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

Vista sencilla de ítem
dc.contributor.advisorOspina Ostios, Lina
dc.contributor.advisorAlfonso-Morales, Wilfredo
dc.contributor.authorParuma Vásquez, Eimy Dayana
dc.contributor.authorGutiérrez Rondón, Jhonatan Alexander
dc.date.accessioned2022-12-14T15:50:10Z
dc.date.available2022-12-14T15:50:10Z
dc.date.issued2022
dc.description.abstractLos 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.
dc.description.degreelevelPregradospa
dc.description.degreenameINGENIERO(A) TOPOGRAFICOspa
dc.format.extent1 recurso en línea (90 páginas)spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://hdl.handle.net/10893/23366
dc.language.isospaspa
dc.publisherUniversidad del Vallespa
dc.publisher.facultyFACULTAD DE INGENIERÍAspa
dc.publisher.placeColombiaspa
dc.publisher.programINGENIERIA TOPOGRAFICAspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.subject.lembMovimientos de masa
dc.subject.lembGestión del riesgo
dc.subject.lembRedes neuronales artificiales
dc.subject.lemb Inteligencia artificial
dc.subject.lembCorinto (Cauca)
dc.titleClasificación 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
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
3740 P275.PDF
Tamaño:
158.97 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería topográfica