Los modelos matemáticos tradicionales relacionados con el análisis de los terremotos son lineales y en algunos casos son incapaces de predecir determinados comportamientos, porque los datos que modelan pueden ser altamente no lineales y complejos. En este trabajo se describe la implementación de un método alternativo para el análisis sísmico en series de tiempo. La herramienta Mapas de Recurrencia (MR) permite el reconocimiento y el tratamiento de las aceleraciones medidas. Un Mapa de Recurrencia (MR) obtenido de datos sísmicos permite una interpretación más eficiente de los movimientos del suelo y la aplicación de esta explicación a la definición de estratigrafía y de las tendencias de respuesta. Los atributos no lineales obtenidos a partir del análisis de Mapas de Recurrencia se pueden utilizar como filtros para revelar patrones, o en combinación para predecir una propiedad sísmica. La caracterización automatizada de datos sísmicos, basada en los atributos sísmicos no lineales, podría rescribir las reglas de interpretación del fenómeno sísmico. El objetivo de este trabajo es establecer una metodología para la aplicación práctica de la dinámica no lineal en el reconocimiento de patrones sísmicos, un campo de la ingeniería desafiante y en constante evolución.Palabras clave: mapas de recurrencia, series de tiempo sísmicas, caos análisis no lineal, movimientos fuertes de terreno, periodo fundamental del suelo, vibraciones en masas de suelo.

No abstract

Most of the work dealing with automatic story production is based on a generic architecture for text generation; however, the resulting stories still lack a style that can be called literary. We believe that in order to generate automatically stories that could be compared with those by human authors, a specific methodology for fiction text generation should be defined. We also believe that it is essential for a story to convey the effect of originality to the person who is reading it. Our methodology proposes corpus-based generation of stories that could be called creative and also have a style similar to human fiction texts. We also show how these stories have plausible syntax and coherence, and are perceived as interesting by human evaluators.

A new model to compute similarity is presented. The representation of a 3D object is reviewed; sequence of vertices and index of vertices are the basic information about the shape of any 3D object. A linear function called Labeling is introduced to create a new sequence or time series from a 3D object. A method to create randomly 3D objects is also described. Experimental results show viability to compute similarity among 3D objects using the extracted sequences and the Dynamic Time Warping algorithm.

No abstract