Revisión sistemática de la literatura sobre técnicas de inteligencia artificial en la predicción de desastres naturales Systematic review of the literature on artificial intelligence techniques in the prediction of natural disasters

Resumen

Los desastres naturales son las consecuencias de fenómenos que atentan contra el medio ambiente, las personas y sus bienes; la inmersión tecnológica en este campo posibilita mitigar estas consecuencias a través de técnicas de predicción. En la presente revisión se analiza sistemáticamente la literatura sobre técnicas de inteligencia artificial para predecir estos incidentes, teniendo como prioridad identificar tendencias en el uso de técnicas y la precisión de sus algoritmos. Este trabajo sigue el marco PRISMA, se realizaron búsquedas en las bases de datos: Scopus, ACM e IEEE y con uso de la herramienta Parsifal se incluyeron 28 estudios para la revisión. Los resultados se presentan en tres áreas: Desastres naturales sujetos a predicción mediante técnicas de IA, técnicas de IA utilizadas y la precisión de los modelos/algoritmos utilizados, se evidencia que las inundaciones son el desastre natural más estudiado con un 72,73 % dentro de la literatura analizada, como técnica más empleada resalta el Aprendizaje automático con un 46,43% y dentro de los modelos/algoritmos sobresalen: los Bosques Aleatorios como el de uso más recurrente y el modelo ANFIS en conjunto a los algoritmos GOA y GWO como el de mayor precisión, entre 97,5% y 94,4%. Lo expuesto deja como evidencia que las técnicas de inteligencia artificial tienen el potencial de mejorar la predicción de desastres naturales, pero es importante presentar variaciones técnicas para garantizar que la implementación de estos obtenga mejores resultados, como el uso de modelos híbridos y datos fiables, completos y actualizados.