Operación en línea de un sistema de detección y clasificación automática de microsismos del volcán Cotopaxi utilizando la teoría de Compressed sensing y machine learning

Este trabajo presenta una técnica novedosa utilizando un método avanzado para la detección y clasificación en tiempo real de eventos microsísmicos asociados al volcán Cotopaxi. Se emplea la técnica de Compressed Sensing para minimizar la complejidad computacional del sistema y un modelo autoregresivo, lo cual facilita su implementación en entornos en línea. En la literatura revisadas los clasificadores se basan en redes neuronales entrenadas hasta con 84 características distintas. Sin embargo, muchas de estas no pueden estimarse en tiempo real, lo que dificulta su uso en sistemas automáticos en línea. En respuesta a esta limitación, esta investigación propone el uso de regresión Lasso para simplificar el conjunto de características, seleccionando solo aquellas de mayor relevancia. Y dichas características fueron aproximadas mediante un modelo autoregresivo, para posterior clasificar los eventos microsísmicos en categorías de Volcano-Tectónico (VT) y Largo Período (LP). Además, se desarrolla un sistema de detección que incorpora un detector de envolvente con salida digital on/off, manteniendo así una señal digital continua durante la duración de cada evento detectado. Este mecanismo previene oscilaciones en la señal que podrían afectar el conteo y la clasificación precisa de los eventos. La implementación de este sistema no solo mejoro la precisión al 99.58% y la tasa de error de balance al 1.75% en la monitorización del volcán Cotopaxi, sino que también optimiza los recursos computacionales, lo que es esencial para la implementación de sistemas automáticos de etiquetado en contextos de monitoreo continuo.

• Autor principal: Reinoso Piñeiro, Santiago David (author)
• Formato: bachelorThesis
• Publicado: 2025
• Materias: CLASIFICACIÓN; MICROSISMO; COMPRESSED SENSING; MODELO AR
• Acceso en línea: https://repositorio.espe.edu.ec/handle/21000/42216