Detección Automática de Registros Sísmicos Asociados al Comportamiento del Volcán Galeras Haciendo Uso de Redes Neuronales Artificiales

Emulando algunas de las capacidades fundamentales de la neurona biológica, tales como, su capacidad de aprender a partir de ejemplos y proporcionar una respuesta de lo aprendido en un entorno, como apoyo a las labores de monitoreo volcánico se aplica una herramienta basada en inteligencia computacional utilizando Redes Neuronales Artificiales (RNA), particularmente el modelo de red tipo Perceptron Multicapa. Esta aplicación permitirá la detección automática de eventos sísmicos mediante la diferenciación entre patrones asociados a episodios sísmicos y ruido para las estaciones Anganoy (ANGV) y Cráter-2 (CR2R), estaciones base de clasificación de la sismicidad originada en Galeras. Empleando la técnica ensayo-error se determina una rquitectura de red neuronal artificial tanto para ANGV como para CR2R que optimice la cantidad de aciertos en su labor de detección. La topología de la RNA que mostró muy buenos resultados fue de tres capas: una de entrada, una oculta y una de salida, cuyo conexionado neuronal fue: 12-3-1 para ANGV y 12-3-1 para CR2R. Los entrenamientos o fase de aprendizaje y prueba se llevaron a cabo con información seleccionada de la base de datos del Observatorio Vulcanológico y Sismológico de Pasto (OVSP). Además se hizo uso de los Coeficientes de Predicción Lineal (LPC) como técnica de reducción de dimensionalidad, debido a que el tamaño de los registros contienen un elevado número de muestras, por tanto, con la ayuda de 12 LPC se representa 300 muestras equivalentes a 3 segundos de registro. Se seleccionaron 500 eventos y 500 registros de ruido tanto para ANGV como para CR2R. Las rutinas para el tratamiento de los registros y manipulación de los mismos se desarrollaron en el programa MATLAB, además de la simulación de las RNA