieta, Msc.

1

INTRODUCCIÓN

La Tierra es un planeta activo, y prueba de ello son los huracanes, tsunamis,

sismos, entre otros, respecto a este último concepto, (CÓRDOVA ROSADO &

BRAVO ALVAREZ, 2015) sostienen que “un sismo es un fenómeno vibrátil que se

puede transmitir a través de un movimiento ondulatorio, liberando energía debido

al desplazamiento de las placas tectónicas, erupción volcánica, por ruptura de la

corteza terrestre o por otras causas”.

Estos constantes movimientos se los suelen llamar temblores y este término es

usado para calificar los sismos de regular intensidad, y en cuanto a su

equivalencia, “tienen una magnitud menor a 6, y no causan grandes daños, y la

palabra terremoto para los sismos de gran intensidad, y de mayor magnitud, que

conllevan efectos destructivos de construcciones realizadas por el hombre y/o

pérdidas de vidas humanas” (INPRES, 2016). A pesar de ello, frecuentemente se

denomina terremoto para calificar cualquier sismo ya que significa movimiento de

tierra.

Una de las características más destacables de un terremoto es su naturaleza

impredecible, es decir, estos se pueden dar en cualquier momento o lugar, y esto

afecta mucho a la población humana ya que, si dado el caso de que el terremoto

sea de gran magnitud, las pérdidas serían mayores sin una buena preparación,

en este aspecto, (Beci, 2018) señala lo siguiente:

La enorme inquietud que nos provoca la presencia de estos fenómenos

naturales y la incertidumbre de no poder determinar cuándo y dónde

ocurrirán, aunado a la poca difusión de estudios que contribuyan a informar

y orientar a la población sobre las causas y mecanismos que dan origen a

estos movimientos, dan pie a que personas sin escrúpulos. ajenas al dolor

humano en momentos tan difíciles, como son aquellos que acompañan a

la catástrofe, inventen y se empeñen en divulgar las historias y "teorías"

más descabelladas, sin base científica alguna, consiguiendo acrecentar 1a

confusión, el pánico y el miedo en la población.

Según lo mencionado anteriormente, se da a entender que tratar de predecir en

un pequeño plazo de tiempo y al instante es muy complicado, por lo tanto tener

una estimación a largo plazo es lo más factible, pero con la desventaja que solo

2

será de conocimiento leve de que sucederá un terremoto, pero no en qué

momento específico sucederá.

En base a lo ya mencionado, cuando sucede un sismo, se toman datos básicos

como su magnitud, profundidad, su zona, tipo de suelo, entro otros; todos estos

puntos dan a entender la gravedad y qué consecuencias puede ocasionar un

sismo, qué factores depende para llegar a dicho resultado; para todos estos datos

se aplicarán técnicas de Machine Learning (Aprendizaje Automático), la cual el

(Management Solutions, 2018) la define como un conjunto de métodos capaces

de detectar patrones en los datos de forma automática por medio de diversos

métodos estadísticos, que incluye desde el uso de los patrones detectados para

realizar predicciones o para realizar tipos de decisiones en entornos de

incertidumbre.

Las técnicas que se usarán son Regresión Logística y Redes Neuronales, las

cuales en base a datos tomados de los terremotos ocurridos en el Ecuador desde

1985 hasta el 2019 permitirán revelar cual es la probabilidad de que ocurra un

movimiento telúrico, los datos a considerar serán los sismos con magnitud de 4

en adelante ya que son los que más daños suelen provocar.

A continuación, se muestra la estructura del presente trabajo de titulación.

Capítulo I – El Problema. – Aquí se detalla todo lo relacionado al problema en

cuestión, sus causas y consecuencias, objetivos generales y objetivos específicos

que se pretenden cumplir al final de este proyecto.

Capítulo II – Marco Teórico. - Dentro de este capítulo se describe toda la

fundamentación legal y teórica que debe ser conocida por los autores del proyecto

para que en base a este conocimiento lo desarrollen con los debidos lineamientos.

Capítulo III – Metodología de la investigación. - Se determina la factibilidad de

la propuesta planteada para solucionar el problema, contiene factibilidad

operacional, técnica, legal y económica, el metaanálisis, los procedimientos de la

investigación y el análisis de los modelos de Machine Learning.

Capítulo IV – Resultados, Conclusiones y Recomendaciones. - Se presenta

los resultados obtenidos para cada uno de los objetivos planteados. Se tiene

también las conclusiones y recomendaciones como tal del aplicativo web y de los

modelos planteados.

3

CAPÍTULO I

EL PROBLEMA

PLANTEAMIENTO DEL PROBLEMA

Se denomina sismo al movimiento repentino del suelo cuya intensidad es

sumamente variable, en los últimos años en el Ecuador el número de

sismos se ha incrementado considerablemente esto debido a liberación de

energía que se ha dado tras el fracturamiento de las placas tectónicas

siendo el terremoto del 16 de abril del 2016 el que más ha afectado a las

familias ecuatorianas y la economía local. Este hecho al ser un fenómeno

natural es imposible predecir, sin embargo, en la actualidad existen

técnicas basadas en Inteligencia Artificial, que ayuda a partir de datos

históricos poder determinar la probabilidad de ocurrencia del mismo.

