Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina

La generación de alertas tempranas para sismos es de gran utilidad, en particular para la ciudad de Bogotá-Colombia, dada su importancia social y económica para el país. Con base en la información de la estación sismológica de El Rosal, la cual es una estación de banda ancha y tres componentes, loca...

Full description

Autores:
Ochoa Gutiérrez, Luis Hernán
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2016
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/57808
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/57808
http://bdigital.unal.edu.co/54235/
Palabra clave:
0 Generalidades / Computer science, information and general works
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
Alertas tempranas
Máquinas de vectores de soporte (SVM)
Magnitud
Localización
Evento sísmico
Sismología
Bogotá, Colombia
Early Warning
Support Vector Machines (SVM)
Magnitude
Localization
Seismic
Seismology
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_95f1a8cb88ca43cd5b4629ba6b3c192c
oai_identifier_str oai:repositorio.unal.edu.co:unal/57808
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
title Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
spellingShingle Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
0 Generalidades / Computer science, information and general works
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
Alertas tempranas
Máquinas de vectores de soporte (SVM)
Magnitud
Localización
Evento sísmico
Sismología
Bogotá, Colombia
Early Warning
Support Vector Machines (SVM)
Magnitude
Localization
Seismic
Seismology
title_short Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
title_full Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
title_fullStr Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
title_full_unstemmed Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
title_sort Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina
dc.creator.fl_str_mv Ochoa Gutiérrez, Luis Hernán
dc.contributor.advisor.spa.fl_str_mv Vargas Jiménez, Carlos Alberto (Thesis advisor)
dc.contributor.author.spa.fl_str_mv Ochoa Gutiérrez, Luis Hernán
dc.contributor.spa.fl_str_mv Niño Vásquez, Luis Fernando
dc.subject.ddc.spa.fl_str_mv 0 Generalidades / Computer science, information and general works
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
topic 0 Generalidades / Computer science, information and general works
55 Ciencias de la tierra / Earth sciences and geology
62 Ingeniería y operaciones afines / Engineering
Alertas tempranas
Máquinas de vectores de soporte (SVM)
Magnitud
Localización
Evento sísmico
Sismología
Bogotá, Colombia
Early Warning
Support Vector Machines (SVM)
Magnitude
Localization
Seismic
Seismology
dc.subject.proposal.spa.fl_str_mv Alertas tempranas
Máquinas de vectores de soporte (SVM)
Magnitud
Localización
Evento sísmico
Sismología
Bogotá, Colombia
Early Warning
Support Vector Machines (SVM)
Magnitude
Localization
Seismic
Seismology
description La generación de alertas tempranas para sismos es de gran utilidad, en particular para la ciudad de Bogotá-Colombia, dada su importancia social y económica para el país. Con base en la información de la estación sismológica de El Rosal, la cual es una estación de banda ancha y tres componentes, localizada muy cerca de la ciudad, perteneciente al Servicio Geológico Colombiano (SGC) se desarrolló un modelo de regresión basado en máquinas de vectores de soporte (SVM), con un kernel polinomial normalizado, usando como datos de entrada algunas características de la porción inicial de la onda P empleadas en trabajos anteriores tales como la amplitud máxima, los coeficientes de regresión lineal de los mismos, los parámetros de ajuste logarítmico de la envolvente y los valores propios de la relación de las tres componentes del sismograma. El modelo fue entrenado y evaluado aplicando correlación cruzada, permitiendo llevar a cabo el cálculo de la magnitud y la localización de un evento sísmico con una longitud de señal de tan solo cinco segundos. Con el modelo propuesto se logró la determinación de la magnitud local con una precisión de 0.19 unidades de magnitud, la distancia epicentral con una precisión de alrededor de 11 kilómetros, la profundidad hipocentral con una precisión de aproximadamente 40 kilómetros y el azimut de llegada con una precisión de 45°. Las precisiones obtenidas en magnitud y distancia epicentral son mejores que las encontradas en trabajos anteriores, donde se emplean gran número de eventos para la determinación del modelo y en los demás parámetros hipocentrales son del mismo orden. Este trabajo de investigación realiza un aporte considerable en la generación de alertas tempranas para sismos, no solamente para el país sino para cualquier otro lugar donde se deseen implementar los modelos aquí propuestos y es un excelente punto de partida para investigaciones futuras.
publishDate 2016
dc.date.issued.spa.fl_str_mv 2016-11-15
dc.date.accessioned.spa.fl_str_mv 2019-07-02T13:16:03Z
dc.date.available.spa.fl_str_mv 2019-07-02T13:16:03Z
dc.type.spa.fl_str_mv Trabajo de grado - Doctorado
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/doctoralThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_db06
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TD
format http://purl.org/coar/resource_type/c_db06
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/57808
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/54235/
url https://repositorio.unal.edu.co/handle/unal/57808
http://bdigital.unal.edu.co/54235/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería de Sistemas e Industrial
Departamento de Ingeniería de Sistemas e Industrial
dc.relation.references.spa.fl_str_mv Ochoa Gutiérrez, Luis Hernán (2016) Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina. Doctorado thesis, Universidad Nacional de Colombia - Bogotá.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/57808/1/79300547.2016.pdf
