Earthquake risk induction models with genetic algorithm

Abstract

Este projeto visa desenvolver um modelo de previsão de riscos de terremotos com Algoritmos Geneticos (GA). Modelos de risco de terremotos descrevem o risco de ocorrência de atividades sísmicas em uma determinada área baseado em informações previamente obtidas de terremotos em regiões próximas da área de estudo. GA foi utilizada para aprender um modelo de risco usando informações previamente obtidas como base de treino. Baseado nos resultados obtidos, acreditamos ser possível obter melhores modelos se conhecimentos do domínio da aplicação, como conhecimentos oriundos da literatura ou modelos de distribuição de terremotos, poderem ser incorporados ao processo de aprendizado do Algoritmo Genético. O objetivo principal é definir um método para estimar a probabilidade de ocorrências de terremotos no Japão usando dados históricos de terremotos para um grupo de determinadas regiões geográficas. Este trabalho se baseia no contexto do “Collaboratory for the Study of Earthquake Predictability” (CSEP), que visa padronizar os estudos e testes de modelos de previsão de riscos de terremotos. Durante o desenvolvimento das atividades, passamos por três estágios. (1) Nós propusemos um método baseado em uma aplicação de GA e objetivamos gerar um método estatístico de análise de risco de terremotos. Estes foram analisados por seus valores de log-likelihood, como sugerido pelo Regional Earthquake Likelihood Model (RELM). (2) A seguir, modificiamos a representação do genoma, de uma representação baseada em área para uma representação baseada em ocorrências de terremotos, buscando obter uma convergência mais rápida dos valores de log-likelihood dos candidatos do GA e (3) usamos métodos da sismologia conhecidos para refinar os candidatos gerados pelo GA. Em todas as estapas, os modelos de risco são comparados com dados reais, com modelos gerados pela aplicação do Relative Intensity Algorithm (RI) e com eles próprios. Os dados utilizados foram obtidos pela Japan Metereological Angency (JMA) e são relativos a atividades de terremotos no Japão entre os anos de 2000 e 2013. Nós analisamos as contruibuições de cada modelo proposto usando metodologia descritas pelo CSEP e comparamos os modelos desenvolvidos. Os resultados apontam que modelos com terremotos mais estáveis possuem maiores valores de log-likelihood.