Aplicacion de Machine Learning para la prediccion
de sismos en Lima e Ica
*Nota: El presente paper es para visualización educativa del curso IA
Jeannette María Monroy García
Universidad Nacional de Ingeniería
Lima, Perú
jmonroyg@uni.pe
Resumen—Existen variables básicas de predicción de
terremotos. La mayoría de los estudios se realizan sobre
pronósticos, teniendo en cuenta el historial de terremotos en
países y áreas específicas. En este contexto, la idea central
de este trabajo es predecir cuándo un evento se clasifica
como sismo menor, ligero, moderado y fuerte en las
ciudades de Lima e Ica del Peru. Se aplica diferentes
algoritmos de aprendizaje automático sobre un conjunto de
datos de terremotos reales, tales como: Random Forest,
Naive Bayes, Logistic Regression, MultiLayer Perceptron,
AdaBoost, K-vecinos más cercanos, Support Vector
Machine y árboles de clasificación.
Palabras clave - Aprendizaje automático, predicción de
sismos, J48, Random Forest, BayesNet, LibSVM
I. INTRODUCCIÓN
Los terremotos, una gran catástrofe que ha ocupado el 60%
de las muertes en general los desastres naturales.
Obviamente, los humanos no pueden detener los desastres
naturales, mientras que la aplicación del aprendizaje
automático es un método y una técnica poderosos e
invaluables, utilizados por los investigadores como una
nueva área de estudio en geología, para reducir, tanto como
sea posible, la pérdida de vidas y miles de millones de
dólares en costos de infraestructura y vivienda. Los métodos
de clasificación tradicionales se basan en supuestos
estadísticos para terremotos que resultan ser insatisfactorios
en la predicción del estado de peligro. Por ello, cada vez
está más extendido el uso de algoritmos de aprendizaje
automático, que se adaptan y aprenden un problema
simulando un Sistema biológico o natural.
La introducción de técnicas de aprendizaje automático en el
campo de la geología y los terremotos supera los métodos
tradicionales y estándar utilizados en años anteriores y
proporciona a los científicos un nuevo método para evaluar
el riesgo sísmico y desencadenar futuros terremotos. Las
aplicaciones de minería de datos han logrado un gran éxito
en geofísica y geología como ecología, predicción del
tiempo modelado, etc.
II. ESTADO DEL ARTE
A. Pronóstico de fuertes terremotos posteriores en grupos
de California mediante aprendizaje automático (1)
En este artículo, proponemos un enfoque innovador de
aprendizaje automático llamado NESTORE, que analiza
grupos sísmicos para pronosticar fuertes terremotos de
magnitudes similares o mayores a las del terremoto principal.
El método analiza la sismicidad en las primeras horas/días
posteriores al sismo principal y proporciona la probabilidad
©2022 FIIS
Melissa Paola Vargas Torres
Universidad Nacional de Ingeniería
Lima, Perú
mvargast@uni.pe
de tener un fuerte sismo posterior. El análisis se lleva a cabo
en varias etapas de tiempo para simular el aumento del
conocimiento a lo largo del tiempo. Abordamos el principal
problema de las estadísticas y el aprendizaje automático
cuando se aplican a la variación espaciotemporal de la
sismicidad: los pequeños conjuntos de datos disponibles, del
orden de decenas o menos instancias, necesitan un análisis
más preciso con respecto a los procedimientos de prueba
clásicos, donde cientos o miles de los datos están
disponibles. Además, desarrollamos un método NESTORE
más robusto basado en un enfoque jackknife (rNESTORE) y
lo aplicamos con éxito a la sismicidad de California.
B. Equivalencia de modelos de aprendizaje automático en
el modelado del caos
Los avances recientes han demostrado que los modelos de
aprendizaje automático son métodos efectivos para predecir
sistemas caóticos. Aunque la predicción del caos a corto
plazo se puede realizar con éxito mediante modelos de
aprendizaje automático aparentemente diferentes, aún se
desconoce una pregunta intrigante sobre su correlación.
Aquí, nos enfocamos en tres modelos de aprendizaje
automático de uso común que son la computación de
reservorio, las redes de memoria a corto plazo y las redes de
