Estimación automática de deslizamientos en la interfase de subducción usando datos GNSS y machine learning.
| dc.contributor.advisor | Miller, Matt | es |
| dc.contributor.advisor | Moreno, Marcos | es |
| dc.contributor.author | Inzunza García, Valentina Andrea | es |
| dc.date.accessioned | 2025-03-05T13:36:58Z | |
| dc.date.available | 2025-03-05T13:36:58Z | |
| dc.date.issued | 2025 | |
| dc.description | Tesis presentada para optar al grado Magíster en Geofísica | es |
| dc.description.abstract | La estimación precisa y rápida de deslizamiento cosísmico es esencial para comprender los terremotos y optimizar los sistemas de alerta temprana. En este trabajo, se presenta una metodología basada en redes neuronales para estimar distribuciones de deslizamiento cosísmico, utilizando datos sintéticos de GNSS para un entrenamiento robusto. Este enfoque se distingue por su alta eficiencia computacional, logrando estimaciones de la distribución del deslizamiento en solo 0.07 segundos. Validado con datos reales del terremoto de Illapel de 2015 (Mw 8.3), el modelo demostró una notable precisión. Además, se analizan diversos hiperparámetros y condiciones de los datos, evaluando el desempeño del modelo e identificando oportunidades para optimizar su rendimiento en el futuro. | es |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Geofísica | es |
| dc.description.facultad | Facultad de Ciencias Físicas y Matemáticas | es |
| dc.description.sponsorship | ANID, proyecto FONDECYT 1221507 | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/12356 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Sismología | es |
| dc.subject | Geodesia | es |
| dc.subject | Inteligencia artificial | es |
| dc.title | Estimación automática de deslizamientos en la interfase de subducción usando datos GNSS y machine learning. | es |
| dc.type | Thesis | es |