Tener un margen de probabilidad de cuándo podría ocurrir un sismo con

una magnitud considerablemente alta resulta extremadamente útil para

poder estar preparados y disminuir los desastres catastróficos que implica

la presencia de este fenómeno natural; al producirse un terremoto de gran

magnitud, especialmente en la noche, toma desprevenido a las personas y

esto produce como consecuencia, pérdidas estructurales y/o humanas. En

la sociedad se han creado alarmas que suenan solo unos instantes antes

de que suceda un movimiento telúrico, pero aun así no es suficiente para

evitar las pérdidas ya mencionadas.

También se ha hecho uso de varias técnicas de disciplinas científicas para

poder hallar la forma en como predecir un terremoto, pero no se ha llegado

a una conclusión en específico.

4

UBICACIÓN DEL PROBLEMA EN UN CONTEXTO

La República del Ecuador se encuentra ubicado en el continente

americano, más específicamente en la parte al noreste de América del sur,

sus límites son: al este y al sur con la Republica de Perú, al norte con la

República de Colombia y al oeste con el Océano Pacífico.

Gráfico 1: Representación del origen de un sismo

Elaboración: Daniel Alba y Javier Calle.

Fuente: Google Maps.

Uno de los principales problemas con los que debe lidiar las personas no

solo del Ecuador sino de cualquier parte del mundo es que un sismo puede

ocurrir en cualquier momento y hasta la actualidad aún no se ha podido

desarrollar ninguna técnica o instrumento que permita predecir cuando y

donde va a ocurrir, esto ha causado que a lo largo de todos estos años

existan infinitas pérdidas no solo materiales sino también humanas.

Potencias mundiales como Estados Unidos y otros países siguen

investigando la manera de lograr pronosticar la ocurrencia de un sismo con

un lapso lo suficientemente amplio para lograr salvar la mayor cantidad de

vidas humanas posibles, pero hasta ahora no han tenido éxito.

5

Por todos los motivos ya antes mencionado se han tomado los factores más

importantes de los sismos ocurridos a lo largo de estos años en la republica

del Ecuador con el fin de utilizarlos y analizarlos para poder pronosticar la

probabilidad de ocurrencia de sismo y así lograr que las personas estén

prevenidas y por ende salvar la mayor cantidad de vidas posibles.

SITUACIÓN CONFLICTO NUDOS CRÍTICOS

Debido a que el territorio ecuatoriano se encuentra ubicado en el Cinturón

de Fuego del Pacifico, una zona que abarca algunos países como Chile,

Bolivia, Ecuador, México entre otros, es susceptible a formar parte de

frecuentes sismos de gran magnitud esto debido a que las placas

tectónicas que reposan sobre el océano pacifico convergen lo cual causa

fricciones entre ellas provocando a su vez que esta energía deba ser

liberada de golpe haciendo que la parte superior de la superficie terrestre

se mueva bruscamente en un fenómeno conocido como sismo.

Los sismos de gran magnitud normalmente causan grandes daños sociales

ya que dejan a familias destruidas, niños huérfanos, ancianos sin hogar,

colapso de edificaciones estructurales, etc. el gobierno por lo general crea

albergues en las zonas donde el impacto del sismo haya sido de mayor

magnitud, sin embargo muchas de las veces no cuentan con todos los

servicios básicos que una persona necesita, las cuales por lo general han

perdido sus cosas, (Salazar Arbelaez, 2018), agrega “ponen en evidencia

la vulnerabilidad de los sistemas de salud y crean necesidad de adoptar

una política de Estado que ponga en práctica un plan de contención y

mitigación de daños a la salud”.

Por todo lo mencionado en el párrafo anterior es que este trabajo de

investigación pretende ayudar a las personas ecuatorianas a que no

pierdan todas su cosas materiales y familiares en movimientos telúricos

fuertes puesto que, mediante las técnicas a usar, las personas podrán

están prevenidos de la probabilidad de ocurrencia de dichos fenómenos

naturales.

6

CAUSAS Y CONSECUENCIAS DEL PROBLEMA

Con el objetivo de una mejor comprensión por parte del lector sobre las

causas y consecuencias del problema principal y todas sus derivaciones

presentes a lo largo de esta investigación se utilizará una tabla divisoria

para presentar la información.

Tabla 1: Causas y Consecuencias del Problema

Causas Consecuencias

No contar con ningún portal web

que pronostique la probabilidad

de ocurrencia de un sismo de gran

magnitud.

Las personas están completamente

desprevenidas acerca de un

movimiento telúrico de gran

magnitud

Los terremotos pueden ocurrir en

cualquier momento ya sea durante

el día o la noche

Pérdida de enseres materiales, así

como vidas humanas.

Los movimientos telúricos pueden

llegar a ser de magnitudes

extremadamente altas.

Al ser una magnitud alta, los

daños causados pueden ser de

igual proporción.

