PREDICCIÓN NEURONAL DE TERREMOTOS

01/Dic/2012
Después de un año de análisis por parte de científicos de California, China, Japón, Australia, etc., nuestro Algoritmo Neuronal de Predicción de Terremotos ha sido validado, como lo demuestra el siguiente link.
Utilizando una base de datos de sismos chilenos del periodo 2001 a 2011, un equipo español-chileno, formado por científicos de las Universidades de Sevilla y de TGT, desarrollaron y pusieron a prueba un sistema de pronósticos de terremotos con una increíble confiabilidad del orden de 75%. Nadie en el mundo ha logrado conseguir algo igual. El sistema es capaz de emitir verdaderas predicciones de terremotos al generar enunciados del siguiente tipo: "Para la ciudad de Navidad se espera un sismo de magnitud entre 4.0 y 5.0 Ms, dentro de los próximos cinco días, con una probabilidad de 75%".

Abstract
En este trabajo se presenta un novedoso sistema de predicción de terremotos. Este método, basado en la aplicación de Redes Neuronales artificiales, ha sido utilizado para predecir los terremotos en Chile, uno de los países con mayor actividad sísmica en el mundo. Los parámetros de entrada están relacionados con la Ley de Gutenberg/Richter, la Ley de Bath, y la Ley de Omori-Utsu, parámetros fuertemente correlacionadas con la sismicidad, como se ha demostrado en sólidos trabajos anteriores. En este estudio presentamos dos tipos de predicciones: la probabilidad de que ocurra un terremoto de magnitud mayor que un umbral, y la probabilidad de que ocurra un terremoto de magnitud ubicada dentro de un específico intervalo, en ambos casos dentro de los próximos 5 días en las áreas analizadas. Para las cuatro regiones sísmicas de Chile examinadas se presenta un prototipo de Red Neuronal con epicentros dentro de un área que va desde 0.5° × 0.5° a 1° × 1° (máxima incerteza espacial). Los prototipos predicen un terremoto cada vez que la probabilidad de un sismo de magnitud mayor que un umbral es suficientemente alta. Los valores del umbral se han ajustado con el fin de obtener la mínima cantidad posible de falsos positivos. La confiabilidad de nuestro método se ha corroborado con experimentos retrospectivos por medio de pruebas estadísticas y mediante la comparación con conocidos clasificadores de aprendizaje automatizado. La alta tasa de éxito alcanzada apoya la idoneidad de la aplicación de "Soft Computing" en el ámbito de la Sismología y plantea nuevos desafíos a ser abordados.

Predicción Científica de Terremotos| Encuesta de Sismología
Monitor Sísmico | Península Ibérica |

EARTHQUAKE NEURAL PREDICTION

Dec-01-2012
After one year of analysis by scientists from California, China, Japan, Australia, etc., our Neuronal Earthquake Prediction Algorithm has been validated, as demonstrated by the following link.
Using a database of Chilean earthquakes of the period 2001-2011, a Spanish-Chilean Team, composed by scientists from the Universities of Seville and TGT, developed and tested an earthquake prediction system with incredible confiability of the order of 75%. Nobody in the world has managed to get something like. The system is able to deliver real earthquake predictions to generate statements like the following: "For the city of Navidad an earthquake of magnitude between 4.0 and 5.0 Ms, within the next five days, with a probability of 75% is expected.

Abstract
A new earthquake prediction system is presented in this work. This method, based on the application of artificial neural networks, has been used to predict earthquakes in Chile, one of the countries with larger seismic activity. The input values are related to the b-value, the Bath's law, and the Omori-Utsu's law, parameters that are strongly correlated with seismicity, as shown in solid previous works. Two kind of prediction are provided in this study: The probability that an earthquake of magnitude larger than a threshold value happens, and the probability that an earthquake of a limited magnitude interval might occur, both during the next 5 days in the areas analyzed. For the four Chile's seismic regions examined, with epicentres placed on meshes with dimensions varying from 0.5°×0.5° to 1°×1°, a prototype of neuronal network is presented. The prototypes predict an earthquake every time the probability of an earthquake of magnitude larger than a threshold is sufficiently high. The threshold values have been adjusted with the aim of obtaining as few false positives as possible. The accuracy of the method has been assessed in retrospective experiments by means of statistical tests and compared with well-known machine learning classifiers. The high success rate achieved supports the suitability of applying soft computing in this field and poses new challenges to be addressed.

