Elaboración de un modelo de susceptibilidad frente a deslizamientos en el área urbana de Guayaquil

Rivera Díaz, Génesis Elizabeth

DSpace Principal
→
Unidades Académicas
→
Facultad de Ingeniería en Ciencias de la Tierra
→
Tesis de Geología
→
Ver ítem

dc.contributor.advisor	Valdiviezo Ajila, Ángel Alberto , Director
dc.contributor.author	Rivera Díaz, Génesis Elizabeth
dc.creator	ESPOL.FICT
dc.date.accessioned	2025-01-23T21:01:09Z
dc.date.available	2025-01-23T21:01:09Z
dc.date.issued	2024
dc.identifier.citation	Rivera Díaz, G. E. (2024). Elaboración de un modelo de susceptibilidad frente a deslizamientos en el área urbana de Guayaquil. [Proyecto Integrador]. ESPOL.FICT .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/63115
dc.description	Los deslizamientos de tierra se consideran uno de los eventos más peligrosos globalmente. Por lo que, en la ciudad de Guayaquil es indispensable elaborar un modelo de susceptibilidad a deslizamientos para la evaluación y prevención de riesgos de desastres, a través del algoritmo Random Forest (RF), una metodología avanzada de machine learning (ML). Para esto, se utilizaron 14 factores condicionantes (pendiente, altitud, litología, curvatura de planta, curvatura de perfil, SPI, STI, NDVI, TWI, uso y cobertura de suelos, densidad de fallas, distancia a las fallas, densidad de drenaje, distancia a los drenajes) seleccionados en base al Plan de adaptación al cambio climático del Ecuador y estudios previos en modelización con ML. A través del inventario de deslizamientos y generación aleatoria de áreas no deslizamientos, se logró recolectar 180 muestras para el conjunto de datos de entrenamiento (70%) y validación (30%). El algoritmo RF, demostró su alta capacidad predictiva, logrando un rendimiento del 88.5% en la modelización. Además, permitió la evaluación detallada de las variables e identificación de zonas susceptibles. Los resultados obtenidos indican que el modelo RF es una herramienta óptima para la evaluación de susceptibilidad, así como para la planificación de medidas de mitigación y gestión de riesgos. Palabras Clave: Machine learning, modelización, sistemas de información geográfica, mitigación, Random Forest.
dc.format	application/pdf
dc.format.extent	63 página
dc.language.iso	spa
dc.publisher	ESPOL.FICT
dc.rights	openAccess
dc.subject	Machine learning
dc.subject	Modelización
dc.subject	Sistemas de información geográfica
dc.subject	Mitigación
dc.subject	Random Forest
dc.title	Elaboración de un modelo de susceptibilidad frente a deslizamientos en el área urbana de Guayaquil
dc.type	Ingeniería en Geología
dc.identifier.codigoespol	T-114752
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	INGE-2437
dc.description.abstractenglish	Landslides are considered one of most dangerous events globally. In Guayaquil city, it?s essential to develop a landslide susceptibility model for disaster risk assessment, through the Random Forest (RF) algorithm, an advanced machine learning (ML) methodology. For this, 14 conditioning factors were used (slope, altitude, lithology, plan curvature, profile curvature, SPI, STI, NDVI, TWI, land use and cover, fault density, distance to drains) selected based on the Ecuadorian Climate Change Adaptation Plan and previous studies in ML modeling. Through the landslide inventory and random generation of non-landslide areas, 180 samples were collected for the training data set (70%) and validation (30%). The RF algorithm demonstrated its high predictive capacity, achieving a performance of 88.5% in the modeling. Furthermore, it allowed for detailed evaluation of variables and identification of susceptible areas. The results obtained indicate that the RF model is an optimal tool for the evaluation of susceptibility, as well as for planning mitigation measures and risk management. Keywords: machine learning, modeling, geographic information systems, mitigation, Random Forest.