Examinando por Autor "Alfonso-Morales, Wilfredo"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Clasificación de zonas propensas a movimientos en masa como fuente de materiales para avenidas torrenciales en la Cuenca del Río la Paila (Corinto-Cauca) mediante inteligencia artificial
    (Universidad del Valle, 2022) Paruma Vásquez, Eimy Dayana; Gutiérrez Rondón, Jhonatan Alexander; Ospina Ostios, Lina; Alfonso-Morales, Wilfredo
    Los fenómenos naturales (FN) son eventos que pueden afectar un territorio sin importar su ubicación o su desarrollo económico, relacionándose directamente con los factores condicionantes y detonantes inherentes a la zona donde se presentan. Colombia por su topografía, el clima y su ubicación geográfica, es un país propenso a la ocurrencia de diferentes FN como los movimientos en masa (MM). Adicionalmente, si a dichas condiciones se le suman variables políticas, económicas y sociales que dificultan el acceso a los territorios como los comprendidos por la cuenca del río La Paila (municipio de Corinto, Cauca), se hace imperativo desarrollar metodologías que permitan dotar a las comunidades de instrumentos que mejoren su capacidad de respuesta ante la posible ocurrencia de MM. El presente trabajo de grado desarrolla una metodología basada en técnicas de inteligencia artificial, las cuales permitieron predecir la ocurrencia o ausencia de un MM considerando tanto los factores condicionantes (geología, usos del suelo y pendientes) como los detonantes (precipitaciones). Se observó una buena correlación entre las variables analizadas como lo muestra la curva de aprendizaje, la cual tuvo una tendencia a estabilizarse y la precisión se mantuvo por encima del 80 % en la mayoría de épocas definidas en el entrenamiento. Aunque el modelo construido arrojó una validación de entrenamiento óptima y la validación de los resultados con un AUC de 0.98 para predicciones con 10 días de anticipación; los resultados cartográficos presentan inconsistencias espaciales debido a la escala de los datos utilizados para el entrenamiento y las predicciones. Se concluye que si bien las variables usadas presentan una alta correlación para la identificación de posibles MM, se hace necesario mejorar la escala de los datos fuente buscando que la precisión cartográfica de los resultados mejore y así su comportamiento espacial muestre patrones físicos acordes al fenómeno estudiado.