Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial
Descripción del Articulo
Debido a la fisiografía del territorio peruano, este se encuentra expuesto a diversos eventos naturales, tales como inundaciones, flujos, deslizamientos, etc. Este último es activado principalmente por las lluvias, por lo cual surge la necesidad de contar con instrumentos metodológicos para la gener...
Autor: | |
---|---|
Formato: | tesis de maestría |
Fecha de Publicación: | 2022 |
Institución: | Superintendencia Nacional de Educación Superior Universitaria |
Repositorio: | Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
Lenguaje: | español |
OAI Identifier: | oai:renati.sunedu.gob.pe:renati/6365 |
Enlace del recurso: | https://renati.sunedu.gob.pe/handle/sunedu/3343437 |
Nivel de acceso: | acceso abierto |
Materia: | Inteligencia artificial Observaciones meteorológicas Deslizamientos de tierra Precipitaciones atmosféricas Lluvia https://purl.org/pe-repo/ocde/ford#1.02.01 |
id |
RENATI_7d816bc30c455b8e2cd85e24bf220ce0 |
---|---|
oai_identifier_str |
oai:renati.sunedu.gob.pe:renati/6365 |
network_acronym_str |
RENATI |
network_name_str |
Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
repository_id_str |
|
dc.title.es_PE.fl_str_mv |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
title |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
spellingShingle |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial Chahua Janampa, Jhon Elvis Inteligencia artificial Observaciones meteorológicas Deslizamientos de tierra Precipitaciones atmosféricas Lluvia https://purl.org/pe-repo/ocde/ford#1.02.01 |
title_short |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
title_full |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
title_fullStr |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
title_full_unstemmed |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
title_sort |
Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificial |
author |
Chahua Janampa, Jhon Elvis |
author_facet |
Chahua Janampa, Jhon Elvis |
author_role |
author |
dc.contributor.advisor.fl_str_mv |
Gallego Gómez, Jenaro |
dc.contributor.author.fl_str_mv |
Chahua Janampa, Jhon Elvis |
dc.subject.es_PE.fl_str_mv |
Inteligencia artificial Observaciones meteorológicas Deslizamientos de tierra Precipitaciones atmosféricas Lluvia |
topic |
Inteligencia artificial Observaciones meteorológicas Deslizamientos de tierra Precipitaciones atmosféricas Lluvia https://purl.org/pe-repo/ocde/ford#1.02.01 |
dc.subject.ocde.es_PE.fl_str_mv |
https://purl.org/pe-repo/ocde/ford#1.02.01 |
description |
Debido a la fisiografía del territorio peruano, este se encuentra expuesto a diversos eventos naturales, tales como inundaciones, flujos, deslizamientos, etc. Este último es activado principalmente por las lluvias, por lo cual surge la necesidad de contar con instrumentos metodológicos para la generación de escenarios de susceptibilidad a deslizamientos. En ese sentido se ha desarrollado un modelo basado con métodos de inteligencia artificial para la generación de escenarios a escala regional. Se emplearon métodos de aprendizaje automático para relacionar los factores condicionantes del terreno; los pronósticos de lluvia, de la entidad oficial, como factor desencadenante; y el inventario nacional de deslizamientos del departamento de Ancash para el entrenamiento y validación del modelo. Finalmente, se obtuvo que el modelo de red neuronal con 2 capas ocultas presentó un mejor comportamiento con un AUC de 90.5%, en comparación con otras estructuras de red neuronal que presentaban valores de AUC inferiores al 89.7%. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2023-01-25T17:50:33Z |
dc.date.available.none.fl_str_mv |
2023-01-25T17:50:33Z |
dc.date.issued.fl_str_mv |
2022-02-23 |
dc.type.es_PE.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
dc.identifier.uri.none.fl_str_mv |
https://renati.sunedu.gob.pe/handle/sunedu/3343437 |
url |
https://renati.sunedu.gob.pe/handle/sunedu/3343437 |
dc.language.iso.es_PE.fl_str_mv |
spa |
language |
spa |
dc.rights.es_PE.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.es_PE.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/deed.es |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by/4.0/deed.es |
dc.format.es_PE.fl_str_mv |
application/pdf |
dc.publisher.es_PE.fl_str_mv |
Universidad Internacional de La Rioja |
dc.publisher.country.es_PE.fl_str_mv |
ES |
dc.source.es_PE.fl_str_mv |
Superintendencia Nacional de Educación Superior Universitaria - SUNEDU |
dc.source.none.fl_str_mv |
reponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI instname:Superintendencia Nacional de Educación Superior Universitaria instacron:SUNEDU |
instname_str |
Superintendencia Nacional de Educación Superior Universitaria |
instacron_str |
SUNEDU |
institution |
