Zonificación de la susceptibilidad relativa a movimientos en masa de la plancha 136-ii-c, escala 1:25.000, aplicando redes neuronales artificiales

Abstract

La estimación de la susceptibilidad se basa en la correlación de los principales factores causantes (intrínsecos) que contribuyen a la formación de movimientos en masa; un método eficiente y exacto para generar dicha correlación son las Redes Neuronales Artificiales (RNA). En este trabajo de investigación fueron evaluados once factores causantes (geología, densidad de fracturamiento, unidades geológicas superficiales, morfogenética, morfodinámica, acuenca, curvatura, pendientes, rugosidad, cobertura de la tierra y suelos); con el objetivo de realizar la zonificación, a escala 1:25.000, de la susceptibilidad relativa a los movimientos en masa de la plancha 136-II-C, mediante el algoritmo de entrenamiento Back-Propagation de Redes Neuronales Artificiales. La arquitectura 11-18-1 entrenada con el algoritmo Variable Learning Rate Gradient Descent (GDX), arrojó un buen rendimiento con ACC = 0,8817 y ROC = 0,9841. El análisis de la importancia relativa de las entradas de la red, aplicando el métod indicó que los factores causantes de rugosidad (MSE=0,1874) y morfodinámica (MSE=0,1891) son los más influyentes en la ocurrencia de movimientos en masa. Finalmente el mapa de susceptibilidad a los movimientos en masa de la plancha 136-II-C indicó que las zonas de susceptibilidad muy alta son las más