Los sismos fuertes siempre vienen

acompañados de réplicas cuyas

magnitudes son inciertas.

Las personas tienen miedo de

regresar a sus casas porque no

saben si existe riesgo de réplicas

fuertes.

Los sismos de magnitudes fuertes

suelen causar muchos desastres

sobre todo en lugares que no

tienen construcciones

antisísmicas, y que están ubicados

en zonas donde se han registrado

varios eventos sísmicos.

Muchas personas pierden sus

casas y/o se quedan sin trabajo,

afectando en varias formas a la

macroeconomía de la nación.

Elaboración: Daniel Alba y Javier Calle

Fuente: Propia de la Investigación

7

DELIMITACIÓN DEL PROBLEMA

A continuación, se presenta una tabla con la delimitación del problema de

la presente investigación en el aspecto, área y el campo.

Tabla 2: Delimitación del Problema

Campo: Biotecnología, Biodiversidad y Sostenibilidad de los Recursos

Naturales

Área: Herramientas biotecnológicas aplicados a los recursos naturales y

agropecuarios.

Aspecto: Investigación, Desarrollo de software y Bioinformática

Tema: 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.


Fuente: Propia de la investigación.

FORMULACIÓN DEL PROBLEMA

¿El uso de técnicas de Inteligencia Artificial tal como Machine Learning,

ayudará a determinar una probabilidad de ocurrencia de un sismo mediante

datos históricos?

EVALUACIÓN DEL PROBLEMA

Después de haber realizado una minuciosa investigación acerca de cada

una de las cuestiones involucrados dentro del problema se ha concluido

que el presente trabajo investigativo cumple con los aspectos que se

detallan a continuación:

Factible: Este proyecto es viable, ya que se usará técnicas de Machine

Learning y datos que se han recolectado de los terremotos ocurridos en el

8

Ecuador a lo largo de su historia, para calcular la probabilidad de que ocurra

uno.

Concreto: El presente trabajo permitirá demostrar que los resultados

obtenidos al usar diferentes técnicas de Machine Learning para calcular la

probabilidad de que se avecina un terremoto son muy similares.

Claro: Este proyecto consiste en aplicar técnicas de Machine Learning y

comparar los resultados de sus análisis, seleccionar cual es la más

conveniente para poder tener una probabilidad más cercana de que ocurra

un sismo mediante los datos recolectados por otros terremotos ocurridos

anteriormente en el país.

Evidente: En este aspecto se logrará obtener una conclusión más cercana

en el estudio de los movimientos sísmicos, determinar las causas y cuáles

serían las consecuencias según el entorno en el que se suscite.

Delimitado: En este análisis se usan las técnicas de Machine Learning que

son Regresión Logística y Redes Neuronales, en las cuales analizarán

datos históricos de terremotos, con el objetivo de comparar los resultados

finales y visualizar cuál es el que se acerca más a la conclusión esperada.

Variable: Dentro del proyecto de titulación se detallan cuáles son las

variables que se toman después de un sismo, sus causas, la magnitud,

profundidad, epicentro, localización, y definir también sobre la disciplina

Machine Learning y los modelos a usar: Regresión Logística y Redes

Neuronales.

Identifica los productos esperados: Los resultados que se pretenden

obtener al culminar la presente investigación es mostrar en una página web

cual es la probabilidad de ocurrencia de un sismo dentro del Ecuador

empleando los modelos de Regresión Logística y Redes Neuronales los

cuales serán entrenados por los datos recopilados de los sismos más

relevantes ocurridos en el Ecuador en las últimas décadas.

9

OBJETIVOS

Objetivo General

Pronosticar la probabilidad de ocurrencia de un sismo mediante el uso de

Machine Learning y ciertas técnicas probabilísticas para reducir los

impactos negativos tanto sociales como estructurales que deja este tipo de

fenómeno natural dentro del Ecuador.

Objetivos Específicos

1. Recopilar datos históricos acerca de los sismos ocurridos en el

territorio ecuatoriano en un periodo de tiempo.

2. Hacer uso de las técnicas de Machine Learning para determinar la

probabilidad de ocurrencia de un terremoto.

3. Determinar la exactitud de una prueba diagnóstica basada en redes

neuronales y regresión logística para encontrar el punto de corte de

una escala continua en el que se alcanza la sensibilidad y

especificidad más alta.

4. Analizar los atributos de los datos históricos sobre los terremotos en

el Ecuador que contengan las características necesarias para ser

tomados en consideración en la aplicación de las técnicas de

Machine Learning.

5. Desarrollar una página web para visualizar mediante gráficas

estadísticas la probabilidad de ocurrencias de estos eventos

sísmicos y así permanecer en un estado de alerta continua.

ALCANCES DEL PROBLEMA

• La recopilación de los datos será realizada por medio de páginas

web que se dedican a registrar este tipo de eventos naturales, tales

como El Programa de Riesgos de Terremotos del Servicio Geológico

10

de los Estados Unidos (USGS) y del Instituto Geofísico de la Escuela

Politécnica Nacional (IGEPN).