Scientific Prediction of Earthquakes | Seismological Survey
Seismic Monitor | Iberian Peninsula |

... Una de las pruebas que los Revisores nos solicitaron fue demostrar que nuestro modelo es mejor que el azar ("Contraste de Hipótesis a traves del p-value"). Por ejemplo, cuando el grupo Quake Red Alert (QRA) afirma que en "el Norte de Chile" ocurrirá un sismo fuerte, la probabilidad de acertar por azar (sin algoritmo) es del orden del 95%, porque "el Norte de Chile" corresponde a un rectángulo de aproximadamente 300 Km de base y 1000 Km de altura (en un rectángulo de 300 Km de base por 1000 Km de altura es evidente que obligatoriamente debe ocurrir un gran sismo). Por lo tanto, las "predicciones" de QRA no son verdaderas predicciones porque se asemejan a "predecir" que mañana va a salir el Sol. En nuestro caso, demostramos que nuestras predicciones son unas 1000 veces superiores que el azar, debido a que por primera vez en la historia de la Sismología, nuestro grupo predice la ciudad donde ocurrirá el sismo (incerteza espacial mínima).

... Al respecto, es conveniente considerar lo que dijo el experto Felipe Dimer de Oliveira en el paper "¿Podemos confiar en la prueba de detección de agrupaciones de sismos?":

"Otra consideración sobre los niveles de significancia comúnmente utilizados en estadística: nosotros hemos empleado el mágico número de 5% [Mackay, 2003] como el valor estándar por excelencia para rechazar la hipótesis nula. La Teoría Económica puede proporcionar una base para justificar este valor al asociarlo con el costo monetario de tomar una errónea decisión basada en un contraste de hipótesis fallido [Merrill y Fox, 1970]. Pero cuando este razonamiento se aplica a agrupaciones de terremotos, los argumentos resultan ser ni honestos ni científicamente objetivos. Por otro lado, sobre el inequívoco acuerdo de una afirmación científica, el fijar cierto porcentaje de significancia debería considerar las probabilidades que hemos derivado en este paper. Por ejemplo, en la Figura 1 se observa que la probabilidad de obtener un p-value sobre 20% es no trivial (>10%)."
"Para aclarar esta discusión, nosotros podemos regresar a recientes estudios sobre detección de agrupaciones de terremotos. El Test (a) corresponde al primer test de Michael [2011] que fue aplicado al catálogo mundial con una magnitud de corte alta e igual a 9 Mw. Este valor corresponde a una frecuencia de 0.04 eventos/año y el valor informado del p-value es tan bajo como 0.12. Sin embargo, Michael sugiere que el resultado en ese nivel llega a ser inestable debido al gap previo a 1952. Nosotros hemos demostrado que el mismo test no sería confiable incluso cuando se utiliza una magnitud de corte mucho menor, implicando una frecuencia de eventos de 0.1 a 0.2 por año (corresponde a umbrales entre 8.3 y 8.4 Mw). En el caso de Shearer y Stark [2012], debemos considerar el test multinomial, el cual se asemeja a nuestro test (c) (y al test de Michael, 2011, sobre autocorrelación), considerado aquí como el test más poderoso. En su trabajo el p-value reportado para Mw > 8 estuvo entre 35% a 25%, dependiendo del nivel de des-agrupamiento utilizado. La frecuencia de estos eventos resulta ser mucho mayor que los aquí analizados (0.8-07 eventos/año). Más relevante para nuestra discusión es la siguiente afirmación de Shearer y Stark [2012]: si la hipótesis nula consiste en creer que después de la ocurrencia de un gran terremoto se desencadena un proceso homogéneo de Poisson, entonces esa hipótesis no sería rechazada por ninguno de los tests. De acuerdo con nuestro punto de vista, el criterio para aceptar (o rechazar) una hipótesis, no tiene un bien definido valor de corte y no debería ser considerado con gran énfasis determinista".

... A test that Reviewers asked us was to demonstrate that our model is better than sheer chance ("Statistical Hypothesis Testing through the p-value"). For example, when the group Quake Red Alert (QRA) states that in the "North of Chile" strong earthquakes will occur, the probability of hitting by sheer chance (without using an algorithm) is around 95%, because the "North of Chile" corresponds to a rectangle of about 300 km of base and 1000 km of height (in a rectangle of 300 km by 1000 km base height is evident that necessarily must occur a great seism). Therefore, the "predictions" of QRA are not true predictions because their statements are similar to "predict" that tomorrow the Sun will come out. In our case, we show that our predictions are about 1000 times higher than sheer chance, because for the first time in the history of Seismology, our group predicts the city where the earthquake will occur (minimum spatial uncertainty).

