Resumen

La discriminación entre eventos sísmicos y explosiones nucleares es un sistema complejo y no lineal. Metodologías no lineales como Bosques Aleatorios (RF), Máquinas de Vectores de Soporte (SVM) y Clasificador de Bayes Ingenuo (NBC) fueron aplicadas para discriminar eventos sísmicos. Veinte terremotos y veintisiete explosiones con nueve razones de las energías contenidas dentro de ventanas de velocidad predeterminadas y distancia calculada son utilizados en los discriminadores. Basándose en la validación cruzada, la curva ROC, la precisión calculada de las muestras de entrenamiento y prueba, y las actuaciones discriminatorias de RF, SVM y NBC fueron discutidas y comparadas. El resultado del método RF muestra claramente la mejor capacidad predictiva con un área máxima de 0.975 bajo la curva ROC entre RF, SVM y NBC. Las precisiones discriminatorias de RF, SVM y NBC para las muestras de prueba son del 92.86%, 85.71% y 92.86%, respectivamente. Se ha demostrado que el modelo RF presentado

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Evento sísmico; Explosión nuclear; Bosques Aleatorios; Máquinas de Vectores de Soporte; Clasificador Bayesiano Ingenuo; Precisión discriminante
• Keywords:Seismic event; Nuclear explosion; Random Forests; Support Vector Machines; Nave Bayes Classifier; Discriminant accuracy