• Los resultados de la probabilidad de que ocurra un sismo serán

obtenidos aplicando Redes neuronales y Regresión Logística.

• Se usarán gráficos estadísticos de barras, de frecuencia, de

dispersión, histogramas, matriz de confusión y curva ROC para

poder visualizar los resultados obtenidos de las dos técnicas de

Machine Learning y así llegar a una conclusión.

• El análisis de atributos será posible mediante la aplicación del

metaanálisis la cual permite sintetizar información obtenida de

papers y revistas científicas como Springer, Scielo entre otras.

• La página web será desarrollada haciendo uso del lenguaje de

programación Python y los gráficos estadísticos serán realizados

mediante la información almacenada en la base de datos.

• En los datos históricos de los eventos sísmicos en el Ecuador, solo

serán tomados en cuenta las regiones Costa, Sierra y Oriente,

excluyendo la región Insular o Galápagos, por falta de datos

concretos y fiables.

JUSTIFICACIÓN E IMPORTANCIA

A pesar de que el Ecuador no es un país desarrollado o una potencia

mundial como si lo son otros países, eso no quiere decir que las personas

que habitan el territorio ecuatoriano no puedan desarrollar técnicas o

mecanismos que ayuden a sus habitantes a tener una vida más tranquila,

en vista de lo mencionado al observar que en el país no existe ninguna

página web que utilicen modelos probabilísticos y de inteligencia artificial

que permitan tener una estimación de la probabilidad de ocurrencia de un

sismo, se decidió desarrollar esta investigación con el objetivo de ayudar

a que los habitantes del territorio ecuatoriano puedan tener una vida un

poco más serena.

11

El presente proyecto se enfocará en investigar cuales son los principales

factores que intervienen en un sismo para poder entender su

comportamiento y así poder predecir la probabilidad de ocurrencia del

mismo y mostrarlo en un sitio web, todo esto se logrará a través de estudiar

los movimientos telúricos más significativos que se han producido en el

Ecuador a lo largo de su historia.

Este estudio es importante y se realiza debido a que en los últimos años el

movimiento de la corteza terrestre en territorio ecuatoriano ha sido más

frecuente lo que ha provocado gran preocupación en los habitantes del

Ecuador quienes en su mayoría observaron en el terremoto ocurrido el 16

de abril del 2016 que las construcciones de sus viviendas se tornaron muy

vulnerables ante movimientos telúricos de gran magnitud lo que pone en

peligro sus vidas y sus pertenencias materiales.

Finalmente, el presente trabajo también es de mucha importancia debido a

que permitirá disminuir los impactos negativos que dejan los sismos a gran

escala, por que las personas al tener libre acceso a esta página web podrán

estar preparadas para evacuar dependiendo del grado de probabilidad de

ocurrencia que arrojen los modelos probabilísticos empleados para

pronosticar este cataclismo.

METODOLOGÍA DEL PROYECTO

Las técnicas y métodos usados para la recopilación, clasificación y análisis

de datos son diversos, la investigación bibliográfica y el metaanálisis son

los principales métodos empleados.

Metaanálisis: Técnica empleada para para el análisis cuantitativo de los

artículos científicos.

Investigación Bibliográfica: Todos los datos necesarios para la

investigación serán recopilados de bases de datos y artículos científicos.

12

Investigación Cuantitativa: Los datos recolectados serán clasificados en

base a técnicas estadísticas de distribución de frecuencias para poder

realizar el entrenamiento de los datos

Investigación Deductiva: Los datos generales recopilados serán

procesados para obtener resultados específicos.

Presentación de la propuesta: A través del entrenamiento de los modelos

se presenta la página web la cual contiene todos los datos históricos

recolectados, así como los resultados obtenidos.

13

CAPÍTULO II

MARCO TEÓRICO

En el presente capítulo se detallará los antecedentes que motivaron a llevar

a cabo esta investigación, también se realizará la revisión de la literatura

con respecto a los sismos ocurridos en el Ecuador a lo largo de su historia

y de las principales consecuencias que los mismos implican, para finalizar

con este capítulo se definirán los conceptos más importantes a usar dentro

del presente trabajo.

ANTECEDENTES DEL ESTUDIO

En los últimos años, el Ecuador ha sido víctima de muchas actividades

sísmicas, las cuales se han ido incrementado conforme pasan los años,

este fenómeno natural suele causar muchos daños puesto que provoca no

solo que las personas pierdan sus seres queridos, sino también muchas de

las veces también deja a las personas en la calle sin ninguna esperanza de

vida, los más preocupante de todo es que estos cataclismos llegan en el

momento menos esperado, sin dar tiempo a las personas de salvar cosas

importantes para ellas y esto incluye salvar su propia vida, algunos países

más desarrollados como Estados Unidos han desarrollado mecanismos

como alarmas sísmicas que alertan a sus ciudadanos la posible ocurrencia

de un movimiento telúrico, sin embargo esta alarma suena solo unos

instantes antes de que ocurra este fenómeno natural sin dar tiempo a las

personas de ponerse a salva en un lugar seguro.

