Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EL PRONSTICO DE SISMOS
Luis Carlos Manrique Ruiz, Edgar Gutirrez Franco.
0,4
0,2
orig vs datos
Es til tener un buen conjunto de datos para poder
Red neuronal
0
10 neuronas 100 ep vs datos
15 neuronas 100 ep vs datos
analizarlos y as poder realizar una prediccin mas acertada,
0 10 20 30 40 50
-0,2
20 neuronas 100 ep vs datos
30 neuronas 100 ep vs datos
sin embargo no hay tcnicas que puedan decir cuantas
-0,4
capas, neuronas, pocas utilizar para obtener el mejor ajuste
-0,6
-0,8
del conjunto de datos.
-1
datos
Se espera con este tipo de estudio poder difundir el uso
Fig. 1. Redes neuronales de backpropagation vs. datos originales de Inteligencia Artificial para analizar este tipo de datos y
poder colaborar a la poblacin colombiana y prevenir
Los datos obtenidos son los siguientes: prdidas humanas.
TABLA 1. Resultados obtenido RNA
5 neuronas 5 neuronas 5 neuronas 10 neuronas 10 neuronas 10 neuronas
20 pocas 50 pocas 100 pocas 20 pocas 50 pocas 100 pocas
error j 2
2,13% 4,68% 0,64% 1,07% 0,15% 0,00%
REFERENCIAS
15 neuronas 15 neuronas 15 neuronas 20 neuronas 20 neuronas 20 neuronas [1] G. Giacinto, R. Paoulucci, F. Roli, Application of Neural Network
20 pocas 50 pocas 100 pocas 20 pocas 50 pocas 100 pocas
and statistical pattern Recognition algorithms to earthquake risk
2
error j 2,05% 0,21% 0,01% 20,28% 0,00% 0,00000029% evaluation. Dept. of Structural Eng., Technical University of Milan,
ITALY.
[2] Incorporated research institutions of seismology. Pgina
Para las RBR se encuentra: web:[http://www.iris.edu/seismo/quakes/1967huila/pdf/020967_1352
_0021_04.pdf]
Re des ne uronales base radial vs datos originales [3] John B. Rundle, Andrea. Donnellan, General Earthquake Models:
0,400000 Progress & Prospects. University of Colorado,Boulder.
0,350000
[4] Lakkos Spiros, A neural network scheme for earthquake prediction
based on the seismic electric signals. Centre for Information
0,300000
Engineering, Department of computer science.
0,250000 [5] Observatorio Sismolgico del Suroccidente, enero y febrero de 2006.
originales
Base radial
0,200000
5 neuronas Universidad del Valle. Disponible. [http://osso.univalle.edu.co]
10 neuronas
15 neuronas [6] Ral. Rojas, Neural Networks, a systematic introduction. Ed.
0,150000
Springer-Verlag, Berlin, New-York, 1996.
0,100000
[7] S. Baranov, Neural networks approach for seismic events detection.
0,050000 Kola Regional Seismological Center of Geophysical Survey of
0,000000
Russian Academy of Sciences.
0 10 20 30 40 50 60 70
Datos