Fast estimation of earthquake epicenter distance using a single seismological station with machine learning techniques

• Luis H. Ochoa ^[1] ; Luis F. Niño ^[1] ; Carlos A. Vargas ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 85, Nº. 204, 2018, págs. 161-168
• Idioma: inglés
• Títulos paralelos:
  • Estimaciónrápida de la distancia epicentral de un terremoto utilizando registros de una sola estación sismológica, mediante técnicas de aprendizaje de máquinas
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Se aplicó un algoritmo de máquinas de vector de soporte para calcular la distancia epicentral utilizando una señal de diez segundos, después del arribo de ondas primarias a una estación sismológica cercana a Bogotá -Colombia. Este algoritmo fue probado con 863 registros de terremotos donde los parámetros de entrada fueron una función exponencial de la envolvente estimada para los mínimos cuadrados y el valor máximo de las formas de ondas registradas en cada componente de la estación sísmica. Validación cruzada fue aplicada a funciones kernel polinomiales normalizadas, obteniendola media del error absoluto para diferentes exponentes y parámetros de complejidad. La distancia epicentral se estimó con 10.3 kilómetros de error absoluto, mejorando los resultados previamente obtenidos para este parámetro hipocentral. El algoritmo propuesto es fácil de implementar y puede ser empleado directamente en campo, generando decisiones rápidas en centros de control sismológico incrementado posibilidades de tener reacciones efectivas.

  • English

    A Support Vector Machine Regression (SVMR) algorithm was applied to calculate the epicenter distance using a ten seconds signal, after primary waves arrive at a seismological station near to Bogota -Colombia. This algorithm was tested with 863 records of earthquakes, where the input parameters were an exponential function of waveform envelope estimated by least squares and maximum value of recorded waveforms for each component of the seismic station. Cross validation was applied to normalized polynomial kernel functions, obtaining mean absolute error for different exponents and complexity parameters. The epicenter distance was estimated with 10.3 kilometers of absolute error, improving the results previously obtained for this hypocentral parameter. The proposed algorithm is easy to implement in hardware and can be employed directly in the field, generating fast decisions at seismological control centers increasing the possibilities of effective reactions.