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.pdf | TRABAJO DE TITULACIÓN | 3,35 MB | Adobe PDF | Visualizar/Abrir |
T-ESPE-057527-D.pptx | DEFENSA | 3 MB | Microsoft Powerpoint XML | Visualizar/Abrir |
T-ESPE-057527-R.pdf | RESUMEN | 102,91 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.