Modelo predictivo para identificar zonas potenciales de deslizamientos influenciados por precipitación en la ciudad de Medellín

Vista sencilla de ítem
dc.contributor.advisorBonet Cruz, Isis
dc.contributor.advisorPeláez Mesa, Claudia Patricia
dc.contributor.authorGarcés Mesa, David
dc.date.accessioned2023-08-02T19:20:51Z
dc.date.available2023-08-02T19:20:51Z
dc.date.issued2023
dc.description74 páginas
dc.description.abstractRESUMEN: el objetivo de este trabajo de grado es desarrollar un modelo predictivo para identificar zonas potenciales de deslizamientos influenciados por la precipitación en Medellín. Se emplearon técnicas de inteligencia artificial, se integró información geoespacial y de precipitación disponible al público. El modelo se basó en la implementación de modelos supervisados y series de tiempo, adaptados de manera híbrida para capturar la relación entre la precipitación y los movimientos en masa. La pregunta de investigación se centra en la falta de un enfoque integrado que utilice información de organismos de atención a emergencias, cartografía, antecedentes de deslizamientos, características geométricas del terreno y la variación espacial y temporal de la precipitación; que permita comprender el comportamiento de los escenarios de riesgo por movimientos en masa en función de la lluvia antecedente y mejorar la interpretación y respuesta en estas situaciones en la ciudad. Los resultados principales se enfocaron en la estimación de parámetros relevantes para la ocurrencia de deslizamientos, como la vulnerabilidad y la cantidad de agua en el suelo según la precipitación previa. Además, se investigaron los umbrales de lluvia específicos por cuadrantes de la ciudad y su relación con la activación de los movimientos en masa. Se observó una influencia significativa de la vulnerabilidad, así como la importancia de las características geológicas y geomorfológicas en la ocurrencia de deslizamientos. Estos hallazgos proporcionan una base sólida para comprender y gestionar el riesgo de deslizamientos en Medellín, y sugieren la implementación de medidas públicas preventivas y de mitigación. En conclusión, este estudio presenta un modelo predictivo que integra información geoespacial y de precipitación para identificar zonas propensas a deslizamientos influenciados por la lluvia en Medellín. Los resultados destacan la necesidad de considerar la vulnerabilidad y las características del terreno al evaluar el riesgo de movimientos en masa en la ciudad.spa
dc.description.abstractABSTRACT: this research aims to develop a predictive model to identify potential landslide-prone areas influenced by precipitation in Medellín. Utilizing artificial intelligence techniques, geospatial and publicly available precipitation data were integrated into the model. The approach involved the implementation of supervised models and time series analysis, adaptively capturing the relationship between precipitation and mass movements. The research question addresses the lack of an integrated approach incorporating information from emergency response agencies, cartography, landslide records, terrain geometry, and spatial-temporal precipitation variation. The objective is to comprehend the behavior of landslide risk scenarios based on antecedent rainfall and enhance interpretation and response capabilities in such situations within the city. The main findings primarily focused on estimating crucial parameters for landslide occurrence, including vulnerability and soil moisture content influenced by prior precipitation. Additionally, specific rainfall thresholds for each quadrant of the city were examined in relation to landslide activation. Significant influences of vulnerability and geological-geomorphological characteristics on landslide occurrence were observed. These findings provide a solid foundation for understanding and managing landslide risks in Medellín, emphasizing the need for implementing preventive and mitigation measures at the public level. In conclusion, this study introduces a predictive model that integrates geospatial and precipitation data to identify rainfall-influenced landslide-prone areas in Medellín. The results underscore the importance of considering vulnerability and terrain characteristics when assessing landslide risks in the city.eng
dc.description.degreelevelMaestría
dc.description.degreenameOtro
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/6010
dc.language.isospa
dc.publisherUniversidad EIA
dc.publisher.facultyEscuela de Ingeniería y Ciencias Básicas
dc.publisher.placeEnvigado (Antioquia, Colombia)
dc.publisher.programOtro
dc.rightsDerechos Reservados - Universidad EIA, 2023
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.subject.proposalEvaluación de riesgos naturalesspa
dc.subject.proposalVulnerabilidadspa
dc.subject.proposalSusceptibilidadspa
dc.subject.proposalAmenazaspa
dc.subject.proposalSistemas de alerta tempranaspa
dc.subject.proposalSensores remotosspa
dc.subject.proposalInteligencia artificialspa
dc.subject.proposalMétodos supervisadosspa
dc.subject.proposalCiudades resilientesspa
dc.subject.proposalGestión del riesgospa
dc.subject.proposalCambio climáticospa
dc.subject.proposalAnálisis espacio temporalspa
dc.titleModelo predictivo para identificar zonas potenciales de deslizamientos influenciados por precipitación en la ciudad de Medellínspa
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/publishedVersion
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
GarcesMesaDavid_2023_ModeloPredictivoDeslizamientos.pdf
Tamaño:
8.47 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.46 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Maestría en Ingeniería