SUNEDU |
reponame_str |
Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
collection |
Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI |
dc.source.uri.es_PE.fl_str_mv |
Registro Nacional de Trabajos de Investigación - RENATI |
bitstream.url.fl_str_mv |
https://renati.sunedu.gob.pe/bitstream/renati/6365/1/ChahuaJanampaJE.pdf https://renati.sunedu.gob.pe/bitstream/renati/6365/2/Autorizacion.pdf https://renati.sunedu.gob.pe/bitstream/renati/6365/3/license.txt https://renati.sunedu.gob.pe/bitstream/renati/6365/4/ChahuaJanampaJE.pdf.txt https://renati.sunedu.gob.pe/bitstream/renati/6365/6/Autorizacion.pdf.txt https://renati.sunedu.gob.pe/bitstream/renati/6365/5/ChahuaJanampaJE.pdf.jpg https://renati.sunedu.gob.pe/bitstream/renati/6365/7/Autorizacion.pdf.jpg |
bitstream.checksum.fl_str_mv |
1883508d2f9ec2d060aac8c0861346ea 48493dd14bf6a15518d0b04f5ead12f1 8a4605be74aa9ea9d79846c1fba20a33 a551b46ae76c168ada7b80483866173d 72ac06c6dd6c2d1417ab5d1a33ce8de7 4bfe9751327a9f9a1694fd95edb7a8ef 64dc0287916fcce07ce7807b0bb38f82 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Registro Nacional de Trabajos de Investigación |
repository.mail.fl_str_mv |
renati@sunedu.gob.pe |
_version_ |
1816177335370514432 |
spelling |
Gallego Gómez, JenaroChahua Janampa, Jhon Elvis2023-01-25T17:50:33Z2023-01-25T17:50:33Z2022-02-23https://renati.sunedu.gob.pe/handle/sunedu/3343437Debido a la fisiografía del territorio peruano, este se encuentra expuesto a diversos eventos naturales, tales como inundaciones, flujos, deslizamientos, etc. Este último es activado principalmente por las lluvias, por lo cual surge la necesidad de contar con instrumentos metodológicos para la generación de escenarios de susceptibilidad a deslizamientos. En ese sentido se ha desarrollado un modelo basado con métodos de inteligencia artificial para la generación de escenarios a escala regional. Se emplearon métodos de aprendizaje automático para relacionar los factores condicionantes del terreno; los pronósticos de lluvia, de la entidad oficial, como factor desencadenante; y el inventario nacional de deslizamientos del departamento de Ancash para el entrenamiento y validación del modelo. Finalmente, se obtuvo que el modelo de red neuronal con 2 capas ocultas presentó un mejor comportamiento con un AUC de 90.5%, en comparación con otras estructuras de red neuronal que presentaban valores de AUC inferiores al 89.7%.application/pdfspaUniversidad Internacional de La RiojaESinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/deed.esSuperintendencia Nacional de Educación Superior Universitaria - SUNEDURegistro Nacional de Trabajos de Investigación - RENATIreponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATIinstname:Superintendencia Nacional de Educación Superior Universitariainstacron:SUNEDUInteligencia artificialObservaciones meteorológicasDeslizamientos de tierraPrecipitaciones atmosféricasLluviahttps://purl.org/pe-repo/ocde/ford#1.02.01Predicción de deslizamientos desencadenados por lluvias con métodos de inteligencia artificialinfo:eu-repo/semantics/masterThesisUniversidad Internacional de La RiojaInteligencia ArtificialMáster Universitario en Inteligencia Artificialhttp://purl.org/pe-repo/renati/level#maestro46480292http://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALChahuaJanampaJE.pdfChahuaJanampaJE.pdfTrabajo de fin de másterapplication/pdf6678153https://renati.sunedu.gob.pe/bitstream/renati/6365/1/ChahuaJanampaJE.pdf1883508d2f9ec2d060aac8c0861346eaMD51Autorizacion.pdfAutorizacion.pdfAutorización del registroapplication/pdf175018https://renati.sunedu.gob.pe/bitstream/renati/6365/2/Autorizacion.pdf48493dd14bf6a15518d0b04f5ead12f1MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://renati.sunedu.gob.pe/bitstream/renati/6365/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTChahuaJanampaJE.pdf.txtChahuaJanampaJE.pdf.txtExtracted texttext/plain155846https://renati.sunedu.gob.pe/bitstream/renati/6365/4/ChahuaJanampaJE.pdf.txta551b46ae76c168ada7b80483866173dMD54Autorizacion.pdf.txtAutorizacion.pdf.txtExtracted texttext/plain4423https://renati.sunedu.gob.pe/bitstream/renati/6365/6/Autorizacion.pdf.txt72ac06c6dd6c2d1417ab5d1a33ce8de7MD56THUMBNAILChahuaJanampaJE.pdf.jpgChahuaJanampaJE.pdf.jpgGenerated Thumbnailimage/jpeg1270https://renati.sunedu.gob.pe/bitstream/renati/6365/5/ChahuaJanampaJE.pdf.jpg4bfe9751327a9f9a1694fd95edb7a8efMD55Autorizacion.pdf.jpgAutorizacion.pdf.jpgGenerated Thumbnailimage/jpeg1654https://renati.sunedu.gob.pe/bitstream/renati/6365/7/Autorizacion.pdf.jpg64dc0287916fcce07ce7807b0bb38f82MD57renati/6365oai:renati.sunedu.gob.pe:renati/63652023-01-26 03:05:13.552Registro Nacional de Trabajos de Investigaciónrenati@sunedu.gob.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 |
score |
13.7211075 |
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).