Hasta la actualidad según la (BBC-Mundo, 2017) los cuatro terremotos con

mayor magnitud registrado en la historia de la humanidad son los

siguientes:

14

1. El ocurrido en la ciudad de Valdivia (Chile) que tuvo una magnitud

de 9,5 en la escala de Richter, este fenómeno natural aconteció el

22 de mayo de 1960 dejando como resultados alrededor de dos mil

muertos y más de dos millones de personas damnificadas.

2. El segundo lugar lo ocupa el terremoto ocurrido en Arica que se

ubica en la parte norte de Chile, sucedió el 13 de agosto de 1868

cuya magnitud fue de 9 en la escala de Richter, cabe recalcar que

cuando aconteció este cataclismo la ciudad de Arica pertenecía a la

República de Perú.

3. El tercer puesto también le pertenece a Chile, esta vez el movimiento

sísmico tuvo lugar el 27 de febrero del 2010 en la parte sur de Chile.

Según datos oficiales el número de muertos llegó hasta los 500 y el

número de personas damnificadas ascendió hasta los dos millones.

4. Por último, se tiene el terremoto acontecido en el Ecuador, el cual

ocurrió el 31 de enero de 1906 entre la frontera ecuatoriana y la

frontera de Colombia cuya magnitud fue de 8,8 en la escala de

Richter. La provincia que más afectada se vio por este inesperado

suceso fue Esmeraldas, esto debido a que este fenómeno natural

provocó un tsunami en dicha provincia el cual dejó completamente

devastado al pueblo de Rio Verde, en aquel entonces se calculó que

la cifra de muertos se encontraba entre 500 y 1.500 personas, (BBC-

Mundo, 2017).

Como se puede dar cuenta los terremotos más devastadores registrados

en el planeta se encuentran en América Latina, incluso uno de ellos ocurrió

en el Ecuador, lo cual es motivo de preocupación porque quiere decir que

se encuentra ubicado en un territorio muy inestable, también es señal de

que el peligro es constante porque no se sabe en qué momento puede

llegar un nuevo sismo y arrasar con todo lo que se tiene, sin otorgar tiempo

de salvar cosas importantes o incluso, salvar la propia vida.

15

A continuación, se muestra un gráfico que representa los sismos ocurridos

(antes mencionados) a través de la historia y el lugar donde acontecieron

los mismos.

Gráfico 2: Magnitudes de los sismos ocurridos


Fuente: BBC, 2017.

Que un terremoto tenga una magnitud considerablemente alta no significa

que sea el más catastrófico, esto es fácil de demostrar porque si bien

anteriormente se observó que los dos sismos con mayor magnitud

registrados en la historia de la humanidad fueron los ocurridos en Chile, sin

embargo los terremotos más mortíferos según el sitio web (elPeriódico) son

los ocurridos en China, por una parte se tiene el sismo acontecido el 23 de

enero de 1556 en la ciudad de Shansi (China) en donde hubo alrededor de

830.000 víctimas, porcentualmente hablando se puede decir que en

algunos puntos del país se perdió hasta el 60% de la población. Por otra

parte está el cataclismo ocurrido en este mismo país pero esta vez en la

ciudad de Tangshang el 27 de julio de 1976 cuyas cifras ascendieron hasta

las 255.000 víctimas, aunque en este punto es importante resaltar que el

Centro Internacional de Sismología (ISC) llegaron a pronosticar que la cifra

de víctimas que dejó a su paso este hecho llegó hasta los 655.000 personas

(elPeriodico, 2017)

9,5

9

8,8 8,8

VALDIVIA (CHILE) ARICA (CHILE) CENTRO-SUR DE CHILE ESMERALDAS (ECUADOR)

Magnitud

Magnitud

16

En lo que se refiere a Latinoamérica los dos sismos registrados que más

muertos han dejado son los acontecidos primero en Haití el 12 de enero

del 2010 cuya cifra asciende a las 316.000 víctimas a pesar de que la

magnitud fue solamente de 7 en la escala de Richter y segundo es el

terremoto acontecido en Perú el 31 de mayo de 1970 cuyo saldo fue de

66.000 víctimas con una magnitud de 7,8 en la escala de Richter (Abad,

Blanco, & Alameda, 2017)

Gráfico 3: Número de víctimas que han dejado los terremotos a nivel mundial y a nivel de

América Latina


Fuente: BBC y elPeriódico 2017.

Como se puede observar los sismos ocurridos a través de la historia son

muy preocupantes y el número de víctimas y damnificados que deja a su

paso es muy considerable, por ende es importante empezar a tomar

medidas que ayuden a las personas a tener un poco más de tranquilidad

en sus vidas y sobre todo ayude a disminuir el número de impactos

negativos que dejan estos fenómenos naturales a su paso, que si bien son

desastres de la naturaleza que no se pueden predecir, pero si se puede

aplicar técnicas que ayuden a tener hasta cierto punto una noción de cuál

es su probabilidad de ocurrencia para estar pendientes y tomar las debidas

precauciones.

