Comparación de las redes neuronales informadas por física y métodos numéricos tradicionales para la simulación de ondas sísmicas
Loading...
Date
2026-01
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de El Salvador, Facultad de Ingenieria y Arquitectura
Abstract
Los terremotos son fenómenos naturales impredecibles y devastadores, que generan daños significativos en poco tiempo. La complejidad de los procesos tectónicos y la variabilidad en el comportamiento de las placas hacen difícil predecir estos eventos de manera precisa. Aunque los avances tecnológicos han mejorado la recolección de datos sísmicos, la cobertura limitada y la baja resolución espacial de los sensores dificultan la detección temprana y la evaluación de riesgos en áreas menos monitoreadas. En este contexto, las Redes Neuronales Informadas por la Física (PINNs) ofrecen una solución innovadora al integrar modelos geológicos y físicos con técnicas de aprendizaje profundo, mejorando la simulación de la propagación de ondas sísmicas. Este estudio se enfoca en la aplicación de PINNs para simular la ecuación de onda en una dimensión, utilizando el método de diferencias finitas como punto de comparación. Con la implementación en Python, se comparo el desempeño de los métodos. Los resultados indican que, para problemas directos 1D, los métodos tradicionales (FDM y FEM) superan a las PINNs en eficacia computacional (tiempos < 1s vs >600s) y precisión (errores de 10 −5 vs 10−2). Sin embargo, las PINNs demostraron ser prometedoras en problemas inversos para la estimación de velocidad de onda (error absoluto ≈ 0,0015), ofreciendo una flexibilidad geométrica y libre de malla ventajosa para escenarios complejos.
Description
Keywords
Redes Neuronales Informadas por la Fisica (PINNs), Simulacion de ondas sismicas, Mitigacion de riesgos