Más modelos y más controles; la capacidad predictiva sigue sin acreditarse

Qué permite afirmar esta ampliación

El estudio se amplió después de inspeccionar estos años en fases anteriores. Las particiones cronológicas limitan el uso de etiquetas futuras durante el ajuste, pero los períodos posteriores no son un test independiente del diseño completo. Las selecciones y los sellos anteriores se conservan. No se vuelve a elegir un ganador usando la evaluación posterior ni los valores p.

Las 39 fechas en que la combinación de modelos elegidos da P(24 h) > P(7 d) impiden interpretarla como un único proceso probabilístico coherente. Se conservan las dos curvas originales como diagnósticos; esta entrega no corrige probabilidades ni cambia rankings a posteriori.

Datos y períodos realmente comparados

Objetivo principal: al menos un registro del catálogo fuente/escala con magnitud publicada ≥3, profundidad publicada de 0 a 30 km y coordenadas dentro de longitudes −4,5 a −2,0 y latitudes 36,6 a 38,25. Cada origen es UTC y la etiqueta utiliza [t,t+h); el extremo final queda excluido. Una profundidad cero se conserva como valor publicado con incertidumbre, sin certificar que la ruptura fuera superficial.

Un cero significa ningún registro calificable en el archivo consultado. No certifica ausencia de terremotos ni cobertura física continua. No se acreditó completitud uniforme, escala homogénea entre proveedores, ausencia de cambios instrumentales ni disponibilidad histórica de cada revisión. Por ello, fuente y escala se ajustan y puntúan por separado.

Las fechas de las tablas proceden de las particiones fuente congeladas y su extremo final está excluido. Los conteos únicos se reconstruyeron desde los mismos catálogos congelados usados por el módulo horario. Las exposiciones diarias u horarias de 7 días/2 horas se solapan y no se suman como si fueran eventos únicos. Los cortes completos son distintos por fuente: EMSC <3 oct. 2026 UTC; IGN moderno <4 oct. 2026 UTC; IGN código «2» <1 mar. 2002 UTC. No se rellenan fechas posteriores a su soporte.

Las series ISC se conservaron como paneles auditados de elegibilidad. Sus cantidades de registros o positivos de validación son insuficientes para la campaña de 100 recetas: no se mezclan escalas para forzar el experimento.

Cómo se compararon las 4.145 configuraciones

Las nuevas recetas combinan familias, regularizaciones, variables causales y transformaciones fijadas antes de puntuar. Cambiar únicamente la semilla no cuenta como nueva fórmula. Los 145 comparadores anteriores se muestran aparte y permanecen trazables. Una receta distinta puede producir una curva idéntica en validación; esa coincidencia se registra y los alias se conservan de forma conservadora en maxT.

Las medianas, escalados, indicadores de ausencia y elegibilidad de variables se calculan sólo con entrenamiento. Se purga el final de cada partición para que toda la ventana objetivo quede dentro de ella. Gamma y Beta sólo actualizan sus estados con conteos o etiquetas ya madurados al origen. Ningún peso ni parámetro se optimiza con los resultados posteriores.

La elección se congela por mínima pérdida logarítmica en validación. Los umbrales de alarma también se fijan allí bajo la cuota prevista. La pérdida logarítmica y Brier evalúan probabilidades; AUC mide ordenación, y TP/FP/FN dependen del umbral. Ninguno es un «porcentaje de precisión de terremotos» universal.

Variantes 1, 2 y 3 de la validación original

Las variantes 1, 2 y 3 son las tres primeras posiciones del ranking de validación ya congelado dentro de cada fuente y plazo. La numeración empieza de nuevo en cada fila. Se conservan los identificadores originales y las curvas existentes; no se vuelve a elegir por resultados posteriores.

LL: pérdida logarítmica de validación, menor es mejor. En IGN diario el desempate utiliza el ID original; en EMSC diario y las fuentes horarias utiliza Brier y luego el ID. En móvil, la tabla se puede desplazar horizontalmente para consultar las tres columnas.

