Caracterización de señales volcánicas para la clasificación supervisada de eventos sísmicos

Formato digital

Tesis, Facultad de Ingeniería, Programa de Ingeniería Electrónica

Incluye referencias bibliográficas

Tradicionalmente, la vigilancia de un volcán está a cargo de los observatorios
vulcanológicos donde el estudio de la sismicidad volcánica es una herramienta
importante, junto con otras ciencias pueden describir la mecánica interna de la
edificación volcánica. Este análisis requiere detección y registro de las señales en
las estaciones vulcanológicas, transmisión a los observatorios, en donde se realiza
un preprocesamiento a la señal en busca de características distintivas para su
clasificación, una interpretación de la tasa de sismos, la ubicación y otros aspectos.
Generalmente, esta tarea en su mayoría es ejecutada por operadores humanos
expertos quienes, en temporadas de alta actividad volcánica ralentizan el
tratamiento de las señales y en ocasiones resulta no ser efectivo.
En la actualidad, se han desarrollado investigaciones que proponen la clasificación
automática de los eventos sismo-volcánicos, basadas en técnicas de aprendizaje
de maquina (machine learning), con el fin de determinar el tipo evento registrado.
No obstante, aún no existen métodos concretos de caracterización y clasificación.
Diversos enfoques muestran grandes avances, pero debido a la variabilidad que
presentan estas señales no hay un método definido de caracterización, lo que
representa un problema abierto y acertado para la investigación.
Por lo anterior, en este trabajo se desarrolló una metodología de comparación de
técnicas de extracción de características. Se utilizó representación de las señales
sísmicas en el dominio del tiempo, frecuencia, tiempo-frecuencia y Cepstral. Se
optimizó el conjunto de atributos realizando selección de características por
asignación de ponderados. Se ejecutó una clasificación supervisada haciendo uso
de registros conocidos, obtenidos de una base de datos de eventos sismo
volcánicos, facilitada por el Observatorio Vulcanológico y Sismológico de Manizales
(OVSM). Finalmente, se obtuvo medidas de desempeño de la clasificación para
determinar el subconjunto de características que mejor representan y discriminan
las señales.