Generación de señales sintéticas de eventos sismo-volcánicos del volcán Cotopaxi a través de un modelo de red neuronal adversario generativo condicional

Abstract

Hoy en día se vive una creciente era de la información y de los datos, que se recolectan a través de una infinidad de medios. Estos datos tienen un peso muy importante en distintos campos de investigación, como en el estudio de los desastres naturales, como los eventos sismo-volcánicos, que tiene como objetivo el precautelar vidas a través de alertas tempranas eficientes. El etiquetado de los eventos sismo-volcánicos; como el Volcano-Tectónico (VT) y Largo Periodo (LP), es un verdadero problema. El etiquetado visual no es una opción viable por lo ineficiente y costoso que puede llegar a ser. Este trabajo de investigación propone diseñar un modelo de Red Neuronal Adversario Generativo Condicional (CGAN, del inglés Conditional Generative Adversarial Network), el cual genera señales sintéticas de eventos sismo-volcánicos de tipo LP y VT, el trabajo consta de tres etapas: pre-procesamiento se acondicionan las señales sismo-volcánicas LP y VT. En la CGAN se establece dos modelos, el Generador y Discriminador, con diferentes parámetros para el entrenamiento y la obtención de respuestas en frecuencia sintéticas con características de eventos sismo-volcánico LP y VT; En el pos-procesamiento, se tienen señales sismo volcánicas sintéticas en el tiempo LP y VT. Las señales sintéticas son evaluadas por: un software de detección y clasificación de eventos sismo-volcánicos, además de la evaluación visual de las señales a través de los expertos del Instituto Geofísico de la Escuela Politécnica Nacional. La exactitud de la clasificación se mantiene estable entre un 96.5% y un 98.5% tras mezclar señales sísmicas sintéticas y reales. El modelo propuesto proporciona una estructura eficaz para generar señales sismo-volcánicas sintéticas de alta calidad.