RECONOCIMIENTO DE PATRONES EN DERRUMBES UTILIZANDO LA HERRAMIENTA ID3

Presenta HILDA MEJIA MATIAS Que para obtener el grado de:

Maestro en Ciencias de la Computacin

Asesores Dr. Guillermo de Ita Luna Dr. Jos Alejandro Rangel Huerta

Agosto 2011

1.- INTRODUCCIN. 2.- INESTATABILIDAD DE LADERAS 3.- ALGORITMO DE APRENDIZAJE AUTOMATICO 4.- DATOS DE ENTRENAMIENTO DEL ALGORITMO ID3 5.- IMPLEMENTACIN DEL SISTEMA 6.-APLICACIONES Y RESULTADOS 7.- CONCLUSIONES

INTRODUCCIN

En los ltimos aos varios pases del mundo han sufrido desastres naturales, donde ha habido prdidas humanas, al igual que grandes cantidades de prdidas materiales con un gran impacto econmico.

Algunos de los desastres ms grandes que se han registrado en el pas han sido a causa de procesos de remocin en masa.

Aunque el fenmeno de deslizamiento de tierra no solo se debe a causas naturales, sino que tambin es influenciado por la actividad humana.

INTRODUCCIN
En este trabajo se investigaron los diferentes elementos que intervienen en los procesos de remocin en masa, con el fin de encontrar patrones en su incidencia. El alcance principal del proyecto es que se pueda generar patrones de incidencia bsicos que permitan alertar a la sociedad sobre posibles zonas de riesgo de derrumbes. El objetivo es el diseo de un sistema de procesamiento de informacin sobre derrumbes, considerando los detonadores y las condiciones del lugar donde se origina un derrumbe. Se construyo un sistema de aprendizaje sobre datos de derrumbes, el sistema est basado en un manejador de Base de Datos, y como objetivo de esta implementacin, es la obtencin de los primeros patrones de incidencia de derrumbes en el estado de Puebla.

INESTABILIDAD DE LADERAS

La inestabilidad de Laderas constituyen los procesos geolgicos activos ms abundantes que tienen lugar en laderas con pendientes abruptas.

Los desastres naturales han causado un nmero importante de vctimas fatales y cuantiosas prdidas materiales durante los ltimos aos. Los procesos de remocin en masa cobraron mayor importancia en el mundo, debido al considerable incremento en los daos, relacionado los asentamientos humanos hacia zonas peligrosas. En este trabajo se analiza solo el referente a la inestabilidad de laderas (derrumbes) ocurridos en la Zona Norte del Estado de Puebla.

INESTABILDAD DE LADERAS

Existen diferentes causas que ocasionan un derrumbe, pero son principalmente dos las causas naturales que ocasionan este fenmeno; los sismos y las lluvias.

El estado de Puebla, ubicado en el centro de la Repblica Mexicana, se ve afectado en gran medida por sismos de mediana profundidad, producto de la actividad volcnica, esto y la actividad tectnica han dado como resultado la Sierra Madre Oriental y cuyas caractersticas, entre otras, incluyen grandes fallas, intenso fracturamiento.

INESTABILIDAD DE LADERAS
La lluvia es uno de los principales factores que afectan la estabilidad de laderas, muchos deslizamientos ocurren durante o despus de los periodos de lluvia.

El efecto de la lluvia depende de la intensidad, duracin y distribucin de la tormenta.

En octubre de 1999, como resultado de la depresin tropical nmero 11 en las costas de Veracruz, ocurrieron precipitaciones extraordinarias en el oriente del pas, afectando principalmente a los estados de Hidalgo, Oaxaca y Puebla.

INESTABILIDAD DE LADERAS La magnitud del evento fue tal que se le calific como el desastre de la dcada en Mxico.

Los principales daos ocurrieron en la Sierra Norte del Estado de Puebla, ya que fue una de las zonas en las que hubo cuantiosas prdidas econmicas y prdidas humanas.

El proceso de remocin en masa, es uno de los fenmenos ms recurrentes en el pas, sin embargo las estadsticas de su ocurrencia, su estudio y la difusin de medidas preventivas son quizs las menos desarrolladas entre los fenmenos perturbadores.

