Dissimilarity-based classification of seismic signals at Nevado del Ruiz Volcano

Clasificación basada en las diferencias de las señales sísmicas en el Volcán Nevado del Ruiz

La clasificación automática de señales sísmicas se ha llevado a cabo típicamente sobre representaciones de características. Trabajos de investigación recientes han mostrado que construir clasificadores sobre representaciones de disimilitud es una solución más práctica y, algunas veces, más precisa para ciertos problemas de reconocimiento de patrones.

En este artículo consideramos clasificadores Bayesianos construidos sobre representaciones de disimilitud. Mostramos que tales clasificadores son una alternativa viable y confiable para la clasificación automática de señales sísmicas. Nuestros experimentos fueron llevados a cabo sobre una base de datos que contiene señales sísmicas detectadas por dos estaciones seleccionadas de la red de monitoreo del Volcán Nevado del Ruiz. Las representaciones de disimilitud fueron construidas mediante el cálculo de distancias Euclidianas y de una medida no Euclidiana sobre los espectros normalizados, ésta última está basada en la diferencia de área entre curvas espectrales. Los resultados muestran que aunque las disimilitudes Euclidianas tienen propiedades ventajosas, las medidas no Euclidianas pueden resultar benéficas para comparar espectros de señales sísmicas.

INTRODUCCIÓN

El volcán Nevado del Ruiz (NRV) está cubierto por un gran volumen de nieve y hielo, formando un glaciar que tiene un volumen de unos 1200~1500 millones de metros cúbicos. El NRV tiene tres cráteres: Arenas -el actualmente activo-, y dos cráteres parásitos: Olleta y Piraña. Desde el inicio del registro digital en el Observatorio Vulcanológico y Sismológico de Manizales (VSOM), se ha registrado una gran y creciente cantidad de datos en las redes de monitoreo. La clasificación de las señales sísmicas es una cuestión crucial para descubrir la interacción entre los terremotos volcánicos y los procesos volcánicos. La base de datos disponible de VSOM es adecuada para aplicar técnicas de clasificación/aprendizaje automático.

En este estudio, consideramos tres clases de señales sísmicas originadas en el NRV: terremotos volcano-tectónicos (VT), terremotos de largo período (LP) y terremotos de hielo (IC); por supuesto, para cada volcán monitorizado sísmicamente, los sismólogos utilizan su propia clasificación con descripciones más detalladas de cada subtipo de terremotos (Zobin, 2003). En la actualidad, el personal de VSOM clasifica los terremotos volcánicos mediante una inspección visual; este método impone una gran carga de trabajo a los analistas sísmicos. En consecuencia, una herramienta de clasificación automática reduce drásticamente esta ardua tarea y también hace que la clasificación sea fiable y objetiva, eliminando los errores asociados a las tediosas evaluaciones y al cambio de personal.