Search

This paper tries to show how modeling and prediction through quantum neural networks can be of great help in managing natural risks more efficiently. Neural networks, or artificial intelligence, allow extrapolating the neuronal functioning of the human brain to all types of modeling and predictions of reality through training and adaptation to each specific risk (climatic, seismic, geomorphological / geological, ...). Its flexibility and plasticity allow the results to include a large number of elements and values that cannot be found in other modeling modes. This work is carried out from the geographical point of view, and it does not intend to show calculations or mathematical modeling, but it seeks to show a theoretical framework that includes the maximum of elements on which a base for a later modeling can be built., Este trabajo trata de mostrar como la modelización y predicción mediante redes neuronales artificiales cuánticas puede ser de gran ayuda para gestionar los riesgos naturales de forma más eficiente. Las redes neuronales, o inteligencia artificial, permiten extrapolar el funcionamiento neuronal del cerebro humano a todo tipo de modelizaciones y predicciones de la realidad mediante un entrenamiento y adaptación a cada riesgo en concreto (climáticos, sísmicos, geomorfológicos/geológicos…). Su flexibilidad y plasticidad permite que los resultados incluyan un gran número de elementos y valores que no son posibles encontrar en otros modos de modelización. Este trabajo se realiza desde el punto de vista geográfico, y no pretende mostrar cálculos ni modelizaciones matemáticas, si no que busca mostrar un marco teórico que incluya el máximo de elementos sobre los cuales pueda construirse una base para una modelización posterior., Ce travail a pour but de montrer comment la modélisation et la prédiction au moyen de réseaux neuronaux quantiques peut aider à gérer les risques naturels de forme plus efficace. Les réseaux neuronaux, ou intelligence artificielle, permettent d´extrapoler le fonctionnement neuronal du cerveau humain a toutes sortes de modélisation et prédictions de la réalité par un entrainement et une adaptation à chaque risque spécifique (climatiques, sismiques, géomorphologiques/géologiques…). Sa souplesses et plasticité permettent aux résultats d´inclure un grand numéro d’éléments et de valeurs qu´il n´est pas possible de trouver dans d´autres modes de modélisation. Ce travail est réalisé d´un point de vue géographique et n´essayer pas d´utiliser des calculs ni de modélisations mathématiques, mais plutôt de montrer un cadre théorique qui inclue le maximum d´éléments sur lesquels construire une base pour une modélisation ultérieure.