Estimación del peligro sísmico en el Perú mediante la homogeneización de catálogos sísmicos con algoritmos de machine learning

• Autor: Chavez Ramirez, Carlos Alberto
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/19393
• Enlace del recurso: https://hdl.handle.net/20.500.12773/19393
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Homogeneización; Peligro Sísmico Probabilístico.; https://purl.org/pe-repo/ocde/ford#1.05.04

En el presente estudio, se homogeneizó el catálogo sísmico del Perú a magnitud momento (Mw) mediante modelos de regresión de Machine Learning (ML) basados en regresiones de mínimos cuadrados ordinarios (OLS), regresiones polinomiales de grado dos y regresiones ortogonales o Deming. Para el análisis, se utilizaron cuatro catálogos sísmicos que corresponde al International Seismological Centre (ISC), National Earthquake Information Center (NEIC), Global Centroid Moment Tensor (Global CMT), y United States Geological Survey (USGS) para el periodo de 1900 a 2024. Los resultados indican que las regresiones ortogonales muestran mejor correlación para magnitudes de 4.0 a 6.2 Mw, mientras que para magnitudes mayores a 6.2 Mw funcionan mejor las regresiones polinomiales. Asimismo, con el nuevo catálogo sísmico homogeneizado, se estimó el mapa de Peligro Sísmico Probabilístico de Perú, utilizando las fuentes sismogénicas del Instituto Geofísico del Perú (IGP). La distribución de los valores de la aceleración máxima horizontal (PGA) obtenidas en este estudio es similar a los modelos propuestos en estudios previos. Los algoritmos de ML, mediante datos de entrenamiento y prueba, permiten obtener un mejor ajuste del coeficiente de determinación para la homogeneización del catálogo sísmico.