Clasificación de desastres y emergencias con representación bipolar del conocimiento

Transcripción

1 Clasificación de desastres y emergencias con reresentación biolar del conocimiento J. Tinguaro Rodríguez, Begoña Vitoriano, Javier Montero Deartamento de Estadística e Investigación Oerativa Universidad Comlutense de Madrid

2 Desastres, resuesta humanitaria e IA FASES DE LA GESTIÓN DE DESASTRES MITIGACIÓN RECUPERACIÓN PREDICCIÓN/ PREPARACIÓN RESPUESTA DESASTRE Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 2

3 Desastres, resuesta humanitaria e IA DESASTRE JERARQUÍA DE DECISIONES EN LAS ONG PARA LA RESPUESTA A DESASTRES VALORACIÓN INICIAL ESTRATÉGICAS LOGÍSTICAS SOBRE EL TERRENO Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 3

4 Desastres, resuesta humanitaria e IA Problema general de evaluación de consecuencias de desastres: Distintas combinaciones de tio de desastre y localización. Situación de emergencia. Incertidumbre e imrecisión de la información. Restricciones que imone el contexto de las ONG. El objetivo de esta investigación es desarrollar un sistema de ayuda a la decisión con el que roorcionar ayuda a los decisores de las ONG en sus rocesos de decisión estratégicos. Este sistema de ayuda a la decisión ha sido denominado Sistema Exerto ara el Diagnóstico de Desastres (SEDD). SEDD se centra en rooner una evaluación de las consecuencias de los desastres a artir de la rimera información disonible. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 4

5 Desastres, resuesta humanitaria e IA Para garantizar la mayor alicabilidad de SEDD, la evaluación de un desastre bajo estudio será obtenida a artir de: información histórica (conocimiento) y variables descritoras o atributos de ese desastre fácilmente accesibles (información). Información histórica: base de datos sobre desastres EM-DAT (Emergency Events Database, CRED (Center for the Research on the Eidemiology of Disasters, de la Universidad de Lovaina (Bélgica). Registros de más de casos desde el año 900 hasta la actualidad. Información sobre un conjunto de consecuencias reducido ero significativo Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 5

6 Desastres, resuesta humanitaria e IA Valoración numérica recisa es oco realista: Incertidumbre de la información disonible en los rimeros instantes tras la ocurrencia de un desastre Imrecisión imlícita de algunas de las variables en EM-DAT (ej afectados) Es más lausible clasificar las consecuencias de un desastre en términos de los escenarios relevantes ara los decisores de las ONG. Problema de clasificación suervisada: Las clases se identifican con los escenarios relevantes. El conjunto de clases está dotado de estructura (gradación). Características esecíficas del contexto: Riesgo subestimación Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 6

7 Desastres, resuesta humanitaria e IA Problema de clasificación difícil orque EM-DAT resenta: Gran variabilidad. Fuerte descomensación entre clases. Carencia de variables exlicativas suficientes. Figura 5.5: Muestra de entrenamiento ara variable Número víctimas mortales (NVM) y Tio desastre = Terremoto Comlican la viabilidad estadística clásica (Rodríguez et al., 200c). Rodríguez, J.T., Vitoriano, B., Montero, J. (200c) A disaster-severity assessment DSS comarative analysis, OR Sectrum (IN SECOND REVISION) Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 7

8 Desastres, resuesta humanitaria e IA Resultados obtenidos mediante un clasificador descritivo estándar, como el rouesto en [Rodríguez et al., 200b]: Rodríguez, J. T., Vitoriano, B., Montero, J. (200b) A general methodology for data-based rule building and its alication to natural disaster management, Comuters & Oerations Research, In Press, Corrected Proof Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 8

9 Desastres, resuesta humanitaria e IA Falta de adatación de estos resultados. Características no consideradas: Estructura del conjunto de clases. Asimetría derivada del riesgo de subestimación. Estas consideraciones conducen a la noción de biolaridad introducción de información negativa. La introducción de un enfoque biolar lantea: Necesidad de definición recisa de la información negativa. Modelos lógicos de reresentación del conocimiento más comlejos. Procedimientos de arendizaje que ermitan la utilización de información negativa. Métodos de razonamiento que admitan grados de confianza biolares. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 9

10 Clasificación biolar Ejemlo: R: si un terremoto de intensidad moderada ocurren en un aís con IDH medio-alto entonces NVM = rácticamente ninguna. Una instancia que cumla esa remisa y verifique NVM=muy elevado es tan contraejemlo como otra con NVM=ocos. Distinción de los contraejemlos entre exceciones menores y exceciones significativas menor confianza de las reglas. Esto se lleva a cabo introduciendo una matriz de disimilaridad C,..., C, NC Δ= ( d ij ) N C N C en el conjunto de clases o consecuentes de manera que d ij reresenta el grado en que la clase C j es disimilar a la clase C i, or lo que d [0,], d = 0 i y μ ( y) = d μ ( y) Cj ji C i=,..., N C reresenta el grado en que y constituye información negativa ara la clase C j. ij j ii Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 0

11 Clasificación biolar Se roone evaluar las evidencias ositiva j (a favor) y negativa r j (en contra), de una regla Rj ( A): A Cj, mediante las siguientes exresiones: m μa( x ) μc ( y ) j + = j ( ) = = ( j ) m μa( x ) = r A cf A C m μa( x ) μ C ( y ) j = j ( ) = = ( j ) m μa( x ) = r A cf A C Nótese que r +, r + [0,] y que r + r. Este grado de confianza bidimensional uede ser agregado en un valor unidimensional de diversas maneras, or ejemlo + t ( A) = max r ( A) r ( A),0 { } j j j Clasificación de desastres y emergencias con reresentación biolar del conocimiento- r +

