Repositorio
Institucional

Curilem, Millaray

Feature analysis for the detection of P and S-wave arrival times in seismic signals from the Nevados del Chillán Volcanic Complex

ELSEVIER

JOURNAL OF VOLCANOLOGY AND GEOTHERMAL RESEARCH

en

Very sophisticated machine learning tools are being developed for detecting P and S-waves in tectonic earthquakes, with excellent results, especially when approached from a recurrent perspective. However, their application to volcanic seismicity presents challenges due to the low magnitude, variability, and complexity of waveforms, caused by heterogeneous and anisotropic geological structures like magma chambers, rock types, and fractured zones. The proximity of sources to sensors often results in nearly simultaneous arrivals of P and S-waves. Additionally, volcanic areas are associated with high levels of seismic noise from non-volcanic sources. The specific characteristics of each volcano further necessitate adapting solutions to their unique dynamic behavior. Given these challenges, investigating signal preprocessing techniques that can improve P and S-wave detection in volcanic environments is essential. In this work, we studied seismic signals from the Nevados del Chill & aacute

n volcanic complex to evaluate whether simple yet robust information could be provided to an LSTM model for effective P and S-wave detection. Our approach achieved 94% detection rate for P-waves and 91% for S-waves within a 0.5-second error margin, for 998 P and S-waves from the test set, improving detection accuracy and noise resilience over traditional methods.Se están desarrollando herramientas de aprendizaje automático muy sofisticadas para la detección de ondas P y S en terremotos tectónicos, con excelentes resultados, especialmente cuando se abordan desde una perspectiva recurrente. Sin embargo, su aplicación a la sismicidad volcánica presenta desafíos debido a la baja magnitud, variabilidad y complejidad de las formas de onda, causadas por estructuras geológicas heterogéneas y anisotrópicas como cámaras magmáticas, tipos de roca y zonas fracturadas. La proximidad de las fuentes a los sensores a menudo resulta en llegadas casi simultáneas de ondas P y S. Además, las áreas volcánicas están asociadas con altos niveles de ruido sísmico proveniente de fuentes no volcánicas. Las características específicas de cada volcán requieren, además, adaptar las soluciones a su comportamiento dinámico único. Dados estos desafíos, es esencial investigar técnicas de preprocesamiento de señales que puedan mejorar la detección de ondas P y S en entornos volcánicos. En este trabajo, estudiamos señales sísmicas del complejo volcánico Nevados del Chillán para evaluar si se podría proporcionar información simple pero robusta a un modelo LSTM para una detección efectiva de ondas P y S. Nuestro método logró una tasa de detección del 94 % para las ondas P y del 91 % para las ondas S con un margen de error de 0,5 segundos, para 998 ondas P y S del conjunto de prueba, mejorando la precisión de la detección y la resistencia al ruido en comparación con los métodos tradicionales.

artículo original

P and S-wave picking

Volcano monitoring

STA/LTA algorithm

Machine learning

LSTM neural network

10.1016/j.jvolgeores.2025.108350

pdf

PICKING

PICKING

Vulcanología

Ciencias de la Computación

Geoquímica y Geofísica

versión publicada

hibrida

verde

24 embargo

24 embargo

WOS:001500495100002

Feature analysis for the detection of P and S-wave arrival times in seismic signals from the Nevados del Chillán Volcanic Complex

artículo original

ELSEVIER

JOURNAL OF VOLCANOLOGY AND GEOTHERMAL RESEARCH

Geosciences, Multidisciplinary

en

0377-0273

FONDEF

FONDEF [IT23i0036]

pdf