• Correo ElectrónicoCorreo Electrónico
  • Dirección Nacional de InformacióAcadémicaDNINFOA - SIA
  • BibliotecaBibliotecas
  • ConvocatoriasConvocatorias
  • Identidad U.N.Identidad U.N.
Escudo de la República de ColombiaEscudo de la República de Colombia
English 
  • español
  • English
  • português (Brasil)
repositorio.unal.edu.co
Servicios
HomeBiblioteca DigitalEntrega de tesisContáctenos
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional Repository of Universidad Nacional
  • 1- Tesis y Disertaciones
  • Sede Bogotá
  • Facultad de Ciencias
  • Maestría en Ciencias - Geofísica
  • View Item
  •   Institutional Repository of Universidad Nacional
  • 1- Tesis y Disertaciones
  • Sede Bogotá
  • Facultad de Ciencias
  • Maestría en Ciencias - Geofísica
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Detección y clasificación automática de registros sísmicos en el observatorio vulcanológico y sismológico de pasto utilizando redes neuronales artificiales

Thumbnail
oscarernestocadenaibarra.2011.pdf (3.586Mb)
Author
Cadena Ibarra , Oscar Ernesto
Type
Trabajo de grado - Pregrado
Publication Date
2011
Metadata
Show full item record
Cita

Cómo citar

Cómo citar


Summary
En este trabajo se aplica una metodología que combina Análisis de predicción lineal (LPC) y Redes neuronales artificiales (RNA) con el objetivo de detectar y clasificar tres tipos de sismos volcánicos: volcano-tectónicos (VT) tipo A, largo periodo (LP) y tremor (TRE). Se construye una herramienta computacional orientada a la detección y clasificación automática de estas señales sísmicas, generando información en tiempo real. Segmentos cortos de la traza continua se representan utilizando la técnica LPC que también cumple la función de reducir la dimensión del vector que contiene los datos de la forma de onda. Para las fases de detección y clasificación se utilizan RNA tipo perceptrón multicapa con una capa oculta. Entre las ventajas de la metodología está la posibilidad de detectar sismos con arribos emergentes, de corta duración o de bajo nivel energético. La aplicación del método muestra cerca de 100% de acierto para la distinción entre ruido y señal sísmica (fase de detección), 92 % de acierto para la clasificación entre sismos LP y VT y cerca del 100% en la detección de sismos tipo TRE. / Abstract. In this work is applied a methodology that to combine Linear Prediction Coding (LPC) and Artificial Neural Networks (ANN) in order to detect and classify three types of volcanic seismic signals: Type A Volcano-Tectonic events (VT), Long Period (LP) and volcanic Tremor (TRE). It was built a software oriented to detection and automatic classification of these kinds signals, generating information in Real-Time. Short segments of the continuous streams are represented using the LPC technique, also carry out the reduction of the vector containing waveform data. For the detection and classification processing-phases are used ANN type Multi-Layer Perceptron (MLP). Among the advantages of this methodology are the possibility of detect seismic events with emergent arrives, short duration or low energetic level. The application of this method shows near to 100 % of good choices for to distinguish between signal and noise level (detection phase); 92% of good choices for classification between LP and VT events; and near to 100 % for TRE-type seismicity detection.
Keywords
Sismos volcánicos ; detección automática ; clasificación automática ; predicción lineal ; redes neuronales artificiales / volcanic seismicity ; automatic detection ; automatic classification ; linear prediction coding ; artificial neural networks ;
URI
https://repositorio.unal.edu.co/handle/unal/10561
Collections
  • Maestría en Ciencias - Geofísica [88]

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesKnowledge AreasResource TypeCampusThis CollectionBy Issue DateAuthorsTitlesKnowledge AreasResource TypeCampus

My Account

LoginRegister

Statistics

View Usage Statistics
GTM StatisticsGTM Statistics
Régimen LegalTalento humanoContrataciónOfertas de empleoRendición de cuentasConcurso docentePago VirtualControl internoCalidadBuzón de notificaciones
Correo institucionalMapa del sitioRedes SocialesFAQQuejas y reclamosAtención en líneaEncuestaContáctenosEstadísticasGlosario

Contacto página web:
Avenida El Dorado No. 44A-40, Ed. 571, piso 4o.
Hemeroteca Nacional Universitaria
Bogotá D.C., Colombia
(+57 1) 316 5000 Ext. 20 004

© Copyright 2014
Algunos derechos reservados.
digital@unal.edu.co
Acerca de este sitio web
Actualización: 01/06/21

Orgullo UNOrgullo UNAgencia de noticiasAgencia de noticias
Trámites en líneaContaduría general de la republica