Towards an automatic detection system of signals at cotopaxi volcano

• Román Lara-Cueva ^[1] ; Valeria Paillacho-Salazar ^[1] ; Michelle Villalva-Chaluis ^[1]
  1. [1] Grupo de Investigación en Sistemas Inteligentes (WICOM-Energy) y Centro de Investigación de Redes Ad Hoc (CIRAD), Departamento de Eléctrica y Electrónica, Universidad de las Fuerzas Armadas-ESPE, Sangolquí, Ecuador
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 84, Nº. 200, 2017, págs. 176-184
• Idioma: inglés
• Títulos paralelos:
  • Hacia un sistema de detección automática de señales del volcán Cotopaxi
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Actualmente el Volcán Cotopaxi ha experimentado un incremento progresivo en su actividad sísmica, por lo que los especialistas requieren herramientas de alta eficiencia y confiabilidad para la monitorización volcánica. Este artículo presenta una detección basada en clasificación supervisada de los eventos sismo-volcánicos y no volcánicos registrados durante el año 2010. Nuestro algoritmo emplea cuatro características adquiridas por medio de la energía de los coeficientes de aproximación y detalle de la descomposición wavelet analizados con las familias Daubechies y Symlet. La clasificación de eventos fue realizada con el algoritmo de árboles de decisión empleando técnicas embebidas: validación cruzada y podamiento para una reducción del número de características. Los mejores resultados son obtenidos con la aplicación de la wavelet madre Symlet con una exactitud del 99% y una precisión de 98%.

  • English

    Currently, Cotopaxi volcano has increased its seismic activity. Efficient and reliable tools are required for volcano monitoring, and early and effective emergency alerts are necessary. This article presents a supervised classification-based detection of seismic-volcanic and non-volcanic events recorded during 2010. Our algorithm use four features acquired using energy of approximation and detail coefficients of the wavelet decomposition analyzed with Daubechies and Symlet families. The classification of events was performed by the algorithm of decision trees with embedded techniques: cross-validation and pruning for reduction in the number features. The best results are obtained by application of the mother wavelet Symlet with accuracy of 99% and precision of 98%.