Técnicas de predicción de terremotos usando machine learning: Una revisión sistemática de la literatura

Resumen

El desarrollo tecnológico, ha despertado el interés por parte de la comunidad científica en realizar investigaciones para predecir terremotos empleando Inteligencia Artificial. Una de las líneas de la Inteligencia Artificial es Machine Learning, que, a través de algoritmos de regresión y clasificación han tratado de predecir terremotos empleando Big Data. Para pronosticar terremotos con modelos predictivos, muchos investigadores, han utilizado eventos sísmicos, técnicas de Machine Learning, herramientas de programación y metodologías de desarrollo. Según la búsqueda exhaustiva de la literatura, se encontraron que, la mayor cantidad de estudios emplean las características sísmicas magnitud, latitud, longitud y profundidad. Mientras que, las técnicas de Machine Learning más utilizadas son las Redes Neuronales Artificiales, Bosques Aleatorios, Maquina de Vectores de Soporte, Regresión Lineal Múltiple y Árbol de Decisiones. También se ha visto que, una de las herramientas más importantes para desarrollar modelos predictivos es, el Lenguaje de Programación Python. Y, para proyectos con grandes volúmenes de datos, la mayoría de los investigadores trabajan con las guías metodológicas CRISP-DM, KDD y SEMMA.