Mostrar tres alternativas no crea una mezcla nueva ni un modelo conjunto. Un ID anterior puede corresponder a una combinación ya archivada; aquí se presenta tal como fue registrada, sin atribuirle una familia o definición ausente en su fuente. Las variantes de distintos plazos no forman por sí mismas un proceso coherente y ninguna queda validada como pronóstico operativo.

Resultados principales y generalización

Un BSS negativo indica Brier peor que la referencia constante usada en esa fila. Los valores de LL son mejores cuanto más bajos. En siete días, el XGBoost elegido obtiene LL 0,526896 en validación frente a 0,542075 del anterior elegido, pero sube a 0,420506 en 2024–corte: constante 0,357031 y anterior 0,343066. Su BSS es −0,2441. En 24 h el mejor nuevo es Poisson v13_2620; el elegido global sigue siendo el Omori anterior.

Cada punto representa una configuración sobre fechas idénticas dentro de un horizonte. Los ejes son logarítmicos para mostrar también errores grandes. La prevalencia cambia entre períodos, por lo que situarse más abajo que en validación no demuestra mejor habilidad: se debe comparar con los controles del mismo período. Se resaltan los elegidos previamente; el gráfico no genera una selección posterior.

Calibración y falsas alarmas

En 2024–corte el Omori a 24 h emite p media 0,02835 frente a una frecuencia archivada de 0,01889. Captura 4 de 19 ventanas positivas y produce 2 falsas alarmas: quedan 15 ventanas positivas sin alarma. El pequeño número de alertas limita la precisión de cualquier resumen.

El XGBoost a 7 d emite p media 0,19356 frente a frecuencia 0,10200. Sus ventanas con probabilidades mayores tienen menos registros, y el 10 % superior no captura ventanas positivas en los dos períodos posteriores. Esta inversión y las pérdidas frente a controles pesan más que la mejora en validación.

Los puntos son grupos descriptivos de probabilidad y los intervalos binomiales dentro de cada grupo no corrigen toda la dependencia temporal ni la búsqueda entre modelos. Los ajustes de pendiente/intercepto mostrados diagnostican calibración: no se usan para recalibrar estas probabilidades después de inspeccionar la evaluación.

Qué cambia al controlar la comparación múltiple

Se aplicó una sensibilidad de 24 contrastes: dos horizontes × dos períodos posteriores × tres referencias × dos longitudes de bloque. Cada contraste usa 5.000 remuestreos circulares centrados y un máximo studentizado sobre las 4.145 columnas, conservando alias. Son 120.000 remuestreos numéricos, no simulaciones de catálogos sísmicos.

En 24 h las diferencias favorables frente a la constante son pequeñas y sus intervalos incluyen cero; frente a Gamma365 no hay evidencia ajustada de ventaja. En 7 d todos los contrastes ajustados del modelo elegido dan p=1 para una mejora. Los bloques de 365 días incluso sitúan por encima de cero los intervalos de perjuicio frente a la constante y al anterior elegido en 2024–corte.

La simultaneidad del intervalo se refiere a las 4.145 configuraciones dentro de un contraste, no a un 95 % conjunto de los 24 contrastes. Los bloques intentan representar dependencia temporal; las etiquetas, el catálogo y los pronósticos permanecen fijos. No incorporan toda la incertidumbre de entrenamiento, de selección o de revisiones del catálogo. El diseño sigue siendo posterior a la inspección histórica.

Las dos ampliaciones IGN de 100 recetas

Se ejecutaron exactamente 100 recetas nuevas para cada una de las dos series IGN elegibles: 24 logísticas, 24 Poisson, 24 HistGradientBoosting, 14 Gamma y 14 tasas móviles. Se conservaron 37 comparadores por serie y horizonte, obteniendo 137 candidatos. Las 400 curvas nuevas resultan de 200 recetas fuente-específicas por dos horizontes; no son 400 fórmulas distintas.

