Mostrar el registro sencillo del ítem
Spatial prediction Techniques for landslide-prone areas
Técnicas para la predicción espacial de zonas susceptibles a deslizamientos
dc.creator | Florez García, Andrés Camilo | |
dc.creator | Pérez Castillo, José Nelson | |
dc.date | 2019-08-21 | |
dc.date.accessioned | 2022-05-25T14:01:24Z | |
dc.date.available | 2022-05-25T14:01:24Z | |
dc.identifier | https://revistas.unilibre.edu.co/index.php/avances/article/view/5188 | |
dc.identifier | 10.18041/1794-4953/avances.1.5188 | |
dc.identifier.uri | http://test.repositoriodigital.com:8080/handle/123456789/36162 | |
dc.description | The implemented techniques for the prediction of landslide-prone areas have been effective at a certain degree. However, many approaches tend to face difficulties to determine non-linear landslides triggering factors, due to the absence of Spatio-temporal dependency structures that evaluate spatial effects as autocorrelation and heterogeneity when describing complex problems. Therefore, results understanding may not be precise and lead to a less reliability condition. The main objective of this article is to provide a solid document that offers both, a general and a detailed perspective about Spatial Prediction Techniques. Finally, we propose an innovative methodology that allows us to use automatic learning and spatial statistics to improve the predictive performance of landslide-prone areas. | en-US |
dc.description | Si bien las técnicas implementadas para predecir zonas susceptibles a procesos de remoción en masa han logrado modelar con cierto grado de precisión casos de deslizamientos, no logran modelar eventos complejos, donde la relación entre los deslizamientos y sus factores desencadenantes no presentan un comportamiento lineal. Lo anterior se debe a ausencia de estructuras de dependencia espacio-temporal que permitan evaluar efectos espaciales (autocorrelación y heterogeneidad); por lo tanto, la interpretación de los resultados suele ser errada y lleva a una menor confiabilidad. Dado lo anterior, el objetivo del artículo es brindar un documento sólido que ofrezca una perspectiva general y detallada de las técnicas de predicción espacial; al tiempo que se propone una metodología innovadora que permita utilizar las bondades del aprendizaje automático y la estadística espacial, con el propósito de mejorar el desempeño predictivo de zonas susceptibles a deslizamientos. | es-ES |
dc.format | application/pdf | |
dc.format | application/xml | |
dc.language | spa | |
dc.publisher | Universidad Libre | es-ES |
dc.relation | https://revistas.unilibre.edu.co/index.php/avances/article/view/5188/5226 | |
dc.relation | https://revistas.unilibre.edu.co/index.php/avances/article/view/5188/5292 | |
dc.rights | Derechos de autor 2019 Avances: Investigación en Ingeniería | es-ES |
dc.source | Avances: Investigación en Ingeniería; Vol. 16 No. 1 (2019): Pre Print; 20-48 | en-US |
dc.source | Avances Investigación en Ingeniería; Vol. 16 Núm. 1 (2019): Avances Investigación en Ingeniería; 20-48 | es-ES |
dc.source | 2619-6581 | |
dc.source | 1794-4953 | |
dc.source | 10.18041/avances.v16i1 | |
dc.subject | deslizamientos | es-ES |
dc.subject | algoritmos de predicción | es-ES |
dc.subject | máquina de aprendizaje | es-ES |
dc.subject | análisis geoespacial | es-ES |
dc.subject | SIG | es-ES |
dc.subject | Landslide | en-US |
dc.subject | Prediction algorithms | en-US |
dc.subject | Machine Learning | en-US |
dc.subject | Geospatial analysis | en-US |
dc.subject | GIS | en-US |
dc.title | Spatial prediction Techniques for landslide-prone areas | en-US |
dc.title | Técnicas para la predicción espacial de zonas susceptibles a deslizamientos | es-ES |
dc.type | info:eu-repo/semantics/article | |
dc.type | info:eu-repo/semantics/publishedVersion | |
dc.type | Peer reviewed Article | en-US |
Ficheros en el ítem
Ficheros | Tamaño | Formato | Ver |
---|---|---|---|
No hay ficheros asociados a este ítem. |
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
4 [280]