Artificial intelligence and complex network- based model for seismicity analysis in the colombian region
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Resumen en inglés
Research about Earthquake Networks has been carried on for many years, and they have been proved as a tool to analyze the seismicity. However, there has been no comprehensive integration of this representation with artificial intelligence methods to model the dynamics of seismicity. This thesis presents a novel approach to find how Earthquake Networks, supported by Machine Learning methods, can be used to look into the dynamics of the seismicity in the Colombian region. This thesis shows how can Earthquake Networks be constructed to represent the seismicity in the region of study. The information of such networks has been analyzed, contrasting their characteristics with the variations of the seismicity in time, in order to find an appropriate way of creating the Earthquake Networks. Also, data analysis of a seismic catalog is performed to develop an annotation schema and a pipeline for the application of Machine Learning algorithms with Earthquake Networks information. The outputs of the Machine Learning models trained have been analyzed using different metrics, and some models appeared fit to forecast some aspects of the seismicity such as the seismic energy released by the expected events, or the moment of occurrence of the next event. The findings indicate that earthquake networks, combined with machine learning techniques, can provide valuable insights into seismic behavior, and may serve as a predictive tool for seismic monitoring. These models can potentially be integrated into real-time systems for seismic observatories, offering forecasting and alerts to users of interest.
Resumen en español
La investigación sobre las redes sísmicas se ha llevado a cabo durante muchos años y se ha demostrado que son una herramienta para analizar la sismicidad. Sin embargo, no ha habido una integración integral de esta representación con métodos de inteligencia artificial para modelar la dinámica de la sismicidad. Esta tesis presenta un enfoque novedoso para encontrar cómo las redes sísmicas, apoyadas en métodos de aprendizaje automático, pueden usarse para investigar la dinámica de la sismicidad en la región colombiana. Esta tesis muestra cómo se pueden construir redes sísmicas para representar la sismicidad en la región de estudio. Se ha analizado la información de dichas redes, contrastando sus características con las variaciones de la sismicidad en el tiempo, con el fin de encontrar una forma adecuada de crear las Redes Sísmicas. Además, se realiza un análisis de datos de un catálogo sísmico para desarrollar un esquema de anotación y una canalización para la aplicación de algoritmos de Machine Learning con información de Redes Sísmicas. Los resultados de los modelos de aprendizaje automático entrenados se han analizado utilizando diferentes métricas, y algunos modelos parecían adecuados para pronosticar algunos aspectos de la sismicidad, como la energía sísmica liberada por los eventos esperados o el momento de ocurrencia del próximo evento. Los hallazgos indican que las redes sísmicas, combinadas con técnicas de aprendizaje automático, pueden proporcionar información valiosa sobre el comportamiento sísmico y pueden servir como una herramienta predictiva para el monitoreo sísmico. Estos modelos pueden integrarse potencialmente en sistemas en tiempo real para observatorios sísmicos, ofreciendo pronósticos y alertas a los usuarios de interés.