ALGORITMO DE APRENDIZAJE AUTOMATICO

El rea de aprendizaje automtico propone la creacin de programas que aprenden, entendindose por aprender: mejorar con uso de la experiencia el desempeo en una tarea.

Por ejemplo, los algoritmos de data mining (minera de datos), intentan descubrir patrones en grandes bases de datos, en donde, debido a la gran cantidad de registros, un ser humano no podra encontrar fcilmente los patrones que ocurren en la informacin. Un algoritmo que ha sido utilizado para el aprendizaje automtico, y que est basado en el uso de rboles de decisin, es: J.R. Quinlan (1973, 1986): Mtodo ID3

ALGORITMO DE APRENDIZAJE AUTOMATICO

Qu es el aprendizaje?

1.- Es la idea de poder aprender de la propia experiencia en la resolucin de problemas, con lo que se espera se obtengan mejores soluciones en un futuro.

2.- En el aspecto computacional, el rea de aprendizaje automtico se enfoca a crear programas capaces de generalizar comportamientos a partir de una informacin no estructurada y usualmente suministrada en forma de ejemplos

ALGORITMO DE APRENDIZAJE AUTOMATICO

Aprendizaje inductivo: donde se crean modelos de conceptos a partir de generalizar ejemplos simples. Aqu se buscan patrones comunes que expliquen los ejemplos. El aprendizaje inductivo se clasifica en dos tipos, el supervisado y el no supervisado. El aprendizaje supervisado es aquel en el que para cada ejemplo que tenemos, conocemos el nombre del concepto al que pertenece, lo que denominaremos la clase del ejemplo. Por lo tanto la entrada de este tipo de aprendizaje es un conjunto de ejemplos clasificados. El aprendizaje no supervisado es ms complejo, ya que no existe una clasificacin de los ejemplos y debemos encontrar la mejor manera de estructurarlos, obteniendo por lo general una particin en grupos.

ALGORITMO DE APRENDIZAJE AUTOMATICO

Los rboles de aprendizaje se consideran parte relevante del aprendizaje inductivo. La construccin de rboles de decisin, tambin denominados rboles de clasificacin o de identificacin, es sin duda, el mtodo de aprendizaje automtico ms utilizado. Los rboles de decisin pueden ser utilizados en diversas reas. (desde aplicaciones de diagnstico mdico hasta juegos como el ajedrez o sistemas de prediccin meteorolgica). En estos rboles de aprendizaje, el conocimiento obtenido se representa mediante un rbol en el cual cada nodo interior contiene una pregunta sobre un atributo concreto, con un hijo por cada posible respuesta. Cada hoja del rbol se refiere a una decisin (una clasificacin).

ALGORITMO DE APRENDIZAJE AUTOMATICO El algoritmo ID3 construye de manera descendente un rbol de decisin. que atributo debera ser colocado en la raz del rbol? Cada atributo es evaluado usando un test estadstico que ayude a determinar que tan bien clasifica a los ejemplos de entrenamiento el atributo considerado. Para poder obtener el rbol se necesita de la formula de entropa y de ganancia de informacin. De una manera general, la entropa se define como la medida de la incertidumbre que hay en un sistema, es decir, ante una determinada situacin, la probabilidad de que ocurra cada uno de los posibles resultados. La ganancia de informacin, no es ms que la diferencia de la entropa calculada de entre un nodo y su descendiente

ALGORITMO DE APRENDIZAJE AUTOMATICO

n Entropa ! - pi log 2 (pi ) i !1

|S | GI(S, A) = Entropa(S) - v Entropa(S ) v |S| v
Siendo S el conjunto de entrenamiento, A el atributo y Sv el subconjunto de S formado por aquellas instancias que en el atributo A toman el valor v.

DATOS DE ENTRENAMIENTO DEL ALGORITMO ID3

Para la toma de decisiones se necesita hacer uso del algoritmo de aprendizaje ID3, como se explico anteriormente ID3 es un algoritmo de aprendizaje automtico que necesita de ejemplos de entrenamiento, los cuales se forman con los diferentes factores o tambin conocidos como atributos, que ocasionan los derrumbes y los tipos de riesgos que generan en ciertas zonas, como por ejemplo.

