Resumen

FLORES-MENDOZA, R.; RODRIGUEZ-ALCANTARA, J. U.; POZOS-ESTRADA, A.  y  GOMEZ, R.. Use of Artificial Neural Networks to predict strong ground motion duration of Interplate and Inslab Mexican Earthquakes for Soft and Firm Soils. Geofís. Intl [online]. 2022, vol.61, n.3, pp.153-179.  Epub 30-Nov-2022. ISSN 2954-436X.  https://doi.org/10.22201/igeof.00167169p.2022.61.3.2043.

Se desarrollan modelos de red neuronal artificial para predecir la duración del movimiento fuerte del terreno de eventos de subducción en suelos firme y blando. Para entrenar la red neuronal artificial se emplea una base de datos con un total de 3153 registros sísmicos con dos componentes horizontales para eventos de interplaca e intraslab. El método de componente principal es usado para realizar una reducción dimensional de los parámetros de entrada para desarrollar los modelos de red neuronal artificial. Los valores predichos de la duración del movimiento fuerte del terreno por la red neuronal entrenada son comparados con aquellos estimados con expresiones empíricas. En general, la duración del movimiento fuerte del terreno predicha con la red neuronal artificial sigue la misma tendencia que la calculada con las ecuaciones empíricas, aunque en algunos casos, ésta presenta cambios repentinos en su comportamiento. Por esta razón, es recomendado llevar a cabo varias verificaciones de los modelos entrenados de la red neuronal artificial antes de usarlos para más aplicaciones ingenieriles, por ejemplo, la simulación de registros sintéticos o la evaluación de índices sísmicos de daño.

Palabras llave : Red neuronal artificial; duración del movimiento fuerte del terreno; eventos de subducción; expresiones empíricas y México.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )