La metodología, de principio a fin.
Lo que un regulador, un revisor académico o un ajustador de seguros puede verificar sobre la cascada de magnitud sísmica de DeepMap AI: su linaje de entrenamiento, sus referencias de calibración, su tasa de error medida y el registro público de auditoría de cada afirmación de este sitio.
Reproducibilidad: cada número de esta página se remonta a un método documentado, a un conjunto de datos público de origen, o al registro público de predicciones (ledger). Fuente: deepmapai.com.
El PDF incluye el mismo contenido y el mismo pie de página con la URL pública.
1. Qué se puede verificar, y cómo.
Cada punto de abajo indica qué puede verificar un revisor externo, y cómo. Los pronósticos y registros quedan sellados en el ledger de predicciones antes del resultado y anclados con OpenTimestamps, así que cuándo se hizo cada uno, y que no ha cambiado, se puede verificar de forma independiente. Esta página no afirma nada sobre admisibilidad legal.
Cada predicción se registra en un ledger encadenado con hash SHA-256 antes de que se abra la ventana del evento. El archivo common/prediction_ledger.py escribe cada predicción con su banda de magnitud, su horizonte de validez y su confianza. Cuando llega una observación, la lógica de coincidencia es determinista (primero por límites + radio escalado por magnitud) y está documentada en el mismo archivo. Cualquiera puede reproducir la coincidencia frente a cualquier evento de USGS o EMSC que elija.
Las referencias de calibración están revisadas por pares (Wells & Coppersmith 1994, Reasenberg & Jones 1989, Gardner & Kirby 2011 para la validación con isótopos). El modelo en cascada en sí es una vista previa de investigación: publicamos antes de la revisión por pares de forma deliberada, e invitamos a los investigadores a auditar la cadena hash y a contribuir a un artículo de metodología conjunto. No se hace ninguna afirmación comercial que dependa de que el modelo en cascada ya esté revisado por pares.
Publicados abiertamente y actualizados semanalmente en /magnitude-cascade. Dónde está cada modelo (no citamos cifras de exactitud de clasificadores):
- Estimador de magnitud: un modelo de investigación; no se cita cifra de exactitud.
- Coincidencia sísmica primero por límites: la proporción de pronósticos resueltos con un evento emparejado es cobertura, no destreza; se muestra, rotulada como cobertura, en /es/track-record.
- Clasificador sísmico entrenado con el tensor (etiquetado por resultado): su puntaje con validación cruzada se retiró; un holdout temporal sellado (julio 2026) midió a la familia regional hermana al azar (HYP-9fb3d2fa), y en su registro prospectivo perdió frente a la tasa base (n=98 pronósticos de 7 días) -- retirado del libro mayor el 2026-10-10.
- Clasificador de erupciones solares entrenado con el tensor: no se cita cifra de exactitud; una erupción de clase C dentro de 24 h es común, así que una tasa de acierto mediría cobertura, no destreza.
Los cálculos geofísicos siguen estándares publicados. Las reducciones de gravedad usan GRS80 (Moritz 1980) con corrección de losa de Bouguer. El acceso a datos sísmicos es FDSN federado según los estándares de IRIS. La entrada solar usa el flujo de rayos X GOES de NOAA SWPC y el viento solar de ACE/DSCOVR: feeds públicos y versionados. La escala de magnitud es la magnitud de momento (Mw) armonizada por el catálogo unificado del USGS cuando está disponible, con ML como respaldo cuando no lo está.
Los componentes individuales son ampliamente aceptados: interferometría sísmica de ruido ambiental (estiramiento dv/v, p. ej. Brenguier et al. 2008; la nuestra está en pausa desde el 14 de octubre de 2026 mientras la revalidamos), monitoreo de anomalías de resonancia Schumann (Rakov & Uman 2003), gravedad GRACE-FO, gravimetría superconductora IGETS y análisis multifísico basado en coincidencias. La composición de estos en un solo Tensor de Estado de la Tierra y una cascada por región es novedosa en DeepMap AI: la postura de vista previa de investigación existe precisamente porque la composición novedosa aún no ha ganado aceptación general.
2. Lo que hace la cascada, en una página.
Para cada una de las 135 regiones sísmicas monitoreadas, cada ejecución del pipeline le pregunta al regresor de magnitud: “¿qué magnitud esperas para esta región, y con qué confianza?” La salida se asigna a una banda M0.5 (desde el piso de percepción M3.0 hasta un techo tectónico específico de la región). Si la confianza está en o por encima de cada umbral, el ledger registra una cascada por niveles:
Cada nivel incluye la banda M0.5 (M0.25 una vez que una región se lo gana: ver § 3), un IC del 95% a partir de la sigma regional de la Fase 6, un hash SHA-256 que enlaza con la entrada previa del ledger, y un cascade_id que agrupa los niveles de esa región y hora.
