Red Otri de Andalucía. Tag: predicción. localhost Red Otri de Andalucía. Ofertas, Proyectos, Patentes, Spin offs es-es Investigadores utilizan redes neuronales artificiales para prevenir seísmos localhost/noticias/investigadores-utilizan-redes-neuronales-artificia/ <img style="float: left;padding-right: 10px;padding-bottom:10px;" src="localhost/static/photologue/photos/cache/fmartinez_jreyes_detail_detail.JPG" alt="jmartinez" title="jmartinez" /> La t&eacute;cnica, basada en t&eacute;cnicas de miner&iacute;a de datos, ha sido desarrollada por investigadores de la Universidad Pablo de Olavide de Sevilla. Investigadores de la Universidad Pablo de Olavide, del NT2 Labs - Nikola Tesla New Technology Labs de Chile y de la Universidad de Sevilla han aplicado t&eacute;cnicas basadas en la miner&iacute;a de datos para el descubrimiento de patrones en series temporales de origen s&iacute;smico, y as&iacute; poder predecir su ocurrencia. En concreto, han utilizado redes neuronales artificiales para predecir terremotos en Chile, uno de los pa&iacute;ses con mayor actividad s&iacute;smica del mundo, y en la Pen&iacute;nsula Ib&eacute;rica. Las redes neuronales artificiales son un paradigma de aprendizaje y procesamiento autom&aacute;tico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexi&oacute;n de neuronas que colaboran entre s&iacute; para producir un est&iacute;mulo de salida. En un art&iacute;culo publicado en la revista&nbsp;Applied Soft Computing&nbsp;[1], muestran un m&eacute;todo concreto, basado en la aplicaci&oacute;n de redes neuronales artificiales, que han usado para predecir terremotos en Chile, uno de los pa&iacute;ses con mayor actividad s&iacute;smica del mundo. Este metodolog&iacute;a, con ligeras modificaciones, se ha aplicado con &eacute;xito a las dos zonas m&aacute;s activas de la Pen&iacute;nsula Ib&eacute;rica. Sus resultados se publicaron en 2013 en la revista&nbsp;Tectonophysics&nbsp;[2]. Recientemente, se ha depurado la metodolog&iacute;a y mejorado los resultados en ambas zonas, alcanzando tasas de acierto superiores al 80%, mediante la aplicaci&oacute;n de t&eacute;cnicas de selecci&oacute;n de atributos. Los resultados se han publicado en&nbsp;Knowledge-Based Systems&nbsp;[3]. Para toda su experimentaci&oacute;n, los investigadores realizan dos tipos de predicciones: la probabilidad de que un terremoto sea de magnitud mayor que un determinado valor umbral, as&iacute; como la probabilidad de ocurrencia de un terremoto de magnitud dentro de un determinado intervalo de tiempo. En ambos casos, se mide la probabilidad de que ocurran en los siguientes cinco o siete d&iacute;as, para los casos de Chile y de la Pen&iacute;nsula Ib&eacute;rica, respectivamente. La precisi&oacute;n del m&eacute;todo se evalu&oacute; en experimentos retrospectivos. La alta tasa de &eacute;xito alcanzado apoya la conveniencia de la aplicaci&oacute;n de t&eacute;cnicas de miner&iacute;a de datos en este &aacute;mbito, seg&uacute;n los investigadores, y plantea nuevos retos que deben abordarse. Aunque en el mercado ya existen diversos aparatos que detectan con cierta anticipaci&oacute;n la venida de un terremoto, ninguno es tan preciso y tampoco tiene posibilidades de ampliar su desarrollo o entregar datos anal&iacute;ticos. Francisco Mart&iacute;nez &Aacute;lvarez, miembro del grupo TIC-200: Sistemas Inteligentes y Miner&iacute;a de Datos de la Universidad Pablo de Olavide, afirma que este modelo es capaz de predecir terremotos con alta fiabilidad, para una incertidumbre temporal de entre cinco y siete d&iacute;as y con una margen de error espacial del orden de, aproximadamente, 100x100 km2. Los investigadores responsables de este trabajo afirman, igualmente, que la metodolog&iacute;a desarrollada podr&iacute;a extrapolarse a cualquier tipo de desastre natural siempre que se aporten los datos necesarios, lo cual ser&iacute;a de gran inter&eacute;s por ejemplo para la predicci&oacute;n de tsunamis tras un terremoto, puesto que el sistema de detecci&oacute;n actual, consistente en alarmas-sensores colocados en boyas instaladas en el mar, avisa s&oacute;lo cuatro horas antes de que se produzca. En la actualidad, est&aacute;n estudiando tambi&eacute;n si se puede extrapolar la metodolog&iacute;a a otras partes del mundo, habiendo ya obtenido los primeros resultados positivos para determinadas zonas de China y de Jap&oacute;n. Tambi&eacute;n los investigadores est&aacute;n estudiando la posibilidad de aplicar la miner&iacute;a de datos a la predicci&oacute;n de tifones, lo que requiere hacer un an&aacute;lisis de datos relacionados, determinar si la metodolog&iacute;a es aplicable y extrapolable, y por tanto hacer las modificaciones oportunas. [1]&nbsp; J. Reyes, A. Morales-Esteban, F. Mart&iacute;nez-&Aacute;lvarez. Neural networks to predict earthquakes in Chile. Applied Soft Computing, vol. 13, pp. 1314-1328, 2013. [2]&nbsp; A. Morales-Esteban, F. Mart&iacute;nez-&Aacute;lvarez, J. Reyes. Earthquake prediction in seismogenic areas of the Iberian Peninsula based on computational intelligence. Tectonophysics, vol. 593, pp. 121-134, 2013. [3]&nbsp; F. Mart&iacute;nez-&Aacute;lvarez, J. Reyes, A. Morales-Esteban, C. Rubio-Escudero. Determining the best set of seismicity indicators to predict earthquakes. Two case studies: Chile and the Iberian Peninsula. Knowledge-Based Systems, vol. 50, pp. 198-210, 2013. Fuente: Unidad T&eacute;cnica de Comunicaci&oacute;n UPO y Tendencias 21. Ver la oferta cient&iacute;fico-tecnol&oacute;gica del investigador, Francisco Martine &Aacute;lvarez: Predicci&oacute;n de terremotos y otros desastres naturales aplicando t&eacute;cnicas de miner&iacute;a de datos Aplicaci&oacute;n de la miner&iacute;a de datos en la predicci&oacute;n de la demanda de la energ&iacute;a el&eacute;ctrica y los precios del mercado. Diagn&oacute;stico y predicci&oacute;n de la contaminaci&oacute;n atmosf&eacute;rica mediante la aplicaci&oacute;n de t&eacute;cnicas de miner&iacute;a de datos 4 de marzo de 2014 localhost/noticias/investigadores-utilizan-redes-neuronales-artificia/