830000

655000

316000

80000

SHANSI (CHINA) TANGSHAN (CHINA) PUERTO PRINCIPE (HAITÍ)

LOS ANDES (PERÚ)

Víctimas

Víctimas

17

Según el diario El Universo en su publicación realizada el 17 de abril del

2016 en el Ecuador los dos sismos más potentes registrados desde que

existen sismógrafos son:

1. El ocurrido en enero de 1906 entre las fronteras de Ecuador y

Colombia muy cerca de Esmeraldas cuya magnitud fue de 8,8 y el

número de víctimas mortales ascendió hasta las 1.500 personas.

2. El que devastó la ciudad de Riobamba el 4 de febrero de 1797 cuya

magnitud alcanzó hasta los 8,3 en la escala de Richter y el número

de muertos llegó hasta las 31.000 víctimas. Es importante mencionar

que este terremoto es el más mortífero que ha ocurrido en el

Ecuador hasta la actualidad puesto que aparte de afectar a la

provincia de Tungurahua, también afectó considerablemente a las

provincias de Chimborazo, Cotopaxi, Bolívar y Pichincha.

(elUniverso, 2018).

Gráfico 4: Número de muertos que ha dejado los sismos más fuertes ocurridos en el Ecuador


Fuente: Diario el Universo, 2018.

1500

31000

ESMERALDAS RIOBAMBA

Víctimas

Víctimas

18

Gráfico 5: Magnitud de los sismos más fuertes ocurridos en el Ecuador


Fuente: Diario el Universo, 2018.

Como se puede ver en las gráficas anteriores en el Ecuador al igual que

otros países también se dan terremotos de grandes magnitudes, es decir

el territorio ecuatoriano no está exento de sismos y mucho menos de todas

las consecuencias que traen los mismos por lo que es imperativo y muy

necesario empezar a buscar soluciones que ayuden a las personas a estar

prevenidas y alertas en caso de que ocurran este tipo de desastres

naturales para que puedan al menos salvar vidas.

Terremoto del 16 de abril del 2016

Este inesperado hecho ocurrido hace algunos años atrás dejo

conmocionado al Ecuador, especialmente a las provincias de Manabí y

Esmeraldas, aunque la ciudad de Guayaquil también se vio afectada pero

no en igual proporción que Pedernales y Muisne. Según el informe emitido

por la (Secretaría de Gestión de Riesgos del Ecuador, 2016):

El sismo de M 7.8 en el norte de Ecuador se produjo como resultado

de un movimiento de capas tectónicas de tipo superficial en el borde

de la Placa de Nazca y la Placa del Pacífico. En el epicentro la placa

8,8

8,3

ESMERALDAS RIOBAMBA

Magnitud

Magnitud

19

de Nazca se subduce en dirección Este, debajo de la Placa de

Sudamérica a una velocidad de 61mm al año. Por la presión

existente se liberó presión de la placa primaria generándose una

mega ruptura entre las dos placas.

Ante la magnitud de este fenómeno natural ocurrido el estado ecuatoriano

tuvo que emitir un estado inmediato de excepción en las provincias de

Santo Domingo, Esmeraldas, Manabí, Los Ríos, Guayas y Santa Elena,

con el objetivo de mantener la calma y el orden entre la ciudadanía

ecuatoriana. A pesar de que las principales provincias afectadas limitan con

el Océano Pacifico no hubo alerta de tsunami sin embargo si se ordenó la

evacuación inmediata de sus habitantes por motivos de seguridad.

Entre las principales afectaciones que tuvieron las provincias involucradas

se pueden citar las siguientes:

1. Manabí

• Las comunicaciones se perdieron entre varios cantones de la

zona.

• El puente de las Caras tuvo serias afectaciones.

• Los centros de salud seguían funcionando, pero existían

muchas limitaciones para los mismos.

• La electricidad también se vio afectada en la mayor parte de

esta provincia.

• La población fue evacuada inmediatamente a zonas

elevadas.

• Hubo un total de 12 hoteles que tuvieron que ser demolidos

porque serios daños estructurales y 23 hoteles colapsaron

por el impacto del sismo.

2. Esmeraldas

• 110 viviendas colapsaron.

• Los hospitales trabajaron a pesar de que no se disponía con

los servicios de electricidad y telefonía.

20

• La refinería de esmeraldas tuvo que parar sus operaciones

por un incendio causado por el terremoto.

• Las personas de las zonas costeras también tuvieron que ser

evacuadas de forma inmediata.

3. Guayas

• El puente ubicado frente a la Universidad Laica Vicente

Rocafuerte en la Avenida de las Américas colapsó por el

impacto del sismo, este hecho dejó dos víctimas mortales.

• 243 edificaciones se vieron afectadas, aunque los daños

fueron mínimos (Moncayo y Sarmiento, 2018, p. 22).

