Implementación de un sistema clasificador de microterremotos del volcán Cotopaxi basado en técnicas de Deep Learning

 

Authors
Iglesias Giler, Iván Alejandro; Rosero Arciniega, Luis Alejandro
Format
BachelorThesis
Status
publishedVersion
Description

La integración de las tecnologías de inteligencia artificial (AI, del inglés Artificial Intelligence) y aprendizaje profundo (DL, del inglés Deep Learning) tiene una importancia significativa en el monitoreo de riesgos para la seguridad pública de Ecuador. Con los riesgos potenciales asociados a las erupciones volcánicas, la adopción de estas tecnologías tiene el potencial de revolucionar los sistemas de monitoreo y permiten el modelado predictivo para la evaluación efectiva del comportamiento volcánico. El presente estudio se centra en la clasificación de microsismos volcánicos de Largo Período (LP, del inglés Long Period) y Volcano Tectónico (VT, del inglés Volcano Tectonic) como indicadores de actividad volcánica utilizando algoritmos DL: Autoencoder Apilado (SA, del inglés Stacked Autoencoder) y Red Neuronal Profunda (DNN, del inglés Deep Neural Network), mediante aprendizaje supervisado. El análisis incorpora métricas de rendimiento como la exactitud, la precisión, la sensibilidad, la especificidad y la tasa de error balanceada (BER, del inglés Balanced Error Rate). El estudio utiliza para el entrenamiento y las pruebas una base de datos original, una base de datos sintética y una base de datos mixta que combina datos originales y sintéticos. Además, los microsismos volcánicos se enriquecen al agregar los coeficientes de dos transformadas Wavelet discretas, Daubechies y Symlets, lo que da lugar a otras dos bases de datos mixtas, con un total de cinco conjuntos de datos. La investigación evalúa los algoritmos SA y DNN en la clasificación de microsismos volcánicos, teniendo en cuenta la posible influencia de las transformadas Wavelet. El estudio revela resultados superiores en la clasificación de microsismos volcánicos LP y VT del Cotopaxi a través de pruebas realizadas con los algoritmos SA y DNN, que consiguen mejorar el objetivo del IGEPN de obtener un valor de BER de 0.01.

Publication Year
2023
Language
spa
Topic
CLASIFICACIÓN
COTOPAXI
APRENDIZAJE PROFUNDO
APRENDIZAJE SUPERVISADO
MICROSISMOS VOLCÁNICOS
Repository
Repositorio Universidad de las Fuerzas Armadas
Get full text
http://repositorio.espe.edu.ec/handle/21000/36707
Rights
openAccess
License