Reconocimiento automático de señales sísmicas de origen volcánico para la alerta temprana de erupciones volcánicas del sur del Perú

• Autores: Centeno Quico, Riky, Rivera, Marco
• Formato: informe técnico
• Fecha de Publicación: 2020
• Institución: Instituto Geofísico del Perú
• Repositorio: IGP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.igp.gob.pe:20.500.12816/4783
• Enlace del recurso: http://hdl.handle.net/20.500.12816/4783
• Nivel de acceso: acceso abierto
• Materia: Volcanes; Sismicidad; Sismología; Erupciones volcánicas; Vulcanología; Sistema de alerta; http://purl.org/pe-repo/ocde/ford#1.05.00; http://purl.org/pe-repo/ocde/ford#1.05.04; http://purl.org/pe-repo/ocde/ford#1.05.07

Este estudio propone un sistema de detección y clasificación de eventos sismovolcánicos de manera automática y en tiempo real para 12 estaciones sísmicas instaladas en los volcanes activos y potencialmente activos del sur peruano: Sara Sara, Cerro Auquihuato, Coropuna, Sabancaya, Misti, Chachani, Ubinas, Huaynaputina, Ticsani, Tutupaca, Yucamane y Casiri. La detección de eventos sismovolcánicos está basada en un algoritmo STA/LTA y en la potencia específica instantánea (p) que realza las características de la señal frente al ruido de fondo. De esta manera, se obtuvieron mejoras de la relación señal-ruido (SNR), lo que permitió estimar automáticamente el inicio y final eventos sísmicos respecto al etiquetado manual de los mismos. Por otro lado, la clasificación utiliza un modelo predictivo basado en Máquinas de Soporte Vectorial (SVM) construido a partir de la selección de 26 características extraídas del análisis de 11 443 eventos sismovolcánicos, tales como Volcano-tectónico (VT), Largo Periodo (LP), Tremor (TRE), Híbrido (HIB), Tornillo (TOR), etc., registrados por los 12 volcanes antes mencionados. Los resultados demuestran que hay una buena concordancia entre el resultado del modelo con el valor real; es decir, los 12 modelos planteados clasifican correctamente los sismos con un 90 % de éxito en promedio. Esta técnica mejorará la estimación del pronóstico de erupciones volcánicas, con especial enfoque en algún tipo o tipos de eventos sísmicos precursores a una erupción volcánica.