Como parte del proyecto, un tema importante es el uso de las técnicas de

Machine Learning, en el Ecuador en la última década, el uso de la

Inteligencia Artificial se ha hecho notable en el país. Bancos, operadoras

de teléfono y universidades están empleado un chatbot como servicio al

cliente, no solo en páginas web, sino también en redes sociales como

WhatsApp. Machine Learning es una rama de la inteligencia artificial en la

cual se busca que las computadoras aprendan nuevos términos, palabras

nuevas, para así aprender su significado y usarlas en otra ocasión y de esta

manera hacer mucho mejor la experiencia del usuario y poder minimizar el

número de errores al mínimo.

Por otra parte, actualmente el aprendizaje automático es usado en

marketing y las empresas para predecir cómo serán sus ventas e ingresos

en los días posteriores, identificar clientes potenciales según sus gustos o

preferencias, para así elaborar un plan u ofertas para atraerlos, aunque su

uso por ahora se limita a esto, hay varios proyectos que buscan usarla con

otros fines, sin embargo aún están en desarrollo, como es mencionado

según (Rodríguez, 2019) para el periódico EL COMERCIO, en la que un

equipo de ingenieros ecuatorianos, desarrollaron un sistema, que permite

la posibilidad que un usuario pueda replicar los movimientos que hace con

sus manos en las manos de su compañero, sin que este pueda hacer nada

para evitarlo.

21

Otro punto importante en la presente investigación es el uso de Redes

Neuronales y Regresión Logística en el Ecuador, estas dos técnicas son

usadas en muchas actividades que ayudan a las empresas a predecir

futuros conflictos con la finalidad de estar preparados con planes de

contingencia que disminuyan los impactos de los problemas que se puedan

presentar. Por ejemplo, Peña y Orellana en su investigación “Red Neuronal

para clasificación de riesgo en cooperativas de ahorro y crédito” señalan

como esta técnica de Machine Learning puede ser usado en el

descubrimiento temprano de problemas futuros en cooperativas de ahorro

y crédito (COAC) puesto que “ayuda a presentar un porcentaje de precisión

aceptable, para clasificar una COAC dentro de un nivel de riesgo con base

al valor de sus índices financieros” (Peña y Orellana, 2018, p. 121).

Por otro lado, la técnica de regresión logística la cual se originó en la

década de los 60 con el trabajo de Smith, Cornfield y Gordon con el objetivo

de convertirse en una técnica multivariada para realizar análisis explicativos

y predictivos que permita modelar la ausencia o presencia de un evento

(García, Plaza y Mite, 2016) también ha sido muy importante en el Ecuador

ya que ha sido usada en muchos sectores ganaderos, agrícolas,

ambientales, etc.

Este método por lo general es utilizado cuando se desea saber la

probabilidad de ocurrencia de un hecho como puede ser ¿Cuál es la

probabilidad de que llueva?, ¿Cuál es la probabilidad de que un cliente elija

un determinado supermercado para realizar sus compras?, entre otros

muchos cuestionamientos, siendo 1 el valor máximo que puede tomar la

variable y 0 el valor mínimo.

Un claro ejemplo es el que Valencia y Bonifaz presentan en su artículo

“Modelo de Regresión Logística Multinomial para medir las preferencias

que tienen los clientes en el sector farmacéutico: caso Ambato, Ecuador”

en el cual muestran como mediante esta técnica probabilística y en base a

unas variables recopiladas se puede pronosticar la probabilidad de que un

22

cliente elija una determinada farmacia ubicada en un sector específico de

Ambato.

Esto a su vez permite realizar simulaciones a las farmacias para indagar

cuales pueden ser sus futuras demandas, conocer en que pueden mejorar

o saber cómo pueden convertirse en una farmacia competitiva (Valencia y

Bonifaz, 2018, p. 318).

FUNDAMENTACIÓN TEÓRICA

Los sismos

A pesar de que en la actualidad existen muchos conceptos acerca de los

sismos, CINAPRED (2014) los define como:

Un sismo es un fenómeno que se produce por el rompimiento repentino

en la cubierta rígida del planeta llamada corteza terrestre. Como

consecuencia se producen vibraciones que se propagan en todas

direcciones y que percibimos como una sacudida o un balanceo con

duración e intensidad variables. (p. 2)

Cualquier parte del planeta tierra es susceptible a sentir movimientos

violentos de la corteza terrestre puesto que no existe ningún rincón en la

tierra en donde se pueda afirmar que se está a salvo de un temblor. Sin

embargo, algunos lugares son más propensos a ser víctimas de este

fenómeno natural, es decir estos lugares reciben este hecho con mayor

intensidad y con una mayor frecuencia. Una muestra de ello es Baja

California en Estados Unidos que por el hecho de estar ubicada entre la

Placa del Pacífico y la Placa de Cocos los sismos son frecuentes y de

grandes magnitudes en cambio Brasilia que es la capital de Brasil se

encuentra en una zona en donde los temblores casi pasan desapercibidos

por su gente, este es un claro ejemplo de lo mencionado anteriormente.

(Ramírez, 2017)

23

Por lo general el punto en donde se produce un sismo suele ser dividido en

dos partes:

1. Epicentro: Es el lugar sobre la superficie terrestre en donde se

originó el movimiento sísmico, en este lugar es donde se siente con

mayor intensidad el desplazamiento de la corteza terrestre.

