Una comprensión clara de la distribución espacial de los terremotos facilita la predicción de la sismicidad y la vulnerabilidad entre los investigadores de los aspectos sociales, físicos, medioambientales y demográficos. En general, existen pocos estudios sobre la evaluación del riesgo sísmico en los Emiratos Árabes Unidos (EAU) dentro de la plataforma del sistema de información geográfica (SIG). Investigaciones anteriores y noticias recientes han demostrado que la parte oriental del país experimenta sacudidas de 3 a 5 grados de magnitud, concretamente cerca de la ciudad de Fujairah y las poblaciones circundantes. Este estudio se basa en investigaciones anteriores sobre la peligrosidad sísmica que señalaban a la parte oriental de los EAU como la zona más propensa a los riesgos. Por lo tanto, este estudio desarrolla un proceso jerárquico analítico integrado (AHP) y el aprendizaje automático (ML) para la cartografía de riesgos teniendo en cuenta ocho parámetros geoespaciales - la distancia de la costa, escuelas, hospitales, carreteras, residencias, arroyos, zona confinada, y la pendiente de la zona confinada. El sistema de clasificación y ponderación AHP se basó en las opiniones de expertos y revisiones bibliográficas. Para validar el sistema AHP, se aplicaron a los conjuntos de datos clasificadores de máquina de vectores de apoyo (SVM), árbol de decisión (DT) y bosque aleatorio (RF). Los conjuntos de datos se dividieron en una proporción de 60 :40 para el entrenamiento y las pruebas. Los resultados muestran que SVM tiene la mayor exactitud, 79,6 puntos, en comparación con DT y RF, con una precisión "predicha alta" de 87,5 puntos.
de este modelo. Se elaboraron y compararon mapas de riesgo a partir de los enfoques AHP y ML. El análisis de riesgo se clasificó en 5 clases "muy alto", "alto", "moderado", "bajo" y "muy bajo". Ambos enfoques modelizaron patrones espaciales relacionables como zonas propensas al riesgo. El enfoque AHP concluyó que 3,6
s de zona de riesgo "muy alto", mientras que a partir de ML sólo se identificó el 0,3% de la superficie total. La superficie total de riesgo "muy alto" (20 km2) y "alto" (114 km2) se estimó a partir del enfoque ML.
Esta es una versi髇 de prueba de citaci髇 de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citaci髇 de las respectivas fuentes.
Art韈ulo:
La influencia de la emoci髇 negativa en el Efecto Simon reflejado por el P300.
Art韈ulo:
Valor diagnóstico de la ecografía con contraste SonoVue en la secreción del pezón basada en la inteligencia artificial
Art韈ulo:
Predicción del Nivel de Glucosa en Sangre para Diabéticos Basada en Registros de Nutrición y Administración de Insulina Utilizando Modelos Matemáticos Personalizados
Art韈ulo:
S韓tesis, espectroscopia, estudios te髍icos y electroqu韒icos de complejos azida y tiocianato de Zn(II), Cd(II) y Hg(II) de un nuevo ligando sim閠rico de base de Schiff
Art韈ulo:
Multihopping Multilevel Clustering Heterogeneity-Sensitive Optimized Routing Protocol for Wireless Sensor Networks (Protocolo de enrutamiento optimizado sensible a la heterogeneidad para redes de sensores inalámbricas)
Informe, reporte:
Diagn髎tico sobre la log韘tica del comercio internacional y su incidencia en la competitividad de las exportaciones de los pa韘es miembros
Infograf韆:
Sistemas de calidad. Six Sigma
Manual:
Qu韒ica de los taninos
Art韈ulo:
Influencia del COVID-19 en las din醡icas de exportaci髇, producci髇 y consumo de carne vacuna en Colombia y el mundo: Una revisi髇 monogr醘ica.