Repositorio UFRO · Omeka S

Classification of seismic signals at Villarrica volcano (Chile) using neural networks and genetic algorithms

Primer Autor	Curilem, Gloria
Co-autores	Vergara, Jorge Fuentealba, Gustavo Acuna, Gonzalo Chacon, Max
Título	Classification of seismic signals at Villarrica volcano (Chile) using neural networks and genetic algorithms
Editorial	ELSEVIER
Revista	JOURNAL OF VOLCANOLOGY AND GEOTHERMAL RESEARCH
Lenguaje	en
Resumen	Cada volcán tiene su propia actividad sísmica única. El objetivo de este trabajo es construir un sistema capaz de clasificar las señales sísmicas del volcán Villarrica, uno de los volcanes más activos de Sudamérica. Dado que las señales sísmicas son el resultado de procesos específicos dentro de la estructura del volcán, pueden utilizarse para pronosticar la actividad volcánica. Este artículo describe los diferentes tipos de señales sísmicas registradas en el volcán Villarrica y su significado. Se consideraron tres tipos de señales como las más representativas de la actividad de este volcán: las señales de largo período, los temblores y los temblores energéticos. Se implementó un clasificador para leer los registros sísmicos a intervalos de 30 segundos, extraer las características más relevantes de cada intervalo y clasificarlas en uno de los tres tipos de señales consideradas como las más representativas de este volcán en particular. Para ello, un experto humano extrajo y clasificó 1033 tipos diferentes de señales de 30 segundos. Se aplicó un proceso de extracción de características para obtener las características principales de cada una de ellas. Este proceso se desarrolló utilizando criterios que otros han demostrado ser eficaces para clasificar señales sísmicas, basándose en la experiencia de un experto humano. El clasificador se implementó con una red neuronal artificial de perceptrón multicapa (MLP), cuya arquitectura y proceso de entrenamiento se optimizaron mediante un algoritmo genético. Esta técnica buscó la configuración MLP más adecuada para mejorar el rendimiento de la clasificación, optimizando el número de neuronas ocultas, las funciones de transferencia de las neuronas y el algoritmo de entrenamiento. El proceso de optimización también realizó una selección de características para reducir el número de características de la señal, optimizando el número de entradas de la red. Los resultados muestran que el clasificador optimizado alcanza más del 93 % de exactitud en la identificación de señales de cada tipo. La amplitud de las señales es la característica más importante para su clasificación, seguida de su contenido de frecuencia. La metodología descrita puede utilizarse para clasificar más señales sísmicas y así mejorar el estudio de la actividad de este volcán o extender el estudio a otros volcanes activos de la región. © 2008 Elsevier B.V. Todos los derechos reservados.#Each volcano has its own unique seismic activity. The aim of this work is to construct a system able to classify seismic signals for the Villarrica volcano, one of the most active volcanoes in South America. Since seismic signals are the result of particular processes inside the volcano's structure, they can be used to forecast volcanic activity. This paper describes the different kinds of seismic signals recorded at the Villarrica volcano and their significance. Three kind of signals were considered as most representative of this volcano's activity: the long-period, the tremor, and the energetic tremor signals. A classifier is implemented to read the seismic registers at 30-second intervals, extract the most relevant features of each interval, and classify them into one of the three kinds of signals considered as most representative of this particular volcano. To do so, 1033 different kinds of 30-s signals were extracted and classified by a human expert. A feature extraction process was applied to obtain the main characteristics of each of them. This process was developed using criteria which have been shown by others to effectively classify seismic signals, based on the experience of a human expert. The classifier was implemented with a Multi-Layer Perceptron (MLP) artificial neural network whose architecture and training process were optimized by means of a genetic algorithm. This technique searched for the most adequate MLP configuration to improve the classification performance, optimizing the number of hidden neurons, the transfer functions of the neurons, and the training algorithm. The optimization process also performed a feature selection to reduce the number of signal features, optimizing the number of network inputs. The results show that the optimized classifier reaches more than 93% exactitude. identifying the signals of each kind. The amplitude of the signals is the most important feature for its classification, followed by its frequency content. The described methodology can be used to classify more seismic signals to improve the study of the activity of this volcano or to extend the study to other active volcanoes of the region. (C) 2008 Elsevier B.V. All rights reserved.
Tipo de Recurso	Artículo original
Description	The authors would like to thank the Direccion de Investigacion of the Universidad de La Frontera (DIUFRO), Temuco, Chile, which financed the present work, and the Direccion de Investigacion (DICYT) of the Universidad de Santiago de Chile, USACH, Santiago, Chile, which financed a postdoctoral program that allowed to improve the evaluation part of the work.
doi	10.1016/j.jvolgeores.2008.12.002
Formato Recurso	pdf
Palabras Claves	Seismic discrimination Signal processing Artificial neural network Genetic algorithm Volcano monitoring AUTOMATIC CLASSIFICATION TREMOR Discriminación sísmica Procesamiento de señales Red neuronal artificial Algoritmo genético Monitoreo de volcanes CLASIFICACIÓN AUTOMÁTICA TEMBLOR
Ubicación del archivo	http://dx.doi.org/10.1016/j.jvolgeores.2008.12.002
Categoría OCDE	Geosciences, Multidisciplinary
Materias	Seismic discrimination Signal processing Artificial neural network Genetic algorithm Volcano monitoring AUTOMATIC CLASSIFICATION TREMOR Discriminación sísmica Procesamiento de señales Red neuronal artificial Algoritmo genético Monitoreo de volcanes CLASIFICACIÓN AUTOMÁTICA TEMBLOR
Versión del recurso (Recomendado-único)	versión publicada
Tipo de ruta	hibrida
Access Rights	metadata
Derechos de acceso	metadata
Id de Web of Science	WOS:000263694200001
Título de la cita (Recomendado-único)	Classification of seismic signals at Villarrica volcano (Chile) using neural networks and genetic algorithms
Identificador del recurso (Mandatado-único)	Artículo original
Editorial	ELSEVIER
Revista/Libro	JOURNAL OF VOLCANOLOGY AND GEOTHERMAL RESEARCH
Categoría WOS	Geociencias, Multidisciplinario Geosciences, Multidisciplinary
Idioma	en
ISSN	0377-0273
Entidad financiadora	UFRO DI#USACH DICYT
Referencia del Financiador (Mandatado si es aplicable-repetible)	UFRO DI#USACH DICYT
Página de inicio (Recomendado-único)	1
Página final (Recomendado-único)	8
Formato	pdf