Los intervalos pareados por bloques de los elegidos frente a constante y Gamma365 incluyen cero en los períodos posteriores. Son descriptivos y no ajustan toda la búsqueda. El código «2» no se convierte a ML o mbLg. En IGN mbLg a 7 d, Gamma270 no emite alarmas en el último período y deja sin avisar sus 91 ventanas positivas: cero falsas alarmas no significa capacidad predictiva. Se conservan 26 inversiones entre los dos horizontes elegidos.

La investigación de una y dos horas

Comparación horaria retrospectiva sobre registros fuente/escala separados.

Se ejecutaron 100 recetas por cada una de tres fuentes, con horizontes de 1/2 h: 600 curvas nuevas y tres controles adicionales por cabeza. Las 30 logísticas, 30 Poisson, 10 Gamma, 10 Beta y 20 procesos continuos prefijados comparten exactamente las horas de cada panel, incluidas todas las negativas. Las entradas y el anexo de puntuación se congelaron antes de sus resultados.

Qué eligió cada validación

Registros únicos y coste de alarma posteriores

Una ventana positiva de dos horas puede repetir un mismo registro. Los aciertos de ventanas y los registros únicos avisados se deben interpretar por separado. Las horas sin registro se retienen; eliminar controles negativos o alinear todo al terremoto inflaría el resultado.

Se investiga la probabilidad de registros en las próximas una o dos horas. Esta evaluación no verifica que exista un precursor físico en las dos horas anteriores. Los datos meteorológicos de reanálisis se retrasan siete días; GFZ utiliza intervalos ya concluidos; las publicaciones históricas reales siguen sin reconstruirse.

En el último período EMSC, el elegido a 1 h avisa 2 de 22 registros únicos y produce 45 falsas alarmas. A 2 h avisa 6 de 22, produce 133 falsas alarmas y deja sin aviso 16 registros únicos. Sus 12 ventanas positivas capturadas corresponden a sólo 6 IDs: no se contabilizan como 12 terremotos anticipados. Los episodios enlazados por separaciones ≤24 h son una descripción del archivo; no una clasificación física de réplicas ni una prueba de aviso antes de la ruptura principal.

Los elegidos son Gamma de memoria 720 h para IGN código «2», Omori temporal con c=1 h y p=1,1 para ambos horizontes IGN mbLg y para EMSC 1 h, y logística C=0,01 con sismicidad/magnitud/profundidad/posiciones anteriores para EMSC 2 h. Ninguno de esos elegidos depende del nuevo paquete ambiental. Este resultado no identifica un desencadenante meteorológico ni un precursor GNSS local.

Las dos cabezas se ajustan y eligen separadamente. Las inversiones P(1 h)>P(2 h) se conservan como fallo de coherencia de una posible salida conjunta, sin modificar las curvas originales ni afirmar que definan un catálogo temporal común.

Sensibilidad múltiple horaria, registrada antes del remuestreo

No queda acreditada una señal horaria robusta. Los 20 intervalos de los elegidos incluyen cero y sus p ajustadas oscilan entre 0,155 y 0,423. Se ejecutaron 20×600=12.000 remuestreos centrados, usando la misma muestra de bloques para las 103 columnas de cada contraste. La selección permanece intacta. La simultaneidad del 95 % vale dentro de una familia de 103, no conjuntamente para los 20 contrastes; las predicciones se tratan como fijas y el diseño ya conocía la historia.

maxT horario: 5,03 s GPU; QA CPU independiente 2.518/0, con 320 resamples indexados sobre toda la familia y reconstrucción de etiquetas desde registros originales. Error máximo de medias CPU–CUDA 6,97×10⁻¹⁵.

QA independiente horario: 212.330 comprobaciones; 0 fallos. Fuente: visor_horario.json.

