Resumen de Red neuronal convolucional para el cálculo rápido del azimut de un terremoto: Red Neuronal para calcular el azimut de un terremoto

Manuel Cutié Mustelier, Antonio Salgado Castillo, Raúl Palau Clares

• español

  El proceso de automatización del Servicio Sismológico Nacional de Cuba, se ha convertido en una tarea de primer orden para el país. Lo anterior se justifica, con el objetivo de lograr ganar en efectividad y eficiencia en la detección y localización de sismos en el territorio nacional, de ahí la importancia de esta investigación. El objetivo fue el diseño e implementación de una red neuronal artificial, para determinar de manera automática el azimut de un terremoto al realizar su localización con una estación sismológica de tres componentes. Se consideró para el desarrollo de la investigación un enfoque cuantitativo. Las señales se tomaron de la estación sismológica, Río Carpintero. La investigación se abordó como un problema de regresión múltiple y se propuso un modelo de Red Convolucional 1D. Se empleó Python como lenguaje de programación. Para la adquisición y pre procesamiento de las señales sísmicas se utilizó la herramienta de código abierto basado en Python: Obspy. El modelo de red neuronal se implementó utilizando los marcos de desarrollo para aprendizaje de máquinas Keras y Tensor flow. Se utilizaron en total 49233 señales de terremotos, de ellas 39386 para el entrenamiento y 9847 para la validación. La red diseñada e implementada fue capaz de determinar automáticamente el azimut de un terremoto con una efectividad del 90 %, evidenciado en los valores del coeficiente de determinación R2. Las pruebas y validaciones realizadas indicaron la posibilidad de extender la metodología y el uso de la herramienta computacional a otras estaciones sismológicas de Cuba

• English

  The automation process of the National Seismological Service of Cuba has become a task of the first order for the country. This is justified by the objective of achieving greater effectiveness and efficiency in the detection and location of earthquakes in the national territory, hence the importance of this research. The objective was the design and implementation of an artificial neural network to automatically determine the azimuth of an earthquake by locating it with a three-component seismological station. A quantitative approach was considered for the development of the research. The signals were taken from the seismological station, Río Carpintero. The research was approached as a multiple regression problem and a 1D Convolutional Network model was proposed. Python was used as the programming language. For the acquisition and pre-processing of the seismic signals, the open source tool based on Python: Obspy was used. The neural network model was implemented using the development frameworks for machine learning Keras and Tensor flow. A total of 49,233 earthquake signals were used, of which 39,386 were used for training and 9,847 for validation. The designed and implemented network was able to automatically determine the azimuth of an earthquake with 90% effectiveness, as evidenced by the values ​​of the coefficient of determination R2. The tests and validations carried out indicated the possibility of extending the methodology and the use of the computational tool to other seismological stations in Cuba