creencias profundas, respectivamente. Encontramos que
estos modelos seleccionados presentan propiedades
estadísticas a largo plazo casi idénticas a las de un sistema
caótico aprendido. Específicamente, mostramos que estos
modelos de aprendizaje automático tienen la misma
dimensión de correlación y tiempo de recurrencia. Además,
al compartir una señal común, realizamos sincronización,
sincronización en cascada y sincronización acoplada entre
modelos de aprendizaje automático. Nuestros hallazgos
revelan la equivalencia de los modelos de aprendizaje
automático en la caracterización y el modelado de sistemas
caóticos.
C. Predicción de intervenciones de rehabilitación y daños
por terremotos mediante aprendizaje automático
Es importante predecir el grado de daño y las intervenciones
de rehabilitación, especialmente después de terremotos de
moderados a fuertes, ya que la priorización de la
recuperación de viviendas después del terremoto necesita
información sobre el alcance del daño. La predicción de
daños generalmente se realiza utilizando funciones de
fragilidad, que generalmente están asociadas con grandes
incertidumbres. Además, la disponibilidad y
representatividad de las funciones de fragilidad para una
región afectada por un terremoto no siempre es un hecho. Se
puede obtener una predicción más realista del daño a partir
de métodos que se basen en los atributos relevantes de los
edificios afectados. Las formulaciones basadas en
inteligencia artificial tienen una gran perspectiva en este
sentido. Utilizando la medida de la intensidad de la sacudida
del suelo y las características detalladas de construcción de
549251 edificios afectados por el terremoto de Gorkha en
Nepal en 2015, este documento evalúa la efectividad de
cuatro algoritmos comunes de aprendizaje automático para la
predicción del grado de daño y la intervención de
rehabilitación. Los algoritmos de árbol de decisión, bosque
aleatorio, XGBoost y regresión logística se utilizan para
preparar modelos de aprendizaje automático y probar su
rendimiento. Se encontró que el algoritmo XGBoost predice
el colapso y el fortalecimiento de edificios con mayor
precisión que los otros algoritmos. Además, la importancia
de las características del modelo XGBoost identifica 19 de
las 20 características más importantes como relevantes tanto
para el grado de daño como para la predicción de la
intervención de rehabilitación.
D. Aprendizaje automático para aplicaciones de
perforación: una revisión
En las últimas décadas, el aprendizaje automático ha ganado
un interés creciente en la industria del petróleo y el gas. Este
documento presenta una revisión exhaustiva de los estudios
de aprendizaje automático para aplicaciones de perforación
en las siguientes categorías: (1) fluidos de perforación; (2)
hidráulica de perforación; (3) dinámica de perforación; (4)
problemas de perforación; y (5) diversas aplicaciones de
perforación. En cada estudio, se extraen los algoritmos de
aprendizaje automático, el tamaño de la muestra, las entradas
y salidas y el rendimiento. Además, se resumen las
similitudes de los estudios en cada categoría y se hacen
recomendaciones para el desarrollo futuro.
E. Modelos predictivos para propiedades concretas
utilizando enfoques de aprendizaje automático y
aprendizaje profundo: una revisión.
El hormigón es uno de los materiales más utilizados en
diversas aplicaciones de ingeniería civil. Su tasa de
producción global está aumentando para satisfacer la
demanda. Las propiedades mecánicas del concreto se
encuentran entre los parámetros importantes en el diseño y
evaluación de su desempeño. En las últimas décadas, el
aprendizaje automático se ha utilizado para modelar
problemas del mundo real. El aprendizaje automático, como
rama de la inteligencia artificial, está ganando popularidad en
muchos campos científicos, como la robótica, la estadística,
la bioinformática, la informática y los materiales de
construcción. El aprendizaje automático tiene muchas
ventajas sobre los modelos estadísticos y experimentales,
