Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Reyes Torres, Óscar MauricioAbreo Carrillo, Sergio AlbertoReyes Cachopo, Óscar FabiánRincón Zambrano, Silvia Janeth2022-09-172022-09-172022-09-152022-09-15https://noesis.uis.edu.co/handle/20.500.14071/11509Este trabajo se centra en la detección de primeros arribos de un conjunto de datos sísmicos generados sintéticamente con características del Valle Medio del Magdalena mediante el uso de redes neuronales artificiales. Para ello, se estudian los diferentes conceptos y elementos que conforman el evento sísmico permitiendo la obtención de atributos que entregan información en la detección del primer arribo. Dentro de la adquisición sísmica, la presencia de ruido enmascara el pulso que corresponde al primer arribo, lo que dificulta la tarea de detección y hace necesario que un experto realice esta labor de forma manual. Sin embargo, el gran volumen de datos sísmicos, el tiempo requerido y los diversos criterios de selección basados en la subjetividad del operador, producen picados sesgados que aumentan la posibilidad de errores durante el proceso, haciendo adecuado el uso de herramientas que faciliten la detección de forma automática. La arquitectura de la red solución es obtenida a partir de la unión de dos estrategias encontradas en el estado del arte. La primera plantea una detección a partir de información de la traza cruda y un conjunto de transformaciones mediante el uso de redes densamente conectadas. La segunda consiste en una red convolucional la cual realiza la detección haciendo uso de filtro pasa bajas, la traza cruda y 31 transformaciones Wavelet. Estas estrategias determinan los primeros arribos analizando las trazas sísmicas individualmente. Nuestra propuesta consiste en una red solución conformada por una secuencia de capa convolucional 1D, maxpooling 1D, capa flatten y dos capas densas. Los parámetros e hiperparámetros de la red son seleccionados mediante múltiples iteraciones y experimentos, llegando así a la identificación del tiempo de llegada de la onda refractada con el uso de transformadas Wavelet, filtro pasa bajas y las trazas sísmicas normalizadas. Finalmente con esta solución se logra alcanzar aciertos con un error máximo de cinco muestras en el 81,08% de 4108 trazas sísmicas con 1251 muestras y niveles de ruido entre el rango de 6 dB a 10 dB. Adicionalmente se evalúa la red variando la relación señal a ruido entre 0, 3, 6, 10 y 20 dB, proporcionando aciertos del 61,85% , 72,03% , 77,67% , 82,78% y 85,10% respectivamente con errores máximos de 5 muestras frente al arribo verdadero.application/pdfspainfo:eu-repo/semantics/openAccessRedes NeuronalesPicado de primeros arribosGeofísicaTrazas SísmicasTensorFlowKerasTransformada WaveletUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coNeural NetworksFirst Arrival PicksGeophysicsSeismogramsSeismic TracingTensorFlowKerasWavelet transformhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)