Modelo neuronal para estimar aceleraciones durante la ocurrencia de microsismos en el Valle de México

Abstract

Los microsismos en el Valle de México representan un problema actual que ha causado daños estructurales y preocupación en la ciudadanía. El objetivo de este trabajo fue desarrollar y evaluar tres modelos basados en redes neuronales artificiales (RNA) para estimar la aceleración máxima del terreno (Amax) a partir de 95 registros. Los tres modelos fueron de tipo Perceptrón Multicapa, usando el algoritmo de retropropagación, Utilizando los parámetros de magnitud, profundidad, distancia epicentral, azimut y periodo fundamental. El mejor desempeño lo obtuvo la red de la componente EW, con un error cuadrático medio (RMSE) de 4.61 [cm/s²] y un coeficiente de correlación de 0.87 en el conjunto de prueba. Los resultados demuestran que las RNA tienen la capacidad de estimar las aceleraciones del terreno ya que se logró estimar adecuadamente la Amax incluso con un número limitado de eventos. Se concluye que, con una base de datos más amplia, estos modelos podrían alcanzar una fiabilidad mayor y que el presente trabajo puede ser útil como punto de partida para futuros proyectos.