como precisión óptima, velocidad de alto rendimiento,
capacidad de respuesta en entornos complejos y rentabilidad
económica. Recientemente, más investigadores están
investigando el aprendizaje profundo, que es un grupo de
algoritmos de aprendizaje automático, como un método
poderoso en materia de diagnóstico y clasificación. Por lo
tanto, este documento proporciona una revisión de las
aplicaciones exitosas de los modelos ML y DL para predecir
las propiedades mecánicas del hormigón. Se revisaron varios
algoritmos de modelado destacando sus aplicaciones,
rendimiento, brechas de conocimiento actuales y sugerencias
para futuras investigaciones. Este documento ayudará a los
ingenieros e investigadores de materiales de construcción a
seleccionar técnicas adecuadas y precisas que se ajusten a sus
aplicaciones.
III. DEFINICIONES
A. J48: Comparaciones basadas en la eficiencia en cuanto a
la clasificación de las variables de riesgo, lo que
finalmente, da como mejor herramienta para la
clasificación futura de riesgo, a los arboles de decisión
basados en el algoritmo C4.5 (J48)
B. Multiplayer Perceptron: Algortimo formado por
múltiples capas, de tal manera que tiene capacidad para
resolver problemas que no son linealmente separables, lo
cual es la principal limitación del perceptrón (también
llamado perceptrón simple). El perceptrón multicapa
puede estar totalmente o localmente conectado. En el
primer caso cada salida de una neurona de la capa "i" es
entrada de todas las neuronas de la capa "i+1", mientras
que en el segundo cada neurona de la capa "i" es entrada
de una serie de neuronas (región) de la capa "i+1".
C. Random Forest: Es una técnica de aprendizaje
automático supervisada basada en árboles de decisión.
Su principal ventaja es que obtiene un mejor rendimiento
de generalización para un rendimiento durante
entrenamiento similar.
D. BayesNet: Una red bayesiana es un grafo acíclico dirigido
en el que cada nodo representa una variable aleatoria que
tiene asociada una función de probabilidad condicional.
La estructura de la red bayesiana provee información
sobre las relaciones de dependencia e independencia
condicional existentes entre las variables. Estas relaciones
simplifican la representación de la función de
probabilidad conjunta como el producto de las funciones
de probabilidad condicional de cada variable. Sea U =
{X1, X2,…, Xn} un conjunto de variables aleatorias.
Formalmente, una red bayesiana para U es un par B = <G,
T> en el que: G es un grafo acíclico dirigido en el que
cada nodo representa una de las variables X1, X2,…, Xn,
y cada arco representa relaciones de dependencia directas
entre las variables. La dirección de los arcos indica que la
variable "apuntada" por el arco depende de la variable
situada en su origen.
IV. TECNICA PROPUESTA
Se propone el siguiente modelo para la predicción de sismos.
La entrada de datos viene a ser el DATASET de Sismos el
cual ha sido ordenado y categorizado de forma manual. Este
DATASET se procesa en el software WEKA dando como
primer paso la normalización de datos para reducir los sesgos
y transformarlos a una misma escala. Lo siguiente es aplicar
los algoritmos de clasificación J48, Random Forest,
BayesNet, Multiplayer Perceptron y LibSVN. A como se puede observar en la fig. 3. Sin embargo, la data de
continuación, se realizan las pruebas y entrenamientos
correspondiente al algoritmo utilizado. Y, Finalmente el
Software WEKA nos entrega un resultado del porcentaje de
predicción de sismos. En el apartado de
EXPERIMENTACION se dará más detalles de los datos y
configuración utilizadas en los algoritmos.
Cabe señalar, que se enmarco inicialmente los sismos
ocurridos en Lima, Ica y otros departamentos colindantes
esa forma influía negativamente en los resultados de
WEKA, por esa razón mediante el API de GOOGLE Maps
y APPScript se obtuvo los nombres aproximados de los
departamentos, provincias y distritos del recuadro Fig. 3. De
esa forma, se filtró solo los sismos Lima e Ica, quedando la
data de sismo como se aprecia en la Fig. 4 y 5.