2. Hipocentro o Foco: Es el sitio bajo la superficie terrestre en donde

se originó el movimiento telúrico.

Gráfico 6: Representación del origen de un sismo

Elaboración: Agencia de Noticias de a U. Nacional.

Fuente: El Espectador, 2019.

Cuando se produce un sismo es importante saber identificar si es un

temblor leve o un terremoto que pude dejar consecuencias devastadoras,

todo ello se sabe en base a la magnitud del mismo la cual se puede definir

como la liberación de energía que se produce en el interior de la tierra al

momento de suceder el sismo, también se debe tener en cuenta que el

proceso de subducción de la placa de Nazca bajo el territorio Sudamericano

es uno de los principales responsables del alto índice de sismicidad

existente en dicho territorio (Velarde y Tavera, 2016).

24

Para medir las magnitudes existen instrumentos especiales conocidos

como sismómetros los cuales son muy precisos a la hora de calcular la

intensidad de cualquier movimiento telúrico, estos instrumentos suelen

estar generalmente en centros sismológicos y desde ahí se envían reportes

señalando que tan grande fue la magnitud del sismo detectado. Otra forma

de calcular la intensidad de un movimiento de la corteza terrestre es a

través de dos variables: la amplitud de las ondas sísmicas y la duración del

mismo; tomando en cuenta la magnitud de un sismo, se puede saber si este

fenómeno natural puede convertirse en un terremoto o ser simplemente un

temblor, ya que en caso de ser este último, significa que el riesgo de causar

daños en el lugar donde ocurre es mínimo.

Tabla 3: Escala abreviada de Richter

MAGNITUD DENOMINACIÓN

1 a 2.9 Sismos Menores

3 a 3.9 Sismos Pequeños

4 a 4.9 Sismos Ligeros

5 a 5.9 Sismos Moderados

6 a 6.9 Sismos Fuertes

7 a 7.9 Sismos Mayores

Mayores a 8 Sismos Destructivos


Fuente: Ciencias de la Tierra al Servicio de la Sociedad

25

Licuefacción, derrumbes y deslizamientos

La licuefacción de un terreno suele denominarse al proceso en el cual el

suelo pasa de estar en estado sólido a un estado líquido, normalmente pasa

en suelos húmedos, arenosos, arcillosos o granulados, este fenómeno

ocurre al momento de que la tierra es sometida a movimientos bruscos.

Entre las consecuencias que esto trae se tienen las siguientes:

• Pérdida parcial o total de cultivos.

• Derrumbamiento de edificaciones.

• Pérdida de vidas humanas.

• Pérdidas materiales.

• Derrumbes y deslizamientos

Tsunamis o maremotos

Los maremotos también conocidos como tsunamis son olas las cuales se

encuentran cargadas de energía extremadamente altas provocando a la

vez que su tamaño sea variable, suelen aparecer ante la presencia de

grandes fenómenos naturales como lo son terremotos o erupciones

volcánicas. Una ola se genera por la atracción gravitatoria de la luna o el

sol, también puede producirse por el viento, sin embargo, un maremoto es

provocado por los bruscos deslizamientos de agua cuya cantidad

transportada es muy superior a la que transporta normalmente. Una de las

grandes ventajas que se tiene con los tsunamis es que se pueden

pronosticar con algunas horas de antelación (Lovholt, Bondevik, Laberg,

Kim y Boylan, 2017).

Cinturón de Fuego en el Pacífico

También conocido como el Anillo de Fuego del Pacífico, se encuentra

ubicado en las costas del océano Pacífico, su principal característica es que

26

en este lugar existe mucha actividad sísmica y volcánica debido a que se

encuentra situado sobre varias placas tectónicas las cuales tienen

constante fricción llenándolas de tensión que después debe ser liberada

provocando constantes sismos. Entre los principales países que se ven

afectados por el cinturón de fuego se tienen a los siguientes: Perú, Chile,

Bolivia, Argentina, Colombia, Ecuador, Panamá, Costa Rica, El Salvador,

Nicaragua, Honduras, Guatemala, Canadá, México, Estados Unidos, entre

otros. (Gringer, 2018).

Gráfico 7: Cinturón de Fuego del Pacífico

Elaboración: Gringer.

Fuente: GeoEnciclopedia. ´

Como se puede observar el cinturón de fuego afecta principalmente a los

países de Sudamérica ya que atraviesa a gran parte de ellos por lo que se

debe estar en continua alerta y sobre todo de prevenidos en todo momento

por posibles eventos sísmicos que puedan llegar a causar daños sociales

y estructurales.

UNIVERSIDAD DE GUAYAQUILrepositorio.ug.edu.ec/bitstream/redug/48862/1/B-CISC-PTG... · 2020. 8....

Documents

Transcript of UNIVERSIDAD DE GUAYAQUILrepositorio.ug.edu.ec/bitstream/redug/48862/1/B-CISC-PTG... · 2020. 8....