Fast Determination of Earthquake Depth Using Seismic Records of a Single Station, Implementing Machine Learning Techniques

• Autores: Luis Hernán Ochoa, Luis Fernando Niño V., Carlos Alberto Vargas Jiménez
• Localización: Ingeniería e Investigación, ISSN-e 2248-8723, ISSN 0120-5609, Vol. 38, Nº. 2, 2018, págs. 97-103
• Idioma: inglés
• Títulos paralelos:
  • Determinación rápida de la profundidad de un terremoto utilizando registros sísmicos de solo una estación implementando técnicas de aprendizaje de máquina
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El propósito de esta investigación es aplicar métodos de máquinas de vector de soporte (MVS) para determinar rápidamente las profundidades de terremotos utilizando registros sísmicos de la estación El Rosal, cerca de la ciudad de Bogotá – Colombia. El algoritmo fue entrenado con descriptores de señales de tiempo de 863 eventos sísmicos adquiridos entre enero de 1998 y octubre de 2008; solo se contemplaron terremotos de magnitudes ≥ 2 M_L, filtrando sus señales para remover diversos tipos de ruidos no relacionados con temblores terrestres. Durante las etapas de entrenamiento de la MVS varias combinaciones del exponente de la función kernel y factor de complejidad fueron considerados para señales de tiempo de 5, 10 y 15 segundos junto con terremotos de magnitudes 2.0, 2.5, 3.0 y 3.5 M_L. La mejor clasificación de la MVS fue obtenida utilizando señales de tiempo de 15 segundos y terremotos de magnitudes 3.5 M_L con exponente kernel de 10 y factor de complejidad de 2, mostrando precisión de 0,6 ± 16,5 kilómetros, lo cual es suficientemente bueno para ser utilizado en un sistema de alerta temprana para la ciudad de Bogotá. Se recomienda proveer este modelo con eventos sísmicos recientes, con la finalidad de mejorar su precisión. 

  • English

    The purpose of this research is to apply a new approach to make a fast determination of earthquake depth using seismic records of the “El Rosal” station, near to the city of Bogota – Colombia, by applying support vector machine regression (SVMR). The algorithm was trained with descriptors obtained from time signals of 863 seismic events acquired between January 1998 and October 2008; only earthquakes with magnitude ≥ 2 were contemplated, filtering its signals to remove diverse kind of noises not related to earth tremors. During training stages of SVMR several combinations of kernel function exponent and complexity factor were considered for time signals of 5, 10 and 15 seconds along with earthquake magnitudes of 2.0, 2.5, 3.0 and 3.5 (Ml). The best classification of SVMR was obtained using time signals of 15 seconds and earthquake magnitudes of 3.5 with kernel exponent of 10 and complexity factor of 2, showing accuracy of 0.6 ± 16.5 kilometers, which is good enough to be used in an early warning system for the city of Bogota. It is recommended to provide this model with a previous phase of deep-shallow classification.