Z7_89C21A40L06460A6P4572G3304

Teclas de Ayuda de acceso Rápido

ALT + 1 Inicio

ALT + 2 Noticias

ALT + 3 Mapa de sitio

ALT + 4 Búsqueda

ALT + 5 Preguntas frecuentes

ALT + 6 Atención al ciudadano

ALT + 7 Quejas y reclamos

ALT + 8 Iniciar Sesión

ALT + 9 Directorio telefónico

Letra:

Contraste:

Clic aquí para ir a la página gov.co
jueves, 28 de marzo 2024
28/03/2024
Síguenos
Z7_89C21A40L06460A6P4572G3305

Periódico Alma Máter

Z7_89C21A40L06460A6P4572G3307
UdeA Noticias
Z7_89C21A40L06460A6P4572G3386
Sociedad Vida

Una red neuronal artificial para evaluar riesgos sísmicos

23/02/2021
Por: Stiven Arias Henao- Periodista

Valiéndose de fotografías de viviendas de Medellín tomadas de Google Street View, investigadores de tres universidades colombianas, entre ellas la de Antioquia, diseñaron un sistema basado en inteligencia artificial que clasifica edificaciones en función de variables asociadas al riesgo de sufrir daños durante un sismo.

10 000 fotografías de edificaciones de la ciudad de Medellín fueron empleadas en el diseño y la elaboración del sistema. Foto: Iván Erre Jota / Flickr.

A la frase «me movieron el piso» suele seguirle una risa coqueta y un sonrojo disimulado. Sin embargo, en un sentido más literal, no resulta tan agradable. Si de repente el suelo bajo nuestros pies tiembla y las lámparas sobre nuestra cabeza comienzan a mecerse, las que se agitarían ya no serían las mariposas en el estómago sino cada célula del cuerpo.

Millones de personas sufren los estragos físicos y materiales de los movimientos telúricos que sacuden la tierra, y evaluar el riesgo sísmico de una determinada región es una tarea costosa. Por eso, investigadores de las universidades de Antioquia y Eafit, en Medellín, y la Industrial de Santander, en Bucaramanga, desarrollaron un insumo para realizar modelos de exposición —inventarios que muestran los factores que definen el comportamiento sísmico de una construcción— a un menor costo económico a través de un sistema basado en inteligencia artificial.

Raúl Ramos Pollán, profesor del Departamento de Ingeniería de Sistemas e integrante del Grupo de Investigación Intelligent Information Systems Laboratory —In2LAB— de la Universidad de Antioquia, explicó que consiste en «una red de neuronas artificiales que puede clasificar un edificio según las características estructurales más relevantes para un modelo de exposición. Es un modelo matemático lejanamente inspirado en las redes neuronales biológicas».

Para que esa red pudiera clasificar los edificios fue necesario calibrarla, o entrenarla, con 10 000 fotografías de edificaciones de Medellín tomadas de la plataforma Google Street View que sirvieron como referencia. Expertos en ingeniería civil clasificaron previamente esas fotografías en función de aspectos como su diseño, los materiales con los que fueron construidas, la zona donde están ubicados y su antigüedad aproximada, entre otros variables asociadas al riesgo de sufrir daños durante un evento sísmico, dijo la investigadora Daniela González González, ingeniera civil de la universidad Eafit.

El porcentaje global de aciertos de la red neuronal artificial fue del 94 %, cifra que la convierte en una promisoria herramienta que reduce el costo de las evaluaciones de riesgo sísmico en estructuras, y puede favorecer a un mayor número de ciudades en el futuro.

Resultados y perspectivas

De acuerdo con Ramos, los resultados de este novedoso sistema son prometedores, pues su porcentaje global de aciertos es del 94 %. «Quisimos darle un poco de detalle a ese porcentaje de acierto con dos modos de evaluar ese desempeño que denominamos “precisión” y “sensibilidad”», dijo el investigador.

La evaluación de «precisión» indica el grado en que se puede confiar el sistema cuando este clasifica una construcción como «no dúctil», o frágil. Ese desempeño fue de 93 %. De otra parte, la evaluación de «sensibilidad» se refiere a cuántas construcciones son estimadas como «no dúctiles», o frágiles, en relación al total real de edificaciones no dúctiles que abarca el modelo. Dicho desempeño fue del 95 %. Así, el porcentaje global de aciertos fue del 94 %.

A mediano plazo, el sistema se convierte en un insumo clave para las valoraciones expertas de los ingenieros civiles. Realizar un modelo de exposición es una tarea que suele demandar mucho tiempo y recursos económicos, sobre todo si se trata de áreas extensas como Medellín. Sin embargo, al contar con un sistema basado en inteligencia artificial, señaló González, es posible obtener datos útiles para evaluar el riesgo sísmico sin invertir tanto dinero ni tanto tiempo.

El alcance de esta herramienta puede trascender hasta los ámbitos nacional e internacional. Así lo sugirió Juan Carlos Duque Cardona, investigador y profesor de Eafit, quien dijo que «una de las metas que establece el Objetivo de Desarrollo Sostenible número 11 de la ONU es hacer las ciudades más seguras frente a fenómenos naturales que las pongan en riesgo, buscando reducir significativamente el número de muertes causadas por desastres. Este tipo de modelos ayuda a hacer un diagnóstico para resolver con anticipación esas vulnerabilidades y contribuir al alcance de ese objetivo».

Z7_89C21A40L06460A6P4572G3385
Z7_89C21A40L06460A6P4572G3387
Correo del contacto
Correo del contacto
[57+4] 219 5027
Z7_89C21A40L06460A6P4572G33O4
Z7_89C21A40L06460A6P4572G33O6
Lo más popular
Z7_89C21A40L06460A6P4572G3340
 
Universidad de Antioquia | Vigilada Mineducación | Acreditación institucional hasta el 2033 | NIT 890980040-8
Recepción de correspondencia: calle 70 No. 52 - 21 | Apartado Aéreo 1226 | Dirección: calle 67 No. 53 - 108 | Horario de atención
Conmutador: [57 + 604] 219 8332 | Línea gratuita de atención al ciudadano: 018000 416384 | Fax: [57 + 604] 263 8282
Peticiones, quejas, reclamos, sugerencias, denuncias, consultas y felicitaciones
Política de tratamiento de datos personales
Medellín - Colombia | Todos los Derechos Reservados © 2020