Universidad de Granada Digibug
 

Repositorio Institucional de la Universidad de Granada >
1.-Investigación >
Tesis >

Please use this identifier to cite or link to this item: http://hdl.handle.net/10481/42050

Title: Reconocimiento de señales sismo-volcánicas mediante canales específicos basados en modelos ocultos de Markov
Authors: Cortés Moreno, Guillermo
Direction: Benítez Ortúzar, María del Carmen
Ibáñez Godoy, Jesús Miguel
Collaborator: Universidad de Granada. Departamento de Teoría de la Señal, Telemática y Comunicaciones
Instituto Andaluz de Geofísica
Issue Date: 2016
Submitted Date: 18-Dec-2015
Abstract: La actividad volcánica en nuestro planeta genera un gran impacto económico y social. Actualmente la monitorización de volcanes se fundamenta principalmente en el análisis de la actividad sísmica de los eventos considerados precursores de erupciones. Un sistema automático que sea capaz de detectar y clasificar eventos sismo-volcánicos en tiempo real permitiría una gestión más eficaz al evaluar del riesgo volcánico sobre todo cuando previo a una erupción el incremento de la actividad es tal que compromete la fiabilidad de la clasificación supervisada llevada a cabo por los técnicos de los observatorios. Un análisis detallado de la situación es crucial a la hora de tomar decisiones que pueden ser críticas como la necesidad de evacuación de la población. Los sistemas automáticos de reconocimiento de señales sismo-volcánicas (Volcano- Seismic Recognition - VSR) en una etapa de aprendizaje construyen modelos probabilísticos para cada tipo de evento o clases a partir del análisis de datos previamente clasificados por técnicos expertos. Dichos modelos permiten posteriormente una clasificación sobre registros continuos de forma automática y no supervisada. El funcionamiento en tiempo real de estos sistemas ha sido tímidamente explorado por la comunidad científica lo que se une al problema complejo del modelado dada la naturaleza y variabilidad de las señales sismo-volcánicas sometidas a solapamiento entre eventos, efectos de sitio, ruidos, etc. Tomando inspiración en los últimos avances en las áreas de inteligencia artificial, reconocimiento de patrones y aprendizaje automático, se abre un mundo de lineas de investigación muy interesantes que están atrayendo la atención de los geofísicos y los observatorios, no solo por la posibilidad de monitorizar el grado de actividad sísmica en tiempo real, sino también por la ventaja de contar con una herramienta robusta y fiable de clasificación automática no susceptible de sufrir errores inevitablemente asociados a la condición humana como la falta de un criterio unificado, el cansancio y la variabilidad en la toma de decisiones debido a factores subjetivos o psicológicos. Por ello, son cada vez más los observatorios vulcanológicos que incorporan sistemas expertos automatizados de monitarización y métodos de predicción de erupciones (Carniel et al., 2006; Ham et al., 2012; Boué et al., 2015), lo que explica el auge que los sistemas de reconocimiento automático de eventos sismo-volcánicos están teniendo en los últimos 10 años (Orozco-Alzate et al., 2012). Complementariamente, la capacidad del cerebro humano de describir y analizar una se centra gran parte de los últimos trabajos de inteligencia artificial: el aprendizaje profundo (deep learning) o cómo enseñar a las máquinas a describir y aprender lo verdaderamente importante. Aspecto que también hay que tener en cuenta en los sistemas VSR: enseñar al sistema qué características son importantes para describir los eventos y cómo evaluar correctamente los resultados de clasificación. Los Modelos Ocultos de Markov (Hidden Markov Models - HMMs), dada su naturaleza estructurada y su capacidad para modelar datos doblemente estocásticos en el espacio secuencial (el tiempo en nuestro caso) y en el espacio de descripción de los datos, se han convertido en una de las técnicas más utilizadas en el área VSR (Ohrnberger, 2001; Alasonati et al., 2006; Benítez et al., 2007; Ibáñez et al., 2009; Beyreuther et al., 2012). En esta tesis, proponemos una evolución de los sistemas VSR clásicos basados en HMMs a un sistema estructurado en paralelo (Parallel System Architecture - PSA) compuesto por distintos canales de reconocimiento cada uno de ellos especializado en un tipo de evento volcánico o clases concretas (Cortés et al., 2014). Esto permite el análisis por independiente de clases de eventos especialmente relevantes, así como el estudio de la mejor configuración y el mejor conjunto de características para describir cada tipo de canal (evento), contribuyendo así a incrementar la eficacia de reconocimiento y la capacidad de análisis así como la flexibilidad y funcionalidad del sistema. El objetivo último es la construcción de un sistema automático no supervisado de carácter general que sea fácilmente integrable en los centros de monitorización de volcanes activos.
Sponsorship: Tesis Univ. Granada. Departamento de Teoría de la Señal, Telemática y Comunicaciones
Este trabajo ha sido parcialmente financiado por varios proyectos y grupos de investigación: Grupo de investigación en geofísica y sismología RNM104 de la Junta de Andalucía. Proyecto APASVO (Algoritmos avanzados de procesamiento de la señal PArareconocimiento y caracterización de las señales Sismo-VOlcánicas), TEC2012-315511 del Grupo de investigación en Señales, Telemática y Comunicaciones (GSTC), TIC-123 de la Junta de Andalucía. Proyectos españoles de investigación ES-2012-051822, CGL2012-31472/BTE y subprograma de ayudas FPI-MICINN Proyecto MED-SUV (MEDiterranean SUpersite Volcanoes) de la Unión Europea, que ha sido subvencionado por el 7º Programa de la UE, EC-FP7, para la investigación, desarrollo tecnológico y aplicación bajo la concesión nº 308665.
Publisher: Universidad de Granada
Keywords: Sismología
Procesado de señales
Procesos de Markov
Vulcanismo
Análisis del riesgo volcánico
Procesos estocásticos
UDC: 550.348
551.21
2500
URI: http://hdl.handle.net/10481/42050
ISBN: 9788491254492
Rights : Creative Commons Attribution-NonCommercial-NoDerivs 3.0 License
Citation: Cortés Moreno, G. Reconocimiento de señales sismo-volcánicas mediante canales específicos basados en modelos ocultos de Markov. Granada: Universidad de Granada, 2016. [http://hdl.handle.net/10481/42050]
Appears in Collections:Tesis

Files in This Item:

File SizeFormat
25632930.pdf16.66 MBAdobe PDFView/Open
Recommend this item

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! OpenAire compliant DSpace Software Copyright © 2002-2007 MIT and Hewlett-Packard - Feedback

© Universidad de Granada