... In this regard, it is worth to consider what the expert Felipe Dimer de Oliveira said in the paper "Can we trust earthquake cluster detection test?":

“Another consideration regards the levels of significance commonly used in statistics. We have employed the magical number of 5% [Mackay, 2003] as the par excellence standard in rejecting a hypothesis. Economics can provide the basis for a rational approach to choosing levels of significance by considering the costs of taking an erroneous decision based on a failed test [Merrill and Fox, 1970]. In the case of earthquake clusters, these arguments are neither straightforward nor scientifically objective. Regarding the unequivocal establishment of a scientific statement, the setting of a level of significance should take into consideration the probabilities such as those we have derived here. In Figure 1, for example, the probability of a p-value above 20% is non-trivial (>10%)."
"In light of this discussion, we can return to the recent studies of earthquake cluster detection. Test (a) corresponds to the first test of Michael [2011] that was applied to the global catalogue at a large cut-off magnitude of Mw = 9. This value corresponds to a frequency of approximately 0.04 event/year, and he reports p-values as low as 0.12 – although he also suggests that the results at this level become unstable for the gap prior 1952. We have shown that the same test would not be accurate even at much lower magnitude cut-off implying an event frequency of 0.1–0.2 event/year (corresponding to magnitude thresholds between 8.4 and 8.3). In the case of Shearer and Stark [2012], we are mostly interested in their multinomial test, which is loosely similar to our test (c) (and Michael’s [2011] self-correlation test), assessed here as the most powerful; in their work, the p-values reported for a Mw > 8 magnitude cut-off range between 35% to 25% depending on the de-clustering undertaken. The average event rate for these magnitudes is well above any we have analysed here (0.8–0.7 event/year). More relevant to our discussion is the Shearer and Stark [2012] assertion that: (…) the null hypothesis that times of large earthquakes follow a homogeneous Poisson process would not be rejected by any of the tests. In our view, the criteria to accept (or reject) a hypothesis is not clear-cut and should not be stated with such deterministic emphasis.”


ACCESS TO EARTHQUAKE PREDICTION IN REAL TIME
USERNAME:
PASSWORD:
...



COMPARACIÓN ENTRE NUESTRO MODELO (Artificial Neural Networks) CON OTROS MÉTODOS

Si bien no existe un método alternativo que haya sido aplicado para realizar predicciones de terremotos en Chile, podemos comparar el desempeño de nuestro modelo (ANN) con el desempeño de otros modelos aplicados en otros lugares del mundo.
El paper "Risk and return: evaluating reverse tracing of precursors earthquake predictions", de los autores JD Zechar y Jiancang Zhuang incluye una lista de 29 RTP alarms (RTP = Reverse Tracing of Precursors), las que fueron activadas en las siguientes zonas geográficas: Japón, California, Mediterráneo Oriental, Italia y Pacífico Norte.


La Tabla que se puede ver arriba compara el desempeño de los modelos RTP con nuestro modelo neuronal aplicado a Chile. Claramente nuestro modelo es superior. En dicha tabla se puede observar que nuestra incerteza espacial es unas 2.6 veces menor que la incerteza espacial de los modelos tradicionales. Por otro lado, la incerteza temporal de las RTP Alarms fluctúa entre los 8 y los 10 meses, mientras que nuestro modelo siempre tiene una incerteza temporal unas 55 veces menor (apenas 5 días). Finalmente, las probabilidades de acierto de los modelos convencionales son normalmente bajísimas (entre 0.96% y 29.12%). Es más, según Zechar & Zhuang, de las 29 RTP Alarms, sólo 6 fueron exitosas. En nuestro caso, la mínima probabilidad observada fue de un 42%. Observemos que nuestra mínima probabilidad de éxito es 1.44 veces mayor que la máxima probabilidad RTP (42% v/s 29.12%). Por lo tanto, nuestro sistema genera muchísimas menos falsas alarmas que los modelos convencionales.

COMENTARIOS

1) 30/11/12
Primero que nada quiero felicitarlos por este gran logro y espero que puedan compartir cualquier información relacionada con algún evento sísmico importante (especialmente en la V Region) con todos quienes los seguimos y leemos constantemente su página. Sigan adelante con este gran trabajo. ¡¡Muchas Felicidades!!
Atte: P. Victoriano

2) 30/11/12
Reciban ustedes un gran saludo de mi parte y ojalá que las investigaciones actuales nos sirvan de referencia para evitar o disminuir en parte los daños humanos y materiales que causan los fenómenos telúricos.
Atte: R. Godoy

3) 18/12/12
Quiero felicitar a todos ustedes por el logro alcanzado en sus trabajos de predicción de terremotos. Estamos frente a un desarrollo de clase mundial.
Vuestro mayor logro será disponer de esta herramienta para cambiar nuestra cultura reactiva hacia una conciencia de actuación. Les deseo el mayor de los éxitos y por favor cuenten con todo mi apoyo y solidaridad.
Un saludo desde Concón, Chile.
Atentamente: P. Molina.

   


www.geofisica.cl