Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú

Descripción del Articulo

La investigación propone la aplicación del algoritmo LSTM con el objetivo de pronosticar la magnitud de los sismos en el Perú agregando ruido rosa en Su dinámica para replicar y capturar la dinámica compleja de la magnitud, se confirma una antipersistencia en los incrementos por medio del coeficient...

Descripción completa

Detalles Bibliográficos
Autores: Briones Zuniga, José Luis, Arancel Llerena, Felipe Fernando
Formato: objeto de conferencia
Fecha de Publicación:2023
Institución:Universidad Tecnológica del Perú
Repositorio:UTP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.utp.edu.pe:20.500.12867/10763
Enlace del recurso:https://hdl.handle.net/20.500.12867/10763
https://dx.doi.org/10.18687/LACCEI2023.1.1.168
Nivel de acceso:acceso abierto
Materia:Terremotos
Exponente de Hurst
Serie temporal
Red LSTM
Pronóstico
https://purl.org/pe-repo/ocde/ford#2.02.04
id UTPD_fe7c8567df888ceacaf9ce533a8db198
oai_identifier_str oai:repositorio.utp.edu.pe:20.500.12867/10763
network_acronym_str UTPD
network_name_str UTP-Institucional
repository_id_str 4782
dc.title.es_PE.fl_str_mv Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
dc.title.alternative.es_PE.fl_str_mv Deep learning algorithms to forecast the magnitude of earthquakes in Peru
title Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
spellingShingle Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
Briones Zuniga, José Luis
Terremotos
Exponente de Hurst
Serie temporal
Red LSTM
Pronóstico
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
title_full Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
title_fullStr Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
title_full_unstemmed Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
title_sort Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
author Briones Zuniga, José Luis
author_facet Briones Zuniga, José Luis
Arancel Llerena, Felipe Fernando
author_role author
author2 Arancel Llerena, Felipe Fernando
author2_role author
dc.contributor.author.fl_str_mv Briones Zuniga, José Luis
Arancel Llerena, Felipe Fernando
dc.subject.es_PE.fl_str_mv Terremotos
Exponente de Hurst
Serie temporal
Red LSTM
Pronóstico
topic Terremotos
Exponente de Hurst
Serie temporal
Red LSTM
Pronóstico
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description La investigación propone la aplicación del algoritmo LSTM con el objetivo de pronosticar la magnitud de los sismos en el Perú agregando ruido rosa en Su dinámica para replicar y capturar la dinámica compleja de la magnitud, se confirma una antipersistencia en los incrementos por medio del coeficiente de Hurst. menos de 0,5 y estable. Luego se implementa un modelo de red LSTM de mayor precisión en la generación de pronósticos que la red de perceptrón multicapa de una sola dirección. Por lo tanto, se presenta evidencia de un mejor desempeño de la red LSTM en relación a la variables magnitud de sismo debido al ruido rosa que se presenta en su dinámica. El periodo de estudio consta desde el 1 de enero del 2020 hasta el 23 de octubre de 2021.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2025-01-24T16:59:27Z
dc.date.available.none.fl_str_mv 2025-01-24T16:59:27Z
dc.date.issued.fl_str_mv 2023
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/conferenceObject
dc.type.version.es_PE.fl_str_mv info:eu-repo/semantics/publishedVersion
format conferenceObject
status_str publishedVersion
dc.identifier.isbn.none.fl_str_mv 978628-9520743
dc.identifier.issn.none.fl_str_mv 2414-6390
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12867/10763
dc.identifier.journal.es_PE.fl_str_mv Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
dc.identifier.doi.none.fl_str_mv https://dx.doi.org/10.18687/LACCEI2023.1.1.168
identifier_str_mv 978628-9520743
2414-6390
Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology
url https://hdl.handle.net/20.500.12867/10763
https://dx.doi.org/10.18687/LACCEI2023.1.1.168
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartofseries.none.fl_str_mv Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technology;Vol. 2023-July
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-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Latin American and Caribbean Consortium of Engineering Institutions
dc.publisher.country.es_PE.fl_str_mv US
