dor_id: 4120878
506.#.#.a: Público
590.#.#.d: Los artículos enviados a la "Revista Mexicana de Ciencias Geológicas" se juzgan por medio de un proceso de revisión por pares
510.0.#.a: Consejo Nacional de Ciencia y Tecnología (CONACyT); Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal (Latindex); Scientific Electronic Library Online (SciELO); SCOPUS, Web Of Science (WoS); Science Citation Index-Expanded, Current Contents/ Physical, Chemical & Earth Sciences, Geoscience e-Journals, Periódica, Directory of Open Access & Hybrid Journals
561.#.#.u: https://www.geologia.unam.mx/
650.#.4.x: Físico Matemáticas y Ciencias de la Tierra
336.#.#.b: article
336.#.#.3: Artículo de Investigación
336.#.#.a: Artículo
351.#.#.6: http://rmcg.geociencias.unam.mx/index.php/rmcg/index
351.#.#.b: Revista Mexicana de Ciencias Geológicas
351.#.#.a: Artículos
harvesting_group: RevistasUNAM
270.1.#.p: Revistas UNAM. Dirección General de Publicaciones y Fomento Editorial, UNAM en revistas@unam.mx
590.#.#.c: Open Journal Systems (OJS)
270.#.#.d: MX
270.1.#.d: México
590.#.#.b: Concentrador
883.#.#.u: https://revistas.unam.mx/catalogo/
883.#.#.a: Revistas UNAM
590.#.#.a: Coordinación de Difusión Cultural
883.#.#.1: https://www.publicaciones.unam.mx/
883.#.#.q: Dirección General de Publicaciones y Fomento Editorial
850.#.#.a: Universidad Nacional Autónoma de México
856.4.0.u: http://rmcg.geociencias.unam.mx/index.php/rmcg/article/view/1605/1414
100.1.#.a: Ospina-gutiérrez, Juan Pablo; Aristizábal, Edier
524.#.#.a: Ospina-gutiérrez, Juan Pablo, et al. (2021). Aplicación de inteligencia artificial y técnicas de aprendizaje automático para la evaluación de la susceptibilidad por movimientos en masa. Revista Mexicana de Ciencias Geológicas; Vol 38 No 1, 2021; 43-54. Recuperado de https://repositorio.unam.mx/contenidos/4120878
245.1.0.a: Aplicación de inteligencia artificial y técnicas de aprendizaje automático para la evaluación de la susceptibilidad por movimientos en masa
502.#.#.c: Universidad Nacional Autónoma de México
561.1.#.a: Instituto de Geología, UNAM
264.#.0.c: 2021
264.#.1.c: 2021-03-24
506.1.#.a: La titularidad de los derechos patrimoniales de esta obra pertenece a las instituciones editoras. Su uso se rige por una licencia Creative Commons BY-NC-ND 4.0 Internacional, https://creativecommons.org/licenses/by-nc-nd/4.0/legalcode.es, para un uso diferente consultar al responsable jurídico del repositorio por medio del correo electrónico rmcg@geociencias.unam.mx
884.#.#.k: http://rmcg.geociencias.unam.mx/index.php/rmcg/article/view/1605
001.#.#.#: 113.oai:ojs.rmcg.geociencias.unam.mx:article/1605
041.#.7.h: spa
520.3.#.a: Los movimientos en masa son uno de los fenómenos de origen natural con mayores pérdidas humanas y económicas alrededor del mundo, por lo que la evaluación de la susceptibilidad y amenaza es una herramienta fundamental para la ordenación de territorios. Existe en la reciente literatura una amplia gama de algoritmos de Inteligencia Artificial con aproximaciones diversas para evaluar y zonificar la susceptibilidad por movimiento en masa. En el presente estudio se implementaron diferentes algoritmos de Aprendizaje Automático para la cuenca de la quebrada La Miel, en los Andes colombianos, con el objetivo de evaluar el desempeño y la capacidad de predicción entre los diferentes modelos. Los resultados obtenidos para este caso de estudio arrojan que los modelos ensamblados tipo boosting presentan los mejores valores en términos de desempeño y capacidad de predicción, contrastando con los modelos paramétricos lineales y señalando las limitaciones de éstos en la modelización de problemas complejos, como los movimientos en masa.
773.1.#.t: Revista Mexicana de Ciencias Geológicas; Vol 38 No 1 (2021); 43-54
773.1.#.o: http://rmcg.geociencias.unam.mx/index.php/rmcg/index
022.#.#.a: ISSN electrónico: 2007-2902; ISSN impreso: 1026-8774
310.#.#.a: Cuatrimestral
300.#.#.a: Páginas: 43-54
264.#.1.b: Instituto de Geología, UNAM
doi: https://doi.org/10.22201/cgeo.20072902e.2021.1.1605
handle: 00b69d1c8a7dd36c
harvesting_date: 2023-08-23 17:00:00.0
856.#.0.q: application/pdf
file_creation_date: 2021-03-26 00:49:36.0
file_modification_date: 2021-03-26 03:14:52.0
file_creator: Juan Pablo Ospina-Gutiérrez y Edier Aristizábal
file_name: 1a29bb82aae474c1c0c49ef5df070dc836db34a357825d7fbab9f1d0f307f418.pdf
file_pages_number: 12
file_format_version: application/pdf; version=1.7
file_size: 6028120
245.1.0.b: Application of Artificial Intelligence and machine learning techniques for landslide susceptibility assessment
last_modified: 2023-08-23 17:00:00
license_url: https://creativecommons.org/licenses/by-nc-nd/4.0/legalcode.es
license_type: by-nc-nd
No entro en nada
No entro en nada 2