Qué aportan las emulaciones y qué no aportan

Las 600 Poisson y 100 Gamma que definen distribuciones de conteos producen 100 draws por origen y por horizonte: 1.400 unidades y 446.320.000 conteos condicionados. Poisson usa su media ajustada; Gamma utiliza su estado causal como mezcla Gamma–Poisson. Los clasificadores binarios, incluido el XGBoost elegido, no se transforman en generadores de conteos inventando una distribución.

La tabla resume todas las fórmulas; no elige la trayectoria ni el intervalo más afortunado. La cobertura se mide contra conteos reales archivados y puede alejarse del 95 % nominal. Las ventanas solapadas se emulan como márgenes condicionados: no son 446 millones de catálogos continuos independientes ni nueva evidencia física.

La verificación analítica CPU (18.479 comprobaciones) contrastó las PMF Poisson y binomial negativa con scipy. Un replay GPU conservó semillas y reprodujo las 4.200 filas de medias y cobertura/anchura (8.402 comprobaciones), seguido de una lectura CPU independiente de los resúmenes por origen (9.802 comprobaciones). La diferencia máxima fue 4,44×10⁻¹⁶. Los 446 millones repetidos y los 4,19 millones de draws CPU de control se registran sólo como QA; el total experimental permanece intacto.

Con 100 draws, los extremos discretos dependen del error Monte Carlo. Reproducirlos demuestra consistencia de implementación; no garantiza que el modelo esté bien calibrado en la naturaleza.

Variables reales, latencias y mediciones que faltan

Se incorporan mediciones y productos reales con su resolución nativa. El nuevo ERA5 horario/GFZ se descargó después del entrenamiento principal y alimenta la campaña horaria registrada; no se cambió el registro de 4.000 ni se recalcularon sus predicciones con estas nuevas columnas. ERA5 añade presión al nivel del mar y de superficie, precipitación, temperatura, humedad del suelo 0–7 y 28–100 cm, temperatura del suelo, nieve, viento y radiación en tres celdas de Granada, Motril y Baza. Los nombres designan celdas del modelo; el punto Granada devuelto está a 37,25°N, −3,5°E y no representa una estación urbana.

La presión al nivel del mar permite contrastes regionales sin confundir automáticamente diferencias de altura con un gradiente meteorológico; la presión de superficie no es comparable sin atender a esas alturas. La humedad modelada del suelo a un metro no mide la presión de poro a profundidad sismogénica. No se han medido orientación de fallas, permeabilidad, Vs30, esfuerzos normales/cortantes ni presión de poro en el hipocentro.

GFZ fecha sus índices de tres horas al comienzo del intervalo; el adaptador utiliza su final y luego añade el retraso. El archivo definitivo histórico puede publicarse/revisarse después de esos retrasos: los lags son escenarios conservadores declarados, no una prueba de disponibilidad histórica. ERA5 tampoco acredita qué versión existía en tiempo real; retrasarlo siete días reduce anticipación evidente y no elimina esa incertidumbre.

El experimento horario puede evaluar patrones sísmicos anteriores con timestamps precisos. Sus campos ambientales retrasados no prueban que una señal meteorológica o geomagnética de las una o dos horas inmediatamente anteriores sea utilizable. Asociaciones retrospectivas pueden deberse a calendario, ruido instrumental, cambios del catálogo o confusión entre regiones.

Documentación primaria: Open-Meteo · archivo ERA5; ECMWF · ERA5T y actualización; GFZ · datos y formatos; GFZ · definición de índices.

Estudios internacionales recientes y lectura crítica

Las 14 referencias siguientes son trabajos primarios o una revisión científica de práctica de pronóstico. Se verificaron fecha, URL y alcance. La selección no es una revisión exhaustiva. Una señal promedio, una aplicación secuencial histórica y una campaña prospectiva real son niveles de evidencia diferentes.

