Evaluación de la susceptibilidad por movimientos en masa de la plancha 136-Málaga aplicando la herramienta de redes neuronales artificiales

Cargando...
Miniatura

Fecha

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Industrial de Santander

Resumen

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.

Descripción

Citación

Colecciones