12 Clasificación biolar de desastres La alicación del modelo de clasificación biolar recién rouesto al roblema de SEDD suone la búsqueda de matrices de disimilaridad que ermitan considerar e introducir los requisitos del contexto y del roblema en el modelo de clasificación, en articular en el arendizaje de reglas de clasificación a artir de los datos de EM-DAT. Medidas de error alternativas que comlementen a las tradicionales medidas de eficacia redictiva (%CC, %NC, %CT, %ERROR) y comleten la descrición cuantitativa roorcionada or éstas. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 2

13 Clasificación biolar de desastres Medidas de error comlementarias Media Varianza Diferencia de roorciones Coste PRED VAR = PRED =... m = m C C PRED PRED / C COST = ( C PRED) PRED m Además, el comortamiento de cada clasificador es simulado sobre un retículo denso del esacio de entrada, lo que ermitirá obtener descriciones cualitativas de esos comortamientos. C 2 R P DIFPROP = PROP PROP COSTE j=... N = C PRED / C 0 j COST m C C REAL, C j PRED Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 3

14 Clasificación biolar de desastres Resultados de los clasificadores no biolares Δ 0 C C 2 C 3 ς = 0. 0 C 4 C5 Figura 5.7 y Tablas 5. y 5.2 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta Nítido+AN 54,5 0 54,5 45,85,4534,045 0,0708 0,8497 Nítido+RG 53, ,37 46,63,49,0777 0,339 0,7979 Híbrido+AN 54,5 0 54,5 45,85,4534,045 0,0708 0,8497 Híbrido+RG 53, ,37 46,63,49,0777 0,339 0,7979 Validación cruzada Nítido + AN 52, ,33 47,67,489,0466 0,0807 0,8446 Nítido + RG ,475,295 0,2527 0,7565 Híbrido + AN 52, ,85 47,5,474,0389 0,0684 0,8549 Híbrido + RG 52, ,59 47,4,4352,0777 0,494 0,8083 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 4

15 Clasificación biolar de desastres La adatación de estos métodos al contexto no es buena: Grave riesgo de subestimación Transiciones bruscas Pésima relicación de la muestra original Clasificados en Pertenecientes a PN P B E ME NC Total % Prácticamente Ninguna (PN) ,4 Pocas (P) ,9 Bastantes (B) ,44 Elevado (E) ,7 Muy Elevado /ME) ,55 Total % 96,89 2,59 0 0, Tabla 5.3 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 5

16 Clasificación biolar de desastres Resultados de los clasificadores biolares K Δ=Δ 5 = Id C C 2 C 3 C 4 C5 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta VA 63,8 27,72 46, 26,7 0, ,99 VA2 69,2 43,78 38,86 7,36 0,8 0 0,99 MP2 7,3 49,74 35,75 4,5 0, ,99 Validación cruzada VA 63,8 27,72 46, 26,7 0, ,99 VA2 67,58 43,26 38,34 8,4 0, ,99 MP2 7,3 49,74 35,75 4,5 0, ,99 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 6

17 Clasificación biolar de desastres SUB Δ 3 = C C C C 4 C5 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta VA 55,8 0 55,8 44,82,0699,558 0,7965 0,4093 MV 53, ,37 46,63,058,588 0,8795 0,259 VA2 55,8 0 55,8 44,82,0363,5803 0,8239 0,3938 MV2 52, ,85 47,5,045,6244 0,908 0,228 MP2 53, 0 53, 46,89,045,632 0,9268 0,2539 Validación cruzada VA 5,55 0 5,55 48,45,32,558 0,7965 0,3886 MV 5,8 0 5,8 48,9,0959,5699 0,846 0,2694 VA2 5,04 0 5,04 48,96,92,5699 0,8047 0,373 MV2 5,04 0 5,04 48,96,0803,666 0,8944 0,2435 MP2 5,04 0 5,04 48,96,0829,6347 0,958 0,259 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 7

18 Clasificación biolar de desastres ODL Δ SUB = C 2 C C 4 C5 C 3 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta VA 50, ,52 49,48 0,9689 2,08,339 0,276 MV 48,9 0 48,9 5,8,058 2,0466,6299 0,2953 VA2 47, ,93 52,07,004 2,295,408 0,336 MV2 46, ,63 53,37,0855 2,83,7599 0,3575 MP2 45, ,34 54,66,0907 2,2254,8067 0,4093 Validación cruzada VA 46, ,89 53,,0259 2,0285,3748 0,276 MV 44, ,56 55,44,4 2,0285,6028 0,2798 VA2 43, ,78 56,22,075 2,399,446 0,3264 MV2 43, ,52 56,48,45 2,7,7376 0,3472 MP2 40, ,67 59,33,788 2,2047,769 0,3782 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 8

19 Clasificación biolar de desastres En conclusión, la alicación de un enfoque biolar : Permite caracterizar mejor la roblemática lanteada estructura de orden del esacio de valuación del roblema; riesgo de subestimación. Produce clasificadores que mejoran consistentemente el rendimiento de los métodos no biolares en términos de eficacia redictiva; confiables desde el unto de vista de la robabilidad global de redecir cada clase; confiables desde el unto de vista de la estabilidad y la continuidad de sus redicciones. Existe una diferencia cualitativa entre el comortamiento de los modelos no biolares y los clasificadores biolares. Proician la emergencia de conocimiento relevante y no obvio en condiciones difícilmente tratables or los modelos estándar. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 9

20 Gracias or su atención!! Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 20