3. Graduación de banda por región (M0.5 → M0.25).
Una región comienza con el ancho de banda M0.5 predeterminado. La graduación a M0.25 requiere, para esa región específica:
- ≥ 30 observaciones coincidentes frente a predicciones en cascada pasadas.
- σ residual robusta (desviación absoluta mediana × 1.4826) de ≤ 0.30 unidades de magnitud entre la estimación puntual predicha y la magnitud observada.
Ninguna región se estrecha por decreto. El predictor consulta el ledger en cada llamada de registro, calcula la sigma residual de la región al vuelo, y solo emite una banda M0.25 cuando se cumplen los criterios. Implementación de referencia: cross_physics/magnitude_shadow_predictor.py ⇒ _adaptive_band_width().
4. Lo que no afirmamos.
- No afirmamos predicción sísmica determinista. Nadie puede hacerla, y quien diga lo contrario está vendiendo algo. La cascada es un pronóstico probabilístico.
- No afirmamos atribución de un solo evento. Una narrativa posterior al evento de tipo “predijimos ese” solo es válida cuando la predicción está en la cadena hash con una marca de tiempo anterior al evento.
- No citamos cifras de exactitud para nuestros clasificadores entrenados con el tensor. Aquí la validación cruzada es un puntaje de ordenamiento, no una métrica operativa: un holdout temporal sellado (julio 2026) midió a la familia por región al azar (HYP-9fb3d2fa). Una tasa de acierto en el libro mayor en vivo mide cobertura, no destreza.
- El SLA, la indemnización y la cobertura de guardia no forman parte de los niveles gratuitos de vista previa de investigación; solo están disponibles bajo un acuerdo Enterprise firmado.
5. Cómo auditar cualquier predicción específica.
- Encuentra la predicción en /ledger-verify o /api/v1/ledger/recent.
- Confirma que su hash encadena hacia atrás hasta una entrada válida conocida (los anclajes de marca de tiempo en el directorio timestamps/ están anclados a Bitcoin mediante OpenTimestamps).
- Consulta USGS / EMSC para eventos dentro de su cuadro delimitador y banda de magnitud durante su ventana de validez.
- Vuelve a ejecutar localmente la coincidencia primero por límites desde common/prediction_ledger.py para confirmar la coincidencia o el fallo.
Fuentes de datos y créditos
DeepMap AI usa datos abiertos de las fuentes de abajo. Cada una se acredita como lo exige su licencia.
- Almacenamiento de agua GRACE/GRACE-FO: GFZ GravIS RL06 (Boergens, Dobslaw, Dill), GFZ Data Services, doi:10.5880/GFZ.GRAVIS_06_L3_TWS, CC BY 4.0
- AusPass, datos de arreglos sísmicos pasivos de Australia, CC BY 4.0
- Base de datos GEM de fallas activas globales, CC BY-SA 4.0
- Colaboradores de GeyserTimes.org, ODbL 1.0
- Colaboradores de OpenStreetMap, ODbL 1.0
- Contiene datos Copernicus Sentinel modificados 2026
- Contiene información con licencia Open Government Licence - Canada
- Datos abiertos de ondas gravitacionales: GWOSC (LIGO, Virgo, KAGRA), CC BY 4.0
- Datos abiertos del Observatorio Pierre Auger, CC BY-SA 4.0
- Datos de fuentes de generación eléctrica: California ISO (caiso.com)
- Datos de gravímetros superconductores: IGETS, GFZ Data Services, CC BY 4.0
- Datos de mapas geológicos: Macrostrat y las fuentes originales, CC BY 4.0
- Datos geotérmicos: U.S. DOE Geothermal Data Repository (GDR), CC BY 4.0
- Datos GNSS: EarthScope Consortium (GAGE), CC BY 4.0
- Datos meteorológicos de Open-Meteo.com, CC BY 4.0
- Datos sísmicos: EMSC-CSEM, CC BY 4.0
- Datos sísmicos: INGV (Istituto Nazionale di Geofisica e Vulcanologia), CC BY 4.0
- Formas de onda sísmicas: EarthScope Consortium (SAGE) y los operadores de cada red, CC BY 4.0
- Fuente: Agencia Meteorológica de Japón. Editado por DeepMap AI.
- Fuente: sitio web de la Agencia Meteorológica de Japón (JMA)
- Generado con información del Servicio de Cambio Climático de Copernicus 2026
- GeoNet / Earth Sciences New Zealand, CC BY 3.0 NZ
- Las ubicaciones de eventos provienen del programa GEOFON del Centro Helmholtz de Geociencias GFZ (CC BY 4.0)
- Mapa Litológico Global: Hartmann y Moosdorf (2012), CC BY 3.0
- Productos GNSS: Servicio Internacional GNSS (IGS) y sus centros de análisis
- Índice Kp: GFZ Centro Alemán de Investigación en Geociencias, CC BY 4.0
Versión de divulgación: v2026.10. Última revisión por el autor: Michael Jessop, DeepMap AI. Para preguntas o solicitudes formales de revisión, contacta a michael@deepmapai.com.