Uso de Autoencoders como técnica de caracterização e auxílio na classificação de sismos vulcânicos

• Autor(a) principal: Chaucanes, Paula Andrea Montenegro
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/253299
• topic: Redes neurais artificiais; Parametrização; Sinais sísmicos; Processamento digital de sinais; Sismologia vulcânica; Artificial Neural Networks (ANN); Parameterization; Seismic signals; Digital signal processing; Volcanic seismology

O monitoramento vulcânico é importante na mitigação e prevenção de riscos de erupções, sendo necessária a identificação das fontes internas que geram esse tipo de eventos, bem como a compreensão da dinâmica interna dos vulcões. A sismologia desempenha um papel fundamental no monitoramento vulcânico, mediante a análise de registros dos sinais de sismos gerados nos vulcões. Entretanto, as bases de dados dos observatórios vulcânicos, frequentemente apresentam um desbalanceamento na distribuição dos tipos de sinais sísmicos, devido à prevalência de certos tipos de atividades vulcânicas. Além disso, a alta dimensionalidade de cada evento sísmico torna dispendiosa a análise automática e a classificação destes sinais. Este trabalho de pesquisa aborda desafios como o desbalanceamento de classes e a alta dimensionalidade dos dados sísmicos. Propõe-se o usa de um Autoencoder Dual de características (DAF) para caracterização dos sinais, visando obter representações compactas dos sinais para garantir maior definição das classes. O objetivo é contribuir na classificação dos sinais por meio de um modelo de rede neural Multi Layer Perceptron (MLP). A técnica de caracterização proposta, DAF, é comparada com métodos convencionais como são LPC (Linear Predictive Coding), LFCC (Lineal Frequency Cepstral Coefficient) e PCA (Principal Component Analysis), com base em uma base de dados de sinais de sismos vulcânicos do vulcão Galeras. Adicionalmente, foram realizados restes com dados externos do vulcão Etna e vulcão Volcano para avaliar a técnica de caracterização e o modelo de classificação proposto.