La hipótesis de dos horas de Bletery y Nocquet procede de grandes terremotos apilados. La respuesta de los propios autores discute ruido común; los estudios de inclinación y procesado GNSS continuo aportan controles críticos y límites de detección. Ninguno establece una alarma individual validada para M3 de Granada.

Los experimentos de laboratorio con acústica y aprendizaje físico pueden estudiar ciclos de ruptura bajo condiciones controladas. Su éxito no se transfiere sin verificación a una falla natural ni sustituye las mediciones locales que faltan. Véase estudio de laboratorio de 2023.

Uso de hardware medido

NVIDIA GeForce RTX 5080 utilizada de forma real. 485 muestras durante el entrenamiento registraron utilización GPU máxima 85 %, mediana 68,0 %, media 65,2 %, temperatura 33–43 °C y memoria de dispositivo máxima 4.148 MiB. La memoria del dispositivo también incluye otras aplicaciones. 484 muestras de CPU de sistema registraron máximo 100 %, mediana 44,3 % y media 49,9 %; procesos/hilos limitados por coordinación. Las muestras no certifican ocupación constante al 100 %; los tiempos son de ejecución, no horas de trabajo inventadas.

La fase horaria calculó 600 curvas en 171,96 s CPU (6 procesos ×1 hilo): 360 ajustes supervisados, 60 ajustes continuos compartidos por los dos horizontes y 120 estados Gamma/Beta sin optimizador. Su puntuación tardó 20,85 s. El suplemento maxT horario añadió 12.000 remuestreos numéricos en 5,03 s GPU; no se suma a los conteos de terremotos simulados.

Verificación y trazabilidad

Estos conteos son comprobaciones numéricas, muchas a nivel de escalar. No equivalen a millones de experimentos independientes. Los intentos fallidos y las reparaciones de QA se conservan en archivos trazables; no se sustituyen por resultados favorables. El cambio histórico del reloj pandas μs/ns de una fase anterior se corrigió antes de aceptar procesos continuos, con unidades explícitas en días/horas y pruebas de espaciado. Las fuentes ejecutadas y semillas permanecen archivadas.

Un estado QA aprobado significa que las salidas son reproducibles dentro del alcance indicado. No acredita completitud del catálogo, causalidad geológica, beneficio operativo, disponibilidad en tiempo real ni validación independiente. Los sellos experimentales prospectivos previos se conservan; este informe no emite ni altera una predicción futura.

La marca pública de esta entrega es v0.9. Los protocolos y resultados fuente v13 mantienen sus identificadores originales 0.8 como historial inmutable.

Qué experimento tendría sentido después

1. Conservar una decisión anterior a los nuevos registros. La selección de siete días no se sustituye por el modelo que casualmente sale mejor en el último período. Cualquier alternativa requiere un nuevo protocolo y una fase futura sellada.
2. Medir lo que se pretende interpretar. Para la hipótesis GNSS de dos horas hacen falta posiciones de alta frecuencia con incertidumbres, continuidad de procesado, geometría y controles del día/noise común. Las posiciones diarias presentes no bastan. El acceso oficial a RINEX horario permite estudiar factibilidad, pero su existencia no demuestra sensibilidad al precursor.
3. Separar disponibilidad y fecha física. Conservar snapshots y tiempos de recepción del catálogo, METAR y productos geofísicos; evaluar retrasos y revisiones. En las fuentes de reanálisis, mantener la etiqueta retrospectiva mientras no se reconstruyan vintages.
4. Evaluar coste de alarma y cobertura. Comunicar ventanas e IDs únicos avisados, falsas alarmas, omisiones, calibración y pérdida frente a constante/Gamma en fechas comunes. No usar exactitud dominada por horas negativas como indicador de éxito.
5. Investigar estabilidad entre épocas. Los cambios de completitud, escala y tasa pueden explicar aparente habilidad o fallo. Las simulaciones incorporan supuestos y error Monte Carlo; no reparan por sí solas ese cambio del catálogo.

Cómo se distingue la evidencia