Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/21522
Title: Generación de señales volcánicas artificiales a partir de una base de datos del volcán Cotopaxi usando un modelo GAN (Generative Adversarial Network)
Authors: Ramos Pacheco, Washington Geovanny
Keywords: ACTIVIDAD VOLCÁNICA
EVENTOS MICROSÍSMICOS
PROGRAMACIÓN
Issue Date: 23-Mar-2021
Publisher: Quito, 2021.
Citation: Ramos Pacheco, W. G. (2021). Generación de señales volcánicas artificiales a partir de una base de datos del volcán Cotopaxi usando un modelo GAN (Generative Adversarial Network). 63 hojas. Quito : EPN.
Abstract: With the growing ability to collect large volumes of volcano seismic data, the detection and labeling process of these records is increasingly challenging. Clearly, analyzing all available data through manual inspection is no longer a viable option. Supervised machine learning models might be considered to automatize the analysis of data acquired by in situ monitoring stations. However, the direct application of such algorithms is challenging, given the high complexity of waveforms, and the scarce and often unbalanced amount of labeled data. In light of this and taking into account by the wide success that Generative Adversarial Networks (GANs) have seen at generating images, a GAN model is presented to generate the magnitude frequency response of volcanic events. The experiments demonstrate that the GAN models learns to generate the frequency components that characterize Long Period (LP) and Volcano Tectonic (VT) events from Cotopaxi volcano. The GAN performance is evaluated during the training stage using Frechet Distance and later a reconstruction of the signals into time-domain to be finally evaluated with Frechet Inception Distance (FID).
Description: Con la creciente capacidad de recopilar grandes volúmenes de datos sísmicos de volcanes, el proceso de detección y etiquetado de estos registros es cada vez más desafiante. Claramente, analizar todos los datos disponibles mediante la inspección manual ya no es una opción viable. Se pueden considerar modelos de aprendizaje automático supervisado para automatizar el análisis de los datos adquiridos por las estaciones de monitoreo in situ. Sin embargo, la aplicación directa de tales algoritmos es un desafío, dada la alta complejidad de las formas de onda y la escasa y, a menudo, desequilibrada cantidad de datos etiquetados. A la luz de esto y tomando en cuenta el gran éxito que las Redes Generativas Antagónicas (GAN) han tenido en la generación de imágenes, se presenta un modelo GAN para generar la magnitud de la respuesta en frecuencia de eventos volcánicos. Los experimentos demuestran que este modelo GAN aprende a generar los componentes de frecuencia que caracterizan los eventos Long-Period (LP) y Volcano-Tectonic (VT) del volcán Cotopaxi. Se evalúa el rendimiento de la GAN durante la etapa de entrenamiento usando Frechet Distance y luego se reconstruyen las señales en el dominio del tiempo para ser finalmente evaluadas con Frechet Inception Distance (FID).
URI: http://bibdigital.epn.edu.ec/handle/15000/21522
Appears in Collections:Tesis Electrónica y Telecomunicaciones (ET)

Files in This Item:
File Description SizeFormat 
CD 11015.pdf5,72 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.