Autor: JUAN CARLOS COSME LOPEZ.
Descripción:
La Inteligencia Artificial tiene un impacto positivo por lo que puede organizar las respuestas ante crisis o desastres naturales. Teniendo en cuenta que la IA contribuye con métodos que mejoran la predicción de lluvias, huaicos, epidemias, terremotos o que estimen con una mayor precisión las zonas y poblaciones más vulnerables a través de variables básicas de predicción. En las cuales se aplican en diferentes algoritmos de aprendizaje automático sobre un conjunto de datos tales como: Logistic Regression, Random Forest, Naive Bayes, AdaBoost, MultiLayer Perceptron
Descripción del problema
- El objetivo es predecir los eventos clasificándolos en base a variables del tipo geográfico, demográfico y de capacidad de respuesta, mediante la aplicación con diferentes algoritmos de machine learning
- Las predicciones se deben realizar con anticipación la planificación de asignación de recursos, tanto humanos como materiales. La mayoría de estudios se realizan sobre pronósticos, teniendo en cuenta el historial de desastres en el Perú y áreas específicas.
- Se aplican algoritmos o técnica como: random forest bajo la técnica de uso de árboles de clasificación y regresión.
- la IA puede monitorear la respuesta ante una crisis a través del análisis de imágenes satelitales o de drones con visión computacional, por ejemplo, identificar el tipo de ayuda que se necesita en cada zona.
- Uso de mapa de amenazas múltiples (MAM; también llamado mapa compuesto, de síntesis o de superposición de amenazas) es una herramienta excelente para fomentar la concientización sobre amenazas naturales y para analizar la vulnerabilidad y el riesgo.
- Instrumentos y técnicas para la evaluación de amenazas naturales tales como Sistemas de información geográfica, sensores remotos en evaluaciones de amenazas naturales. técnicas especiales para el trazado de mapas
- Predicción de intervenciones de rehabilitación y daños por desastres naturales mediante aprendizaje automático
Uno de los métodos o marcos más populares utilizado por los científicos de datos en la práctica profesional es el algoritmo Random Forest. El cual es considerado uno de los mejores algoritmos de clasificación, capaz de clasificar grandes cantidades de datos con precisión para los destres naturales según muchos expertos.
Por lo que se puede aplicar el algoritmo de Random Forest en problemas de regresión, los cuales cuentan con los siguientes parámetros:
- Número de árboles (ntree)
- Numero de variables predictoras elegidas al azar por cada corrida (mtry)
- Número mínimo de nodos (nodesize)
- Numero de variables predictoras (p)
Figura 1. Comportamiento de los árboles de un bosque de regresión para diferentes mtry.
En la figura 1 se observa el comportamiento de los árboles de regresión para valores de mtry Número de valores que se seleccionarán en cada partición de cada árbol del bosque desde 1 hasta 7 especificadas por color en la parte superior en función a las variables del tipo geográfico, demográfico y de capacidad de respuesta, figura obtenida con la ayuda del software RStudio por medio de la librería “caret”.
Dataset
Figura 2. Mapa de Peligros Múltiples
Desastres Naturales - Incidentes años 2008 - 2017
Figura 3. Incidentes atendidos del año 2008 al año 2017 , en todo el territorio del Perú, según la clasificación, Departamento, Municipio y centros poblados.
Conclusiones
La inteligencia artificial tiene un impacto positivo en los desastres naturales del Perú el estudio se realizó en base a datos abiertos del organismo público centro nacional de estimación, prevención y reducción del riesgo de desastres (sinagerd). estos datos corresponden 2008 al 2017. cuyo propósito general, permite automatizar y agilizar tareas cuya ejecución puede resultar capaz de analizar grandes cantidades de datos en mucho menos tiempo que los seres humanos, permite tomar decisiones fundamentadas con más celeridad.
Referencias
- Juan M. Fernández Millán. Gestión e intervención Psicológica en Emergencias y Catástrofes. https://ergoprojects.com/tienda/prod/62 ... rofes.html
- Prensa concongreso 12-06-18, https://www2.congreso.gob.pe/Sicr/Prens ... enDocument
- Zela, W., Bejarano, G., Paredes, M., Flórez, O., Ávila, C., Calderón, C., . . . Chavez, S. (2021). Estrategia Nacional de Inteligencia Artificial para Perú – ENIA
- CEPLAN Inteligenica artifical ,https://cdn.www.gob.pe/uploads/document ... %C3%BA.pdf