Publicación: Evaluación de la susceptibilidad por movimientos en masa de la plancha 136-Málaga aplicando la herramienta de redes neuronales artificiales
| dc.contributor.advisor | Gelvez Cortes, Sergio Augusto | |
| dc.contributor.advisor | Valencia, Joaquin Andres | |
| dc.contributor.author | Machuca Castellanos, Silvia Viviana | |
| dc.date.accessioned | 2024-03-03T22:43:49Z | |
| dc.date.available | 2016 | |
| dc.date.available | 2024-03-03T22:43:49Z | |
| dc.date.created | 2016 | |
| dc.date.issued | 2016 | |
| dc.description.abstract | La evaluación de la susceptibilidad por movimientos en masa es el insumo base para la definición de la amenaza y el riesgo que puede presentar una región frente a estos eventos, lo cual debe ser necesario en los planes de mitigación de desastres y planes de ordenamiento territorial en un país geológicamente complejo y en vía de desarrollo como Colombia. Esta investigación busca determinar la susceptibilidad por movimientos en masa de la Plancha 136-Málaga mediante la implementación de una Red Neuronal Artificial Multilayer Perceptron-Back Propagation (MLP-BP), cuyo entrenamiento se basa en los atributos de las áreas donde se han registrado movimientos. La evaluación resultante es representada en un mapa de susceptibilidad a escala 1:100.000 con cinco categorías, desde la muy alta hasta la muy baja, prevaleciendo las de mayor susceptibilidad. Las redes neuronales artificiales son utilizadas como el método de evaluación de la susceptibilidad ya que es comúnmente utilizado en problemas de pronóstico, caracterizado por manipular de forma óptima gran cantidad de variables con muy bajos niveles de subjetividad. La geomorfología de la región expresa el fuerte control estructural generado por fracturas como la Falla Bucaramanga, Servitá, Onzaga, Chicamocha y fallas satélites que caracterizan la topografía abrupta de la Plancha. Estas características junto con otros atributos (geológicos, geomorfológicos, de suelos y cobertura) argumentan cualitativamente el mapa de susceptibilidad resultante. Igualmente los índices de susceptibilidad fueron validados mediante graficas de distribución de frecuencia acumulada, proporción de frecuencia y curvas ROC de éxito y predicción, cuyas expresiones indican un óptimo rendimiento de la red neuronal y una alta capacidad de predicción del método. | |
| dc.description.abstractenglish | Landslide susceptibility assessment of 136-málaga chart applying artificial neural networks tool | |
| dc.description.degreelevel | Pregrado | |
| dc.description.degreename | Geólogo | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.instname | Universidad Industrial de Santander | |
| dc.identifier.reponame | Universidad Industrial de Santander | |
| dc.identifier.repourl | https://noesis.uis.edu.co | |
| dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/34984 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Industrial de Santander | |
| dc.publisher.faculty | Facultad de Ingenierías Fisicoquímicas | |
| dc.publisher.program | Geología | |
| dc.publisher.school | Escuela de Geología | |
| dc.rights | http://creativecommons.org/licenses/by/4.0/ | |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0 | |
| dc.subject | Susceptibilidad | |
| dc.subject | Movimientos En Masa | |
| dc.subject | Redes Neuronales Artificiales. | |
| dc.subject.keyword | Landslide susceptibility assessment is foundation for define threat and risk can show a region versus these events | |
| dc.subject.keyword | it should to be necessary in disaster mitigation plans and land use plans at a geologically complex country and on developing as Colombia. This investigation searching for determine landslide susceptibility assessment of 136-Málaga Chart by implementing an Multilayer Perceptron-Back Propagation Artificial Neural Network (MLP-BP) | |
| dc.subject.keyword | whose training is based on attributes of areas where have been registered landslides. The resulting assessment is displayed on a susceptibility map at scale 1:100.000 whit five categories from very high to very low | |
| dc.subject.keyword | prevailing the most susceptible. Artificial Neural Networks are used as the assessment method as it is commonly used to forecast problems | |
| dc.subject.keyword | it is characterized by optimally handle many variables with very low levels of subjectivity. Geomorphology of the region shows strong structural control generated by fractures as the Bucaramanga | |
| dc.subject.keyword | Servitá | |
| dc.subject.keyword | Onzaga | |
| dc.subject.keyword | Chicamocha Faults and satellite faults that characterize the abrupt topography of the Chart. These features along with other attributes (geological | |
| dc.subject.keyword | geomorphological | |
| dc.subject.keyword | soil and cover) qualitatively argue the resulting susceptibility map. Equally susceptibility indices were validated using graphics cumulative frequency distribution | |
| dc.subject.keyword | frequency ratio and success and prediction ROC curves whose expressions indicate optimal performance of the neural network and a high predictive power of the method. | |
| dc.title | Evaluación de la susceptibilidad por movimientos en masa de la plancha 136-Málaga aplicando la herramienta de redes neuronales artificiales | |
| dc.title.english | Susceptibility, Landslides, Artificial Neural Networks. | |
| dc.type.coar | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
| dc.type.hasversion | http://purl.org/coar/resource_type/c_7a1f | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Pregrado | |
| dspace.entity.type | Publication |
Archivos
Bloque original
1 - 3 de 3
Cargando...
- Nombre:
- Carta de autorización.pdf
- Tamaño:
- 161.22 KB
- Formato:
- Adobe Portable Document Format
Cargando...
- Nombre:
- Nota de proyecto.pdf
- Tamaño:
- 54.91 KB
- Formato:
- Adobe Portable Document Format