dc.source.es_PE.fl_str_mv Repositorio Institucional - UTP
Universidad Tecnológica del Perú
dc.source.none.fl_str_mv reponame:UTP-Institucional
instname:Universidad Tecnológica del Perú
instacron:UTP
instname_str Universidad Tecnológica del Perú
instacron_str UTP
institution UTP
reponame_str UTP-Institucional
collection UTP-Institucional
bitstream.url.fl_str_mv https://repositorio.utp.edu.pe/backend/api/core/bitstreams/2ee49b1a-8a3a-4778-8de9-f8b319ee386e/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/901cb1e0-fa7b-4bff-a6cb-8ffb1f2df904/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/eb4d06db-d3a5-4c2f-a7f5-163f200e13ac/download
https://repositorio.utp.edu.pe/backend/api/core/bitstreams/8b823a79-64b0-435e-a70f-7bdf73caeda8/download
bitstream.checksum.fl_str_mv 1fcfb0eb63ec00da52e8fda39f1c28a4
8a4605be74aa9ea9d79846c1fba20a33
1fb2fef029959b5eaddc9eda0c695134
522e87c72f7ce8908e0689d78b0e3c7c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad Tecnológica del Perú
repository.mail.fl_str_mv repositorio@utp.edu.pe
_version_ 1852231866272186368
spelling Briones Zuniga, José LuisArancel Llerena, Felipe Fernando2025-01-24T16:59:27Z2025-01-24T16:59:27Z2023978628-95207432414-6390https://hdl.handle.net/20.500.12867/10763Proceedings of the LACCEI international Multi-conference for Engineering, Education and Technologyhttps://dx.doi.org/10.18687/LACCEI2023.1.1.168La investigación propone la aplicación del algoritmo LSTM con el objetivo de pronosticar la magnitud de los sismos en el Perú agregando ruido rosa en Su dinámica para replicar y capturar la dinámica compleja de la magnitud, se confirma una antipersistencia en los incrementos por medio del coeficiente de Hurst. menos de 0,5 y estable. Luego se implementa un modelo de red LSTM de mayor precisión en la generación de pronósticos que la red de perceptrón multicapa de una sola dirección. Por lo tanto, se presenta evidencia de un mejor desempeño de la red LSTM en relación a la variables magnitud de sismo debido al ruido rosa que se presenta en su dinámica. El periodo de estudio consta desde el 1 de enero del 2020 hasta el 23 de octubre de 2021.21st LACCEI International Multi-Conference for Engineering, Education and Technology, LACCEI 2023Campus Lima Surapplication/pdfspaLatin American and Caribbean Consortium of Engineering InstitutionsUSProceedings of the LACCEI international Multi-conference for Engineering, Education and Technology;Vol. 2023-Julyinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Repositorio Institucional - UTPUniversidad Tecnológica del Perúreponame:UTP-Institucionalinstname:Universidad Tecnológica del Perúinstacron:UTPTerremotosExponente de HurstSerie temporalRed LSTMPronósticohttps://purl.org/pe-repo/ocde/ford#2.02.04Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en PerúDeep learning algorithms to forecast the magnitude of earthquakes in Peruinfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionORIGINALJ.Briones_F.Arancel_Conference_Paper_2023.pdfJ.Briones_F.Arancel_Conference_Paper_2023.pdfapplication/pdf808815https://repositorio.utp.edu.pe/backend/api/core/bitstreams/2ee49b1a-8a3a-4778-8de9-f8b319ee386e/download1fcfb0eb63ec00da52e8fda39f1c28a4MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.utp.edu.pe/backend/api/core/bitstreams/901cb1e0-fa7b-4bff-a6cb-8ffb1f2df904/download8a4605be74aa9ea9d79846c1fba20a33MD52TEXTJ.Briones_F.Arancel_Conference_Paper_2023.pdf.txtJ.Briones_F.Arancel_Conference_Paper_2023.pdf.txtExtracted texttext/plain24388https://repositorio.utp.edu.pe/backend/api/core/bitstreams/eb4d06db-d3a5-4c2f-a7f5-163f200e13ac/download1fb2fef029959b5eaddc9eda0c695134MD55THUMBNAILJ.Briones_F.Arancel_Conference_Paper_2023.pdf.jpgJ.Briones_F.Arancel_Conference_Paper_2023.pdf.jpgGenerated Thumbnailimage/jpeg25394https://repositorio.utp.edu.pe/backend/api/core/bitstreams/8b823a79-64b0-435e-a70f-7bdf73caeda8/download522e87c72f7ce8908e0689d78b0e3c7cMD5620.500.12867/10763oai:repositorio.utp.edu.pe:20.500.12867/107632025-11-30 17:55:07.703https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.utp.edu.peRepositorio de la Universidad Tecnológica del Perúrepositorio@utp.edu.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
score 13.918179
Algoritmos de aprendizaje profundo para pronosticar la magnitud de los sismos en Perú
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).

Ejemplares Similares