Mejora del desempeño de un clasificador mediante la selección de características de las señales de microsismos del volcán Cotopaxi

Abstract

Se realizó la mejora del desempeño de un clasificador mediante la selección de características de las señales de microsismos del volcán Cotopaxi, las que se identifican las mejores características mediante el empleo de escalas líneas y psicoacústicas, con métodos de selección de características como: Mutual Information (MI), Statistical Dependency (SD), Sequential Forward Selection (SFS), Sequential Forward Floating Selection (SFFS) con la clasificación de técnicas de aprendizaje supervisado como: K-Nearest Vecinos (KNN) y Decision Tree (DT); y no supervisado como Autoencoder. Se clasifican tres clases de eventos: largo período (LP), volcano tectónico (VT) u Otros, la cual contiene los eventos regionales (RG), híbridos (HB) y deslizamiento de glaciares (IC), estas señales, de la base de datos del volcán Cotopaxi del Instituto Geofísico de la Escuela Politécnica Nacional (IGEPN).

Se implementó un sistema en el software MATLAB® en el cual se engloban todas las fases del proyecto, el cual permite el análisis de características y la evaluación del clasificador en el cual se visualizan los resultados de una manera detallada y gráfica. El mejor resultado de este clasificador es obtenido con el clasificador KNN y el selector MI, el cual tiene un porcentaje de clasificación de 95.77%, con una precisión del 95.84%, Especificidad de 91.81%, Sensibilidad de 95.65% y un Ber de 0.06, se tienen las mejores características: D2 Peak-to-peak in time-domain, D2 Max. peak in freq.-domain, D2 RMS in time-domain, Percentage of energy for D2, Density of peaks above RMS, Freq. of max. peak in 10–20 Hz Band y Spectral Decrease; las cuales son las que se muestran en los selectores.