Fig 3. Se enmarca sismos ocurridos en las ciudades Lima,

Ica y otras ciudades colindantes.

Fig 1. Modelo Propuesto para la prediccion de Sismos.

A. DATASET

1) El DATASET original se obtuvo de IGP (Instituto

Geofísico del Perú). Se descargo la base de datos de sismos
en el Perú de 1960 al 2021 que consta de 23 mil registros
Un aproximado de un sismo diario. En la figura 2. Se puede
observar el diccionario de datos de sismo de IGP donde
detalla la descripción de cada atributo.

Fig 4. Epicentros de Lima e Ica.

Fig 2. Diccionario de Datos de Sismos de 1960 al 2021 IGP

2) Delimitacion de DATASET

En base al DATASET original de IGP, se extrae los sismos

de solo los departamentos Lima e Ica, que equivale a 4413
sismos reportados desde 1960 al 2021.

Los mapas que se muestran en la fig. 3, 4, 5 y 6, fueron

realizados con MyMaps de Google, que requiere como
mínimo la latitud y longitud para identificar el lugar. En esta
investigación se usa los datos de los atributos Latitud y
Longitud para identificar el epicentro.
 Fig 5. Acercamiento de epicentros de Lima e Ica. # Atributo Descripción
1 DIA SEMANA Dia de semana del sismo
Finalmente, se dividió por zonas los departamentos de Lima
2 Numero de semana del año del
e Ica. Donde la Zona 1, 2, 3 y 4 pertenecen a Lima y Zona 5 NUM SEMANA
sismo
y 6 a Ica. Fig. 6.
3 PROFUNDIDA Profundidad del foco sísmico por
D KM debajo de la superficie
4 ZONA Ubicación de sismo, es un sector.
5 CLASE Clasificación de Magnitud
Tabla 3. Atributos de DATASET NUM_SEMANA

