Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.espe.edu.ec/handle/21000/13812
Título : Detección automática de eventos sísmicos en el volcán Cotopaxi mediante técnicas de aprendizaje de máquinas
Director(es): Carrera Erazo, Enrique Vinicio
Autor: Pérez Quisaguano, Alexandra Shirley
Palabras clave : TRANSMISIÓN DE DATOS
TRANSMISIÓN DE SEÑALES
SATÉLITE DE COMUNICACIÓN
REDES NEURONALES
SISMOLOGÍA
VOLCÁN COTOPAXI
Fecha de publicación : 2018
Editorial: Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica y Telecomunicaciones.
Citación : Pérez Quisaguano, Alexandra Shirley (2018). Detección automática de eventos sísmicos en el volcán Cotopaxi mediante técnicas de aprendizaje de máquinas. Carrera de Ingeniería en Electrónica y Telecomunicaciones. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí.
Abstract: Los volcanes con un alto riesgo de futuras erupciones pueden causar algún tipo de catástrofe. Con el propósito de preservar vidas humanas y pérdidas materiales, se desarrolló un sistema de detección automática de eventos sísmicos en el volcán Cotopaxi mediante técnicas de aprendizaje de máquinas. Inicialmente, un estudio se realizó de los registros y las etiquetas de señales sísmicas monitorizadas por el Instituto Geofísico de la Escuela Politécnica Nacional (IGEPN) durante el 2012; los datos en formato .SAC y las etiquetas de los eventos sísmicos se extrajeron automáticamente mediante código en MATLAB® para su lectura, concatenación, visualización y posterior procesamiento de la señal. El sistema continúa con el procesamiento digital de señales y segmentado de la señal en ventanas, para cada ventana se extrajeron características en el dominio del tiempo y la frecuencia, que posteriormente sirven para la selección de características relevantes con filtros. Las etiquetas de los eventos se crearon con: etiquetas del IGEPN, técnica STA/LTA, la unión y las coincidencias de ambos. La detección de eventos sísmicos aplicando Redes Neuronales y SVM se realizaron con la matriz que contiene las características y respectivos etiquetados, se evaluaron mediante diferentes técnicas. Los resultados se presentaron en términos de exactitud, sensibilidad, especificidad, capacidad predictiva y BER, alcanzando porcentajes del 95.35% y 96.92% en exactitud para SVM y Redes Neuronales respectivamente.
URI : http://repositorio.espe.edu.ec/handle/21000/13812
Aparece en las colecciones: Tesis - Carrera de Ingeniería en Electrónica y Telecomunicaciones

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-ESPE-057527.pdfTRABAJO DE TITULACIÓN3,35 MBAdobe PDFVisualizar/Abrir
T-ESPE-057527-D.pptxDEFENSA3 MBMicrosoft Powerpoint XMLVisualizar/Abrir
T-ESPE-057527-R.pdfRESUMEN102,91 kBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.