RedacciónT21 
Investigadores del Departamento de Informática de la Universidad Pablo de Olavide (de Sevilla) y del NT2 Labs – Nikola Tesla New Technology Labs de Chile han aplicado técnicas basadas en la minería de datos para el descubrimiento de patrones en series temporales de origen sísmico, y así poder predecirlos y prevenirlos.
En un artículo publicado en la revista Applied Soft Computing, muestran un método concreto, basado en la aplicación de redes neuronales artificiales, que han usado para predecir terremotos en Chile, uno de los países con mayor actividad sísmica del mundo.
Los investigadores realizan dos tipos de predicciones: la probabilidad de que un terremoto sea de magnitud mayor que un valor umbral, y la probabilidad de ocurrencia de un terremoto de magnitud dentro de un determinado intervalo.
En ambos casos, se mide la probabilidad de que ocurran en los siguientes cinco días, en las áreas analizadas. No tendría sentido advertir un movimiento sísmico meses antes, ya que Chile es un país ubicado en una zona de gran sismicidad, así como tampoco anunciarlo en pocas horas pues sería imposible adoptar un plan de actuación.
Las redes neuronales artificiales son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas que colaboran entre sí para producir un estímulo de salida.
La precisión del método se evaluó en experimentos retrospectivos. La alta tasa de éxito alcanzado apoya la conveniencia de la aplicación de soft computing en este ámbito, según los investigadores, y plantea nuevos retos que deben abordarse.
Jorge Reyes, Presidente de la organización científica NT2 Labs y colaborador del proyecto, afirma que este modelo es capaz de predecir terremotos con una alta confiabilidad, con una incerteza temporal de apenas cinco días y con una margen de error espacial del orden de 1°x1°.
Patrones
Aunque en el mercado ya existen diversos aparatos que detectan con cierta anticipación la venida de un terremoto, ninguno es tan preciso y tampoco tiene posibilidades de ampliar su desarrollo o entregar datos analíticos.
En la UPO, señala la web de la Universidad, aplican la minería de datos para extraer conocimiento de series temporales sísmicas (una secuencia de valores observados a lo largo del tiempo y, en consecuencia, ordenados cronológicamente) con el objetivo final de encontrar patrones en los datos que preceden a la ocurrencia de un movimiento telúrico y poder anticiparse a éste con un tiempo necesario que permita la adopción de un plan de prevención o emergencia.
Los científicos analizan y predicen la ocurrencia de terremotos bajo determinadas circunstancias, mediante la aplicación de dos técnicas clásicas (reglas de asociación cuantitativas (QAR) y regresión), teniendo en cuenta diferentes variables como el tiempo de un terremoto a otro, la magnitud del terremoto anterior, y un parámetro que caracteriza el comportamiento del suelo.
Aplicaciones
Este trabajo podría extrapolarse a cualquier tipo de desastre natural siempre que se aporten los datos necesarios, lo cual sería de gran interés por ejemplo para la predicción de tsunamis tras un terremoto, puesto que el sistema de detección actual, consistente en alarmas-sensores colocados en boyas instaladas en el mar, avisa sólo cuatro horas antes de que se produzca.
También los investigadores están estudiando la posibilidad de aplicar la minería de datos a la predicción de tifones, lo que requiere hacer un análisis de datos relacionados, determinar si la metodología es aplicable y extrapolable, y por tanto hacer las modificaciones oportunas.
Datos
Los científicos han trabajado con el conjunto de datos del catálogo del Instituto Geográfico Nacional, que contiene la localización y magnitud de los terremotos españoles desde el año 1980 hasta el 2009. Han analizado datos relativos a terremotos de dos áreas de la Península Ibérica, la cual está situada en el borde sudoeste de la placa Euroasiática en su colisión con la placa Africana, mediante dos técnicas diferentes: QAR y el algoritmo M5P.
Dicha investigación ha permitido comprobar que existe una posibilidad elevada de predecir terremotos de una intensidad media-alta en un periodo inferior a cuatro meses, tiempo suficiente para que la población y los servicios de emergencias se preparen.
Referencias bibliográficas:
J. Reyes, A. Morales-Esteban, F. Martínez-Álvarez: Neural networks to predict earthquakes in Chile. Applied Soft Computing (2013).
A. Morales-Esteban et al.: Pattern recognition to forecast seismic time series. Expert Systems with Applications (2010).
Hacer un comentario