Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Abreo Carrillo, Sergio AlbertoRamírez Silva, Ana BeatrizMantilla Parra, Juan JoséVargas Blanco, Miguel Rodrigo2023-03-032023-03-032023-03-022023-03-02https://noesis.uis.edu.co/handle/20.500.14071/12362Este trabajo se basa en la detección de primeros arribos en trazas sismológicas registradas en el Catálogo Sísmico Colombiano utilizando redes neuronales artificiales. Dada la gran cantidad de eventos sísmicos que se generan y registran diariamente; y el largo proceso que implica el análisis manual de los eventos para poder determinar el primer arribo, se han desarrollado algoritmos y herramientas que permiten la extracción de información de estos eventos de manera automática. En este proyecto, se consideran las diferentes condiciones en las que se obtienen los datos y lo que implica la presencia de ruido en la traza, que dificulta la correcta detección del primer arribo. Adicionalmente, se realiza una descarga, organización y clasificación de eventos sismológicos reportados por el Servicio Geológico Colombiano y publicados en el Catálogo Sísmico Colombiano, para el entrenamiento, validación y evaluación de la red neuronal. La red neuronal utilizada tiene como entrada los canales del evento sismológico, un filtro pasa bajas y una serie de transformadas que luego son ingresadas a una arquitectura que fusiona dos estrategias dando como resultado una secuencia de capa convolucional 1D, maxpooling 1D, capa flatten y dos capas densas, en donde se adicionan capas de dropout. En este trabajo se evalúan los resultados de la predicción de la red para diferentes escenarios de entrenamiento, en los cuales se varían: tamaño de la entrada y salida de la red, número de transformadas Wavelet, diferentes tipos de etiquetas para identificar el primer arribo en los datos de entrenamiento, además de evaluar diferentes conjuntos de datos de tanto para entrenamiento como para reentrenamiento, que incluyen tanto trazas del Catálogo Sísmico Colombiano como del STanford EArthquake Dataset (STEAD). Como resultado, se obtiene un error promedio mínimo en el número de muestras en la predicción para el conjunto de datos crudos reales del Servicio Geológico Colombiano de 227 muestras, incluido el error intrínseco de los datos que provee el Catálogo Sísmico Colombiano como resultado de la precisión de la estampa de tiempo empleada para identificar el primer arribo en los eventos registrados.application/pdfspaRedes NeuronalesPicado de primeros arribosGeofísicaTrazas SismológicasTensorFlowKerasUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coNeural NetworksFirst Arrival PicksGeophysicsTensorFlowKerashttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)