Tesis y Trabajos de Investigación PUCP
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/6
El Repositorio Digital de Tesis y Trabajos de Investigación PUCP aporta al Repositorio Institucional con todos sus registros, organizados por grado: Doctorado, Maestría, Licenciatura y Bachillerato. Se actualiza permanentemente con las nuevas tesis y trabajos de investigación sustentados y autorizados, así como también con los que que fueron sustentados años atrás.
Ingresa a su web: Repositorio Digital de Tesis y Trabajos de Investigación PUCP
Explorar
3 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Crecimiento vertical de viviendas de albañilería informal y los efectos en su vulnerabilidad sísmica(Pontificia Universidad Católica del Perú, 2024-11-07) Espinoza Sifuentes, Briggite Jackeline; Moya Huallpa, Luis AngelLa investigación aborda la problemática de la informalidad en la construcción de viviendas de albañilería en Lima, específicamente en los distritos de Pachacamac, Carabayllo, Cieneguilla y Ate. Se destaca que entre 2007 y 2014, el 68.5% de las edificaciones en la ciudad fueron construidas de manera informal, lo cual agrava la preocupación por la vulnerabilidad sísmica en una zona de alto riesgo. El objetivo principal es analizar el impacto del crecimiento vertical de estas viviendas en su vulnerabilidad sísmica actual y futura. La metodología empleada comienza con una revisión de literatura sobre el crecimiento vertical y la informalidad en Lima, seguida por la identificación y definición de las zonas de interés. La matriz de crecimiento vertical se estima utilizando datos de Google Street View y levantamientos de campo. Asimismo, la evaluación de la vulnerabilidad sísmica actual se realiza mediante curvas de fragilidad, proyectándose también para los años 2033, 2043 y 2053. Por último, se realiza un análisis comparativo entre la probabilidad de daño actual y pronosticada para fundamentar las conclusiones. En consecuencia, se identifica un crecimiento vertical acelerado en zonas altamente transitadas y se proyecta el número de pisos en períodos de 10, 20 y 30 años utilizando la matriz de velocidad obtenida. El estudio muestra que el aumento en la vulnerabilidad sísmica impacta significativamente la probabilidad de daño, especialmente durante la primera década proyectada. Se recomienda una investigación adicional sobre curvas de fragilidad para viviendas con más de tres pisos y la expansión de las áreas de estudio para mejorar la precisión de los resultados. En conjunto, la tesis contribuye al entendimiento del impacto del crecimiento vertical en la vulnerabilidad sísmica, proporcionando valiosas perspectivas para la planificación urbana y la gestión del riesgo sísmico en ciudades similares.Ítem Texto completo enlazado Identificación de edificaciones colapsadas mediante imágenes satelitales, curvas de fragilidad, mapas de demanda y redes neuronales(Pontificia Universidad Católica del Perú, 2024-09-09) Portillo Cazorla, Aymar Raúl; Moya Huallpa, Luis AngelEsta tesis presenta un método innovador para identificar con rapidez las áreas afectadas por sismos. El método se distingue por su capacidad para operar con información limitada y aún así obtener resultados precisos. Utiliza una combinación de imágenes satelitales previas y posteriores al evento, inventarios de edificaciones, curvas de fragilidad, mapas de demanda sísmica y muestras etiquetadas recopiladas poco después del desastre. La característica central del método es su uso de redes neuronales que con una mínima cantidad de muestras etiquetadas, tan pocas como seis, como se demostró en el terremoto de Kumamoto de 2016, pueden clasificar grandes cantidades de datos sobre la fragilidad de las edificaciones en las áreas afectadas. Estas muestras se obtienen de fuentes verificables, se geolocalizan y se registran para su uso en la calibración de la red neuronal, lo que permite una evaluación rápida y precisa de áreas colapsadas. Los resultados obtenidos con este enfoque han demostrado ser efectivos, alcanzando una precisión promedio del 87% en el terremoto de Kumamoto de 2016 y del 82% en el terremoto de Turquía-Siria de 2023. El método destaca por su capacidad para analizar áreas extensas de manera eficiente, lo que lo hace ideal para ser utilizado como parte de la respuesta inmediata tras sismos importantes. Aunque el método es funcional y rápido, se han identificado oportunidades para mejoras futuras. Por ejemplo, es necesario optimizar la arquitectura de la red neuronal y evaluar el impacto del número de muestras etiquetadas utilizadas para la calificación. Además, probar el método en diversos contextos es crucial para validar su versatilidad y detectar posibles deficiencias que pueden ser corregidas posteriormente.Ítem Texto completo enlazado Aplicación de técnicas de Machine Learning e imágenes de radar para la detección temprana de invasiones en zonas de alto riesgo de desastres(Pontificia Universidad Católica del Perú, 2023-11-22) Jaimes Cucho, Javier Alonso; Moya Huallpa, Luis AngelLa presente tesis aborda la problemática de las invasiones de terrenos por grupos vulnerables. En la mayoría de casos estos grupos se asientan en zonas de alto riesgo de desastres debido a fenómenos naturales. Lo expuesto previamente se evidenció en los procesos migratorios del siglo pasado y en invasiones más recientes donde grupos de personas vulnerables se asentaron en zonas costeras periféricas a las ciudades. Estas zonas según los distintos mapas elaborados por el SIGRID y CISMID tienen mayor probabilidad de ocurrencia de desastres. Por lo tanto, esta investigación tiene por finalidad identificar, de forma temprana y remota, la creciente tasa de asentamientos informales en zonas de alto riesgo de desastres. Para tal propósito se plantea una metodología que permita detectar estructuras y patrones de asentamientos informales. Para la detección de invasiones se emplean diversas técnicas de machine learning empleando imágenes satelitales de radar, de libre acceso, de media resolución (10m) y técnica de postprocesamiento para la mejora en el desempeño de la predicción. Para la evaluación de la metodología planteada se empleó como caso de estudio la invasión en Lomo de Corvina, ocurrido en abril del 2021. Para las áreas invadidas se obtuvo valores promedio de precision del 39%, lo cual es indicador que los algoritmos sobrestiman las áreas invadidas debido a las distorsiones complejas y ruido en las imágenes de radar, y recall del 85%, lo que indica que los algoritmos identifican correctamente un alto porcentaje del área invadida. Por lo tanto, se puede emplear esta metodología para la detección temprana de áreas invadidas con características similares a las estudiadas. Se lograrán mejores resultados si las invasiones son repentinas, de gran extensión y están ubicadas en zonas poco accidentadas y sin cubierta vegetal.