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

173
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

Transcript of 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

    .

    UNIVERSIDAD DE GUAYAQUIL

    FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS

    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

    Calle Jara Javier Fernando

    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

    UNIVERSIDAD DE GUAYAQUIL

    FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS

    CARRERA DE INGENIERIA EN SISTEMAS COMPUTACIONALES

    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

    UNIVERSIDAD DE GUAYAQUIL

    FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS

    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

    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

    Calle Jara Javier Fernando

    Tutor: Ing. Lorenzo Cevallos, M.Sc.

  • XIV

    UNIVERSIDAD DE GUAYAQUIL

    FACULTAD DE CIENCIAS MATEMATICAS Y FISICAS

    CARRERA DE INGENIERIA EN SISTEMAS COMPUTACIONALES

    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

    Calle Jara Javier Fernando

    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.

    Elaboración: Daniel Alba y Javier Calle.

    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

    Elaboración: Daniel Alba y Javier Calle.

    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

    Elaboración: Daniel Alba y Javier Calle.

    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

    Elaboración: Daniel Alba y Javier Calle.

    Fuente: Diario el Universo, 2018.

    1500

    31000

    ESMERALDAS RIOBAMBA

    Víctimas

    Víctimas

  • 18

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

    Elaboración: Daniel Alba y Javier Calle.

    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

    Elaboración: Daniel Alba y Javier Calle.

    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.