Mejora del sistema de alerta temprana de tsunamis en España mediante técnicas de Machine Learning

El objetivo es mejorar el sistema de alerta temprana de tsunamis de España mediante el uso de técnicas de Machine Learning para poder tener en cuenta la incertidumbre asociada a la predicción de tsunamis en tiempo real.

Investigador principal

Jorge Macías Sánchez

Sede:

UMA

Tecnología

Machine Learning

Agentes agregados

IGN (Instituto Geográfico Nacional)

Resumen de la propuesta

El objetivo de la propuesta es el de mejorar el sistema de alerta temprana de tsunamis de España mediante el uso de técnicas de Machine Learning para poder tener en cuenta la incertidumbre asociada a la predicción de tsunamis en tiempo real.

Objetivo del proyecto

El objetivo de este proyecto es mejorar el sistema de alerta temprana de tsunamis (TEWS) español gestionado por el IGN y del que grupo EDANYA es asesor científico haciendo uso de técnicas de Machine Learning. Actualmente este sistema usa el código Tsunami-HySEA (TH) para la simulación directa de los hipotéticos eventos que puedan afectar a España. Para ello una vez detectado un terremoto potencialmente tsunamigénico e identificado las características principales como magnitud, localización, tipo de falla que lo ha generado, se procede a la simulación de la propagación del tsunami, así como la identificación de las posibles zonas afectadas haciendo uso del modelo TH. Este sistema, si bien ha supuesto un avance considerable con respecto a la tecnología utilizada hasta el momento en los TEWS, ya que utiliza simulaciones en tiempo real, no tiene en cuenta la incertidumbre inicial asociada a la identificación del terremoto generador del evento. Con el fin de poder incluir esta incertidumbre sería necesario realizar de forma simultánea una gran cantidad de simulaciones que tengan en cuenta la incertidumbre inicial. Con el fin de poder realizar esta tarea se pretende diseñar una red neuronal entrenada con los posibles eventos que puedan afectar a las costas españolas simulados con TH y utilizar las predicciones obtenidas con la red para poder medir la incertidumbre inicial de los posibles eventos tsunamigénicos.

Resultados esperados e indicadores

Durante la ejecución del presente proyecto (hasta 31/12/2021) se prevé la obtención de un nuevo modelo de simulación basado en redes neuronales que se implementará en el TEWS español, capaz de evaluar la incertidumbre asociada a los datos iniciales en eventos tsunamigénicos. Atendiendo a nuestro conocimiento, sería el primer modelo de estas características implementado en un centro de alerta temprana de tsunamis. Por tanto, es esperable que los resultados obtenidos durante el presente proyecto den lugar a varias publicaciones en revistas de impacto en el área Natural Hazards, así como que los resultados se presenten en congresos internacionales como EGU, AGU, entre otros. No se espera la obtención de patentes, pero sí de software de simulación que es potencialmente registrable. También se espera que este modelo pueda ser exportable a otros centros de alerta temprana como el italiano, americano o chileno. Puesto que el grupo EDANYA ha tenido y tiene contratos de transferencia con los organismos que gestionan dichos centros de alerta, cabe la posibilidad de que este proyecto de lugar a nuevos contratos de transferencia que tengan como objetivo la mejora de dichos sistemas de alerta utilizando las técnicas desarrolladas en el presente proyecto.

En lo relativo a la formación de personal investigador, en este proyecto se ofrece la posibilidad de formación durante 9 meses, según reajuste del presupuesto.

Justificación potencial impacto tecnológico del proyecto TRL

Como se indica en la memoria de actividades, el objetivo último de este proyecto es la entrega de un prototipo para su utilización y prueba en un entorno operacional en el sistema nacional de alerta temprana de tsunamis de España en el IGN. Según nuestro conocimiento este sería el primer sistema de este tipo que se desarrolla a nivel mundial.