Sistema para detección de avalanchas usando un solo sensor infrasónico y algoritmos de Machine Learning

• Autor: Benites Condori, Cristian Adriel
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/7782
• Enlace del recurso: http://hdl.handle.net/20.500.12918/7782
• Nivel de acceso: acceso abierto
• Materia: Cordillera blanca; Infrasonido; Avalanchas; Detección automática; Machine Learning; http://purl.org/pe-repo/ocde/ford#2.02.03

La detección automática de las avalanchas es una herramienta muy útil para poder reducir los riesgos que generan estos desastres naturales. a través de distintos materiales, lo que hace que pueda ser detectado a varios kilómetros del lugar de donde sucedió la avalancha. La gran mayoría de sistemas de detección por infrasonido en la literatura utilizan arreglos de sensores, estos son caros y difíciles de implementar por lo que en este trabajo se hizo uso de un solo sensor. Para la implementación del sistema se recolectó data de infrasonido de más de 100 eventos de avalanchas en la laguna Palcacocha, se realizó la búsqueda del patrón de características y el algoritmo de entrenamiento para lograr la obtención del modelo de Machine Learning óptimo, se hicieron pruebas entrenando modelos bajo distintos algoritmos llegando a la conclusión de que el algoritmo óptimo es el de Support Vector Machine, logrando una efectividad teórica del 92.27%. Luego, se implementaron, el procesamiento en tiempo real, el almacenamiento de la data en una base de datos y la visualización de la data a fin de monitorear los resultados de forma remota. Finalmente se hicieron pruebas piloto en la laguna Palcacocha, obteniendo un porcentaje de efectividad en la detección de avalanchas del 86.47%. El sistema desarrollado es definitivamente más barato y fácil de implementar que los sistemas que utilizan arreglos de sensores, además de que se obtienen mejores resultados en la detección a diferencia de otros que no utilizan Machine Learning.