https://repositorio.unal.edu.co/bitstream/unal/57808/2/79300547.2016.pdf.jpg
bitstream.checksum.fl_str_mv 5e6568c63515808a3c742d6e067565bb
00ee947ac19fdff80f63e998803b9ae2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089979462156288
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Niño Vásquez, Luis FernandoVargas Jiménez, Carlos Alberto (Thesis advisor)48f3456c-7871-4cf5-bd21-4e110f2fff38-1Ochoa Gutiérrez, Luis Hernánb24853b9-35c2-487b-b147-e866ef9ee1673002019-07-02T13:16:03Z2019-07-02T13:16:03Z2016-11-15https://repositorio.unal.edu.co/handle/unal/57808http://bdigital.unal.edu.co/54235/La generación de alertas tempranas para sismos es de gran utilidad, en particular para la ciudad de Bogotá-Colombia, dada su importancia social y económica para el país. Con base en la información de la estación sismológica de El Rosal, la cual es una estación de banda ancha y tres componentes, localizada muy cerca de la ciudad, perteneciente al Servicio Geológico Colombiano (SGC) se desarrolló un modelo de regresión basado en máquinas de vectores de soporte (SVM), con un kernel polinomial normalizado, usando como datos de entrada algunas características de la porción inicial de la onda P empleadas en trabajos anteriores tales como la amplitud máxima, los coeficientes de regresión lineal de los mismos, los parámetros de ajuste logarítmico de la envolvente y los valores propios de la relación de las tres componentes del sismograma. El modelo fue entrenado y evaluado aplicando correlación cruzada, permitiendo llevar a cabo el cálculo de la magnitud y la localización de un evento sísmico con una longitud de señal de tan solo cinco segundos. Con el modelo propuesto se logró la determinación de la magnitud local con una precisión de 0.19 unidades de magnitud, la distancia epicentral con una precisión de alrededor de 11 kilómetros, la profundidad hipocentral con una precisión de aproximadamente 40 kilómetros y el azimut de llegada con una precisión de 45°. Las precisiones obtenidas en magnitud y distancia epicentral son mejores que las encontradas en trabajos anteriores, donde se emplean gran número de eventos para la determinación del modelo y en los demás parámetros hipocentrales son del mismo orden. Este trabajo de investigación realiza un aporte considerable en la generación de alertas tempranas para sismos, no solamente para el país sino para cualquier otro lugar donde se deseen implementar los modelos aquí propuestos y es un excelente punto de partida para investigaciones futuras.Abstract. Earthquake early warning alerts generation is very useful, especially for the city of Bogotá-Colombia, given the social and economic importance of this city for the country. Based on the information from the seismological station “El Rosal”, which is a broadband and three components station, located very near the city that belongs to the Servicio Geológico Colombiano (SGC) a Support Vector Machine Regression (SVMR) model was developed, using a Normalized Polynomial Kernel, using as input some characteristics of the initial portion of the P wave used in earlier works such as the maximum amplitude, the linear regression coefficients of such amplitudes, the logarithmic adjustment parameters of the envelope of the waveform and the eigenvalues of the relationship between the three seismogram components of each band. The model was trained and evaluated by applying a cross-correlation strategy, allowing to calculate the magnitude and location of a seismic event with only five seconds of signal. With the proposed model it was possible to estimate local magnitude with an accuracy of 0.19 units of magnitude, epicentral distance with an accuracy of about 11 km, the hipocentral depth with a precision of approximately 40 km and the arrival back-azimut with a precision of 45°. Accuracies obtained in magnitude and epicentral distance are better that those found in earlier works, where a large number of events were used for model determination, and the other hipocentral parameters precisions obtained here are of the same order. This research work makes a considerable contribution in the generation of seismic early warning alerts, not only for the country but for any other place where proposed models here can be applied and is a very good starting point for future research.Doctoradoapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería de Sistemas e IndustrialDepartamento de Ingeniería de Sistemas e IndustrialOchoa Gutiérrez, Luis Hernán (2016) Solución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquina. Doctorado thesis, Universidad Nacional de Colombia - Bogotá.0 Generalidades / Computer science, information and general works55 Ciencias de la tierra / Earth sciences and geology62 Ingeniería y operaciones afines / EngineeringAlertas tempranasMáquinas de vectores de soporte (SVM)MagnitudLocalizaciónEvento sísmicoSismologíaBogotá, ColombiaEarly WarningSupport Vector Machines (SVM)MagnitudeLocalizationSeismicSeismologySolución rápida y automática de parámetros hipocentrales para eventos sísmicos, mediante el empleo de técnicas de aprendizaje de máquinaTrabajo de grado - Doctoradoinfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_db06Texthttp://purl.org/redcol/resource_type/TDORIGINAL79300547.2016.pdfapplication/pdf17969936https://repositorio.unal.edu.co/bitstream/unal/57808/1/79300547.2016.pdf5e6568c63515808a3c742d6e067565bbMD51THUMBNAIL79300547.2016.pdf.jpg79300547.2016.pdf.jpgGenerated Thumbnailimage/jpeg5291https://repositorio.unal.edu.co/bitstream/unal/57808/2/79300547.2016.pdf.jpg00ee947ac19fdff80f63e998803b9ae2MD52unal/57808oai:repositorio.unal.edu.co:unal/578082024-03-29 23:08:59.714Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co