| Revue: | Estoa |
| Base de datos: | CLASE |
| Número de sistema: | 000493161 |
| ISSN: | 1390-9274 |
| Autores: | Abarca Alvarez, Francisco Javier1 Campos Sánchez, Francisco Sergio1 Reinoso Bellido, Rafael1 |
| Instituciones: | 1Universidad de Granada, Departamento de Urbanística y Ordenación del Territorio, Granada. España |
| Año: | 2017 |
| Periodo: | Jul-Dic |
| Volumen: | 6 |
| Número: | 11 |
| Paginación: | 39-64 |
| País: | Ecuador |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico |
| Resumen en español | Los Sistemas de Información Geográfica (SIG) han sido ampliamente utilizados para el almacenamiento y gestión de la información territorial, mostrándose especialmente útiles para el análisis y para la verificación de hipótesis previamente formuladas y con componentes espaciales relevantes. Existen metodologías heurísticas que en contextos como los actuales, de sobre-abundancia de datos, permiten evidenciar sus coherencias, sin requerir necesariamente hipótesis o formulaciones previas para generar conocimiento. Se propone el uso combinado de (i) técnicas procedentes de la Inteligencia Artificial, como son las Redes Neuronales Artificiales (ANN) del tipo Mapa Auto-organizado (SOM), que han demostrado ser muy eficaces y robustas clasificando y caracterizando perfiles en los datos; integradas con (ii) técnicas de Machine Learning como son los árboles de decisión, singularmente funcionales en la creación de modelos predictivos e interpretables para formular hipótesis explicativas de los perfiles anteriores a partir de otras variables diferenciadas. La investigación plantea combinar SIG, SOM y árboles de decisión para la construcción de modelos explicativos de los perfiles demográficos y sociales de Andalucía, a partir de datos de bajo coste sobre la dimensión residencial. Se verifica la viabilidad de tales modelos predictivos y su alto valor para la comprensión y para la toma de decisiones sobre tales territorios |
| Resumen en inglés | Geographic Information Systems (GIS) have been widely used for the storage and management of territorial information, being especially useful for the analysis and verification of previously formulated hypotheses and coexisting with relevant spatial components. There are heuristic methodologies that, in contexts such as the present one, of data over-abundance, allow showing their coherence, not necessarily requiring hypotheses or previous formulations to generate knowledge. The combined use of (i) Artificial Intelligence techniques such as the Artificial Neural Network (ANN), namely the Self-Organized Maps (SOM), is proposed. They are very effective and robust by classifying and characterizing profiles in the data. They interact with (ii) machine learning techniques such as decision trees, which are singularly functional in the creation of predictive and interpretable models, with the intention of formulating explanatory hypotheses of the previous profiles, working with other different variables. The research proposes the combination of GIS, SOM and decision trees for the construction of explanatory models of the demographic and social profiles of Andalusia, based on low cost data on the residential dimension. The feasibility of such predictive models and their great value for understanding and as decision support on such territories are evaluated satisfactorily |
| Disciplinas: | Geografía |
| Palabras clave: | Geografía humana, Inteligencia artificial (IA), España, Sistemas de Información Geográfica (SIG), Andalucía, Arboles de decisión, Mapa auto-organizado, Machine Learning, Población |
| Texte intégral: | http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S1390-92742017000200039&lng=es&nrm=iso&tlng=es |
