Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://repositorio.espe.edu.ec/handle/21000/13812
Titel: Detección automática de eventos sísmicos en el volcán Cotopaxi mediante técnicas de aprendizaje de máquinas
Director(es): Carrera Erazo, Enrique Vinicio
Autor(en): Pérez Quisaguano, Alexandra Shirley
Stichwörter: TRANSMISIÓN DE DATOS
TRANSMISIÓN DE SEÑALES
SATÉLITE DE COMUNICACIÓN
REDES NEURONALES
SISMOLOGÍA
VOLCÁN COTOPAXI
Erscheinungsdatum: 2018
Herausgeber: Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica y Telecomunicaciones.
Zitierform: 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.
Zusammenfassung: 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
Enthalten in den Sammlungen:Tesis - Carrera de Ingeniería en Electrónica y Telecomunicaciones

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
T-ESPE-057527.pdfTRABAJO DE TITULACIÓN3,35 MBAdobe PDFÖffnen/Anzeigen
T-ESPE-057527-D.pptxDEFENSA3 MBMicrosoft Powerpoint XMLÖffnen/Anzeigen
T-ESPE-057527-R.pdfRESUMEN102,91 kBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.