Municipio

Localidad

Inclinacin ladera

Factor de seguridad

Precipitacin pluvial

Deforestacin

Dao causado

Comocuautla

Tapayula

Fuerte

Falla

Intensa

Construccin

Alto

DATOS DE ENTRENAMIENTO DEL ALGORITMO ID3

Zona
Municipio Localidad Inclinacin ladera

Atributos
Factor de seguridad Precipitacin pluvial Deforestacin

Clase
Dao causado

Comocuautla Coatepec Huitzilan Ixtepec Zacapoaxtla Zoquiapan Jalpan Jopala Pahuatlan Pantepec Hueyapan Zaragoza Tetela de Ocampo Teziutlan

Tapayula Coatepec Paraso Ixtepec Las lomas Zoquiapan JAlpan Patla Ahila Ixtoloyola Calapan El saltillo Buena Vista

Fuerte Fuerte Fuerte Fuerte Moderada Suave Suave Suave Suave Moderado Moderado Moderado Suave

Falla Nofalla Falla Falla Posiblefalla Posiblefalla Nofalla Posiblefalla Falla Falla Falla Falla Falla

Intensa Moderado Moderado Intensa Fuerte Moderado Moderado Fuerte Moderado Moderado Moderado Intensa Moderado

Construccin Cultivo Construccin Construccin Cultivo Cultivo Construccin Cultivo Camino Construccin Construccin Construccin Camino

Alto Bajo Bajo Alto Medio Bajo Bajo Bajo Bajo Bajo Medio Alto Medio

Teziutlan

Suave

Falla

Intensa

Construccin

Alto

IMPLEMENTACIN DEL SISTEMA

Diagrama de Base de Datos

IMPLEMENTACIN DEL SISTEMA

Pagina principal

IMPLEMENTACIN DEL SISTEMA

Elegir usuario o Administrador

IMPLEMENTACIN DEL SISTEMA

Men Usuario

IMPLEMENTACIN DEL SISTEMA

Identificacin de administrador

IMPLEMENTACIN DEL SITEMA

Men administrador

IMPLEMENTACIN DEL SISTEMA

Consulta de datos

IMPLEMENTACIN DEL SISTEMA

Ejecucin de ID3

RESULTADOS Y APLICACIONES
De acuerdo a la investigacin realizada en este trabajo de tesis se detect:

- El principal detonante de los procesos de remocin en masa es la lluvia o precipitacin pluvial.

- Los daos causados, no se deben a las lluvias sino a otros factores ocasionados por el hombre, como la deforestacin para cultivos, carreteras y construccin de viviendas en zonas montaosas, ocasionando la inestabilidad de la misma zona.

RESULTADOS Y APLICACIONES

Resultado obtenido

RESULTADOS Y APLICACIONES

rbol generado

CONCLUSIONES
En la actualidad el deterioro del medio ambiente nos lleva a cambios climticos constantes y variantes desde calor en el periodo de frio hasta sequa en la poca de lluvia en diferentes lugares del mundo. En este trabajo se inicia el estudio sistemtico de reconocer los elementos tanto fsicos como los detonantes comunes a considerar en el anlisis de estos fenmenos. Tambin se desarroll y aplic el algoritmo de aprendizaje ID3 sobre una serie de datos que contienen un historial reducido en la Sierra Norte de Puebla

CONCLUSIONES
Se determin utilizar los siguientes factores: Inclinacin de ladera, Factor de seguridad, Deforestacin y Precipitacin pluvial para formar la matriz de aprendizaje para el algoritmo ID3.

Se llego a la conclusin que el factor o atributo que es el detonante principal para la generacin de derrumbes es la, precipitacin pluvial. Se muestra la utilidad de la aplicacin de herramientas de la Inteligencia Artificial como apoyo en el anlisis de fenmenos naturales.

CONCLUSIONES
Posible trabajo a futuro Recabar mucho ms ejemplos para conformar el conjunto de entrenamiento, as como automatizar el sistema para que lea los datos en tiempo real en las pocas de lluvias que es donde ms se presenta este tipo de fenmeno y as alertar a la poblacin de un posible riesgo en tiempo real. Igualmente, el sistema podra combinarse con sistemas sensores que permitan monitorear otros detonadores que tienen incidencia con los derrumbes, como son los fuertes vientos, huracanes, presencia de trabajos en los cerros, etc Lo que conformara un sistema completo en la prevencin de derrumbes.

PREGUNTAS?

GRACIAS