# Cantidad
de
Magnitud Clasificación Registros
1 3.2-4.5 Menor_Magnitud 1352
2 4.6-5.2 Ligera_Magnitud 2620
3 5.3-5.9 Moderada_Magnitud 392
4 6.0-8.0 Fuerte_Magnitud 49
Total de registros 4413
Tabla 4. Clasificación de Magnitudes de DATASET
Fig. 6. División de Zonas los departamentos Lima e Ica
NUM_SEMANA
3) Escenarios de DATASET
V. EXPERIMENTACION Y RESULTADOS
En esta investigación se configuró dos escenarios buscando
Se utiliza WEKA para el aprendizaje automático y la
los mejores resultados de clasificación. La diferencia entre
minería de datos. El modelo procesó 4413 instancias donde
los escenarios está relacionada con los atributos y
el 70% de la data fue para entrenamiento y 30% para
categorización de las clases. Se denominará DATASET
pruebas. Los algoritmos aplicados fueron:
MINUTOS y DATASET NUM_SEMANA para resaltar el
atributo que no se repite entre ellos.
– Random Forest (RF);
A continuación, se muestra los atributos y clasificación
– Maquina de vectores de soporte (SVM);
respectivo de cada DATASET.
– Naïve Bayes (NB);
– Multiflayer Perceptron (MP)
– J48
# Atributo Descripción –CostSensitiveClassifier
1 DIA SEMANA Dia de semana del sismo.
2 MES Mes del sismo. Y, para el balanceo se utilizó el algoritmo SMOTE con un
3 Hora del sismo transformado en 50%. Previamente los datos fueron Normalizados.
MINUTOS
minutos.
4 PROFUNDIDA Profundidad del foco sísmico por
D KM debajo de la superficie. A. Aplicación de Algoritmos WEKA
5 ZONA Ubicación de sismo, es un sector. A continuación, se aplica los algoritmos mencionados en el
6 CLASE Clasificación de Magnitud. DATASET MINUTOS. Donde, se puede observar en la
Tabla 1. Atributos de DATASET MINUTOS Fig.6, que inicialmente con J48, como algoritmo base, se
tiene una clasificación correcta del 37.54% y al aplicar
SMOTE mejora a un 48.63%.
# Cantidad También se observa que el algoritmo con peor resultado fue
de el SVM polinomial con 35% inicialmente y al aplicar
Magnitud Clasificación Registros SMOTE mejora con 40.1%.
1 3.2-4.5 Menor_Magnitud 1352
2 4.6-4.8 1597 Aplicando SMOTE, con 1,407instancias más, se halla que el
Moderada_Magnitud mejor algoritmo es el Random Forest con 44.2%
3 4.9-8.0 Fuerte_Magnitud 1464
Total de registros 4413
Tabla 2. Clasificación de Magnitudes de DATASET
MINUTOS
 Fig. 6. Resultado de algoritmos en DATASET MINUTOS
Fig. 7. Mejor resultado de algoritmos RandomForest con
SMOTE en DATASET MINUTOS
Seguidamente, se aplica los algoritmos mencionados para el
DATASET NUM_SEMANA. En el cual, se puede observar
en la Fig.8, que inicialmente con J48, como algoritmo base,
se tiene una clasificación correcta del 57.10% y al aplicar
SMOTE mejora con un 56%.
También se observa que el algoritmo con peor resultado fue
el CostSensitiveClassifier con 49.2%, sin embargo, tiene
mejor TP Rate en comparación de los otros algoritmos.
Aplicando SMOTE, con 1151 instancias más, se halla que el
mejor algoritmo es el Random Forest con 54.7%
Fig. 8. Resultado de algoritmos en DATASET
NUM_SEMANA
Fig. 9. Mejor resultado de algoritmos RandomForest con
SMOTE en DATASET NUM_SEMANA
B. Comparacion de DATASETs
Camparando los resuldos del procesamietno de los
DATASET MINUTOS y NUM_SEMANA.
En el DATASET MINUTOS los porcentajes los TP Rate,
antes del SMOTE, se ven mas balancedos debido a que los
registros fueron clasificados con tres clase y con similar
numero de registros. En diferencia que el DATASET
NUM_SEMANA los porcentajes de TP Rate, antes del
SMOTE, tiene en el TP Rate porcentajes 0. Esto debido a que
las data fue clasificada en 4 clases donde la clase
FUERTE_MAGNITUD tenia 49 registros, es decir cantidad
de registros de las clases no estaban balanceadas en un incio.
Lo cual Aplicar SMOTE mejora significativamente en ambos
DATASETS. Principalmente en el DATASET
NUM_SEMANA.
VI. CONCLUSIONES
El estudio se realizó en base a datos abiertos del IGP. Estos
datos corresponden de1960 al 2021. La investigación estuvo
realizada solo para los departamentos de Lima e Ica del
Perú. Se han probado cinco algoritmos de Machine Learning
en dos escenarios de DATASETS para clasificar magnitudes
sísmicas y se identifica como mejor DATASET
NUM_SEMANA con 4 clases denominas menor, ligera,
moderada y fuerte magnitud. De los algoritmos probados el
que tuvo mejor resultado fue el RandomForest con 54.7%,
el cual previamente se aplico un SMOTE para aumentar
instancias en la clase minoritaria.
En un trabajo futuro nos gustaría conseguir más datos para
el estudio y aplicar otros atributos como precipitaciones,
temperaturas, tipos de suelos.
REFERENCIAS
[1] S.Gentili, Pronóstico de fuertes terremotos posteriores en grupos de
California mediante aprendizaje automático
[2] S. Gentili, “Equivalencia de modelos de aprendizaje automático en el
modelado del caos”
[3] SajanK C , “Predicción de intervenciones de rehabilitación y daños por
terremotos mediante aprendizaje automático”
[4] RuizhiZhong, “Aprendizaje automático para aplicaciones de
perforación: una revisión”
[5] MohammadMohtasham Moei , “Modelos predictivos para propiedades
concretas utilizando enfoques de aprendizaje automático y aprendizaje
profundo: una revisión.”
[6] KM Asim, F Martı́nez-Álvarez, A Basit y T Iqbal. Predicción de la
magnitud del terremoto en la región hindukush utilizando técnicas de
aprendizaje automático. Peligros Naturales, 85(1):471–486, 2017.
[7] Giuseppe Bonaccorso.Algoritmos de aprendizaje automático: una guía
de referencia de algoritmos populares para la ciencia de datos y el
aprendizaje automático. Packt Publishing, 2017.Ffff
[8] Leo Breiman. Bosques aleatorios.Aprendizaje automático, 45(1):5–32,
2001.
[9] Ff ff Louise K Comodidad. Autoorganización en respuesta a desastres:
El gran terremoto de Hanshin, Japón del 17 de enero de 1995. En
Autoorganización en respuesta a desastres: el gran terremoto de
Hanshin, Japón, del 17 de enero de 1995. Universidad de Colorado de
los Estados Unidos. Centro de Peligros Naturales, 1995.