Investigación del poder predictivo de las características estadísticas sísmicas utilizando el aprendizaje de...

Área de la Ciencia:

• Geofísica
• Sismología
• Ciencia de datos

Sus antecedentes:

• La predicción de terremotos es un desafío complejo, a menudo recibido con escepticismo.
• Estudios anteriores a veces sufren de fuga de datos, inflando las tasas de éxito.
• Un estudio previo demostró la capacidad predictiva utilizando características sísmicas mientras se controlaba la fuga de datos.

Objetivo del estudio:

• Determinar si las características estadísticas sísmicas capturan conocimiento específico del dominio para la predicción de terremotos.
• Comparar el poder predictivo de las características sísmicas frente a las características genéricas de series temporales.
• Validar la fuente de información predictiva en la predicción de terremotos.

Principales métodos:

• Se compararon 60 características estadísticas sísmicas con 428 características genéricas de series temporales del paquete tsfresh.
• Se utilizó un modelo XGBoost para predecir terremotos (magnitud M ≥ 5) dentro de una ventana de 15 días.
• Se empleó una metodología rigurosa para prevenir el sobreajuste y la fuga de datos.

Principales resultados:

• Los modelos que utilizan características estadísticas sísmicas lograron un Área bajo la curva (AUC) de hasta 0,87.
• Los modelos que utilizan solo características genéricas de tsfresh no funcionaron mejor que el azar.
• Esto resalta la importancia de los datos específicos sísmicos para capturar información del subsuelo previa a los terremotos.

Conclusiones:

• Las características específicas sísmicas capturan demostrablemente información valiosa para la predicción de terremotos.
• Las características genéricas de series temporales carecen de la visión específica del dominio necesaria para una predicción eficaz.
• La investigación futura puede mejorar estas características sísmicas para la predicción operativa potencial de terremotos.