Automatic multichannel volcano-seismic classification using machine learning and emd

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Lara, Pablo Eduardo Espinoza
Orientador(a): Fernandes, Carlos Alexandre Rolim
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Vulcão
Sinais sísmicos
Domínio cepstral
Domínio espectral
Domínio temporal
Decomposição do modo empírico
Aprendizado de máquina
Link de acesso: http://www.repositorio.ufc.br/handle/riufc/51894
Resumo: LARA, P. E. E. Automatic multichannel volcano-seismic classification using machine learning and emd. 2020. 73 f. Dissertação ( Mestrado em Engenharia Elétrica e de Computação), Universidade Federal do Ceará, Sobral, 2020.
id UFC-7_428cc1c03c2ef13ef9d7fd9e6dd4894c
oai_identifier_str oai:repositorio.ufc.br:riufc/51894
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Lara, Pablo Eduardo EspinozaCallupe, Adolfo InzaFernandes, Carlos Alexandre Rolim2020-05-21T22:33:58Z2020-05-21T22:33:58Z2020LARA, P. E. E. (2020)http://www.repositorio.ufc.br/handle/riufc/51894LARA, P. E. E. Automatic multichannel volcano-seismic classification using machine learning and emd. 2020. 73 f. Dissertação ( Mestrado em Engenharia Elétrica e de Computação), Universidade Federal do Ceará, Sobral, 2020.This research proposes the design of an automatic classifier using the empirical mode decomposition (EMD) along with machine learning techniques for identifying the five most important types of events of the Ubinas volcano, the most active volcano in Peru. The proposed method uses attributes from temporal, spectral and cepstral domains, extracted from the EMD of the signals, as well as a set of pre-processing and instrument correction techniques. Due to the fact that multichannel sensors are currently being installed in seismic networks worldwide, the proposed approach uses a multichannel sensor to perform the classification, contrary to the usual approach of the literature of using a single channel. The presented method is scalable to use data from multiple stations with one or more channels. The principal component analysis (PCA) method is applied to reduce the dimensionality of the feature vector and the supervised classification is carried out by means of several machine learning algorithms, the support vector machine (SVM) providing the best results. The presented investigation was tested with a large database that has a considerable number of explosion events, measured at the Ubinas volcano, located in Arequipa, Peru. The proposed classification system achieved a success rate of more than 90%.Esta pesquisa propõe o design de um classificador automático usando a decomposição do modo empírico (EMD), juntamente com técnicas de aprendizado de máquinas para identificar os cinco tipos de eventos mais importantes do vulcão Ubinas, o vulcão mais ativo no Peru. O método proposto utiliza atributos dos domínios temporal, espectral e cepstral, extraídos da EMD dos sinais, bem como um conjunto de técnicas de pré-processamento e correção de instrumentos. Devido ao fato de atualmente sensores multicanais estarem sendo instalados em redes sísmicas em todo o mundo, a abordagem proposta utiliza sensores multicanal para realizar a classificação, ao contrário da abordagem usual da literatura de usar um único canal. O método apresentado é escalável para usar dados de várias estações com um ou mais canais. O método de análise de componentes principais (PCA) é aplicado para reduzir a dimensionalidade do vetor de características e a classificação supervisionada é realizada por meio de vários algoritmos de aprendizado de máquinas, sendo que a Máquina de Vetores de Suporte (SVM) fornece os melhores resultados. A investigação apresentada foi testada com um grande banco de dados que possui um número considerável de eventos de explosão, medidos no vulcão Ubinas, localizado em Arequipa, Peru. O sistema de classificação proposto alcançou uma taxa de sucesso superior a 90%.VulcãoSinais sísmicosDomínio cepstralDomínio espectralDomínio temporalDecomposição do modo empíricoAprendizado de máquinaAutomatic multichannel volcano-seismic classification using machine learning and emdinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisengreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccessORIGINAL2020_dis_peelara.pdf2020_dis_peelara.pdfLARA, P. E. E. Automatic multichannel volcano-seismic classification using machine learning and emd. 2020. 73 f. Dissertação ( Mestrado em Engenharia Elétrica e de Computação), Universidade Federal do Ceará, Sobral, 2020.application/pdf9029792http://repositorio.ufc.br/bitstream/riufc/51894/1/2020_dis_peelara.pdfd48a82b04f63fb308f408312036e3c2eMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.ufc.br/bitstream/riufc/51894/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52riufc/518942020-05-21 19:33:59.054oai:repositorio.ufc.br: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Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2020-05-21T22:33:59Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.pt_BR.fl_str_mv Automatic multichannel volcano-seismic classification using machine learning and emd
title Automatic multichannel volcano-seismic classification using machine learning and emd
spellingShingle Automatic multichannel volcano-seismic classification using machine learning and emd
Lara, Pablo Eduardo Espinoza
Vulcão
Sinais sísmicos
Domínio cepstral
Domínio espectral
Domínio temporal
Decomposição do modo empírico
Aprendizado de máquina
title_short Automatic multichannel volcano-seismic classification using machine learning and emd
title_full Automatic multichannel volcano-seismic classification using machine learning and emd
title_fullStr Automatic multichannel volcano-seismic classification using machine learning and emd
title_full_unstemmed Automatic multichannel volcano-seismic classification using machine learning and emd
title_sort Automatic multichannel volcano-seismic classification using machine learning and emd
author Lara, Pablo Eduardo Espinoza
author_facet Lara, Pablo Eduardo Espinoza
author_role author
dc.contributor.co-advisor.none.fl_str_mv Callupe, Adolfo Inza
dc.contributor.author.fl_str_mv Lara, Pablo Eduardo Espinoza
dc.contributor.advisor1.fl_str_mv Fernandes, Carlos Alexandre Rolim
contributor_str_mv Fernandes, Carlos Alexandre Rolim
dc.subject.por.fl_str_mv Vulcão
Sinais sísmicos
Domínio cepstral
Domínio espectral
Domínio temporal
Decomposição do modo empírico
Aprendizado de máquina
topic Vulcão
Sinais sísmicos
Domínio cepstral
Domínio espectral
Domínio temporal
Decomposição do modo empírico
Aprendizado de máquina
description LARA, P. E. E. Automatic multichannel volcano-seismic classification using machine learning and emd. 2020. 73 f. Dissertação ( Mestrado em Engenharia Elétrica e de Computação), Universidade Federal do Ceará, Sobral, 2020.
publishDate 2020
dc.date.accessioned.fl_str_mv 2020-05-21T22:33:58Z
dc.date.available.fl_str_mv 2020-05-21T22:33:58Z
dc.date.issued.fl_str_mv 2020
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv LARA, P. E. E. (2020)
dc.identifier.uri.fl_str_mv http://www.repositorio.ufc.br/handle/riufc/51894
identifier_str_mv LARA, P. E. E. (2020)
url http://www.repositorio.ufc.br/handle/riufc/51894
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
bitstream.url.fl_str_mv http://repositorio.ufc.br/bitstream/riufc/51894/1/2020_dis_peelara.pdf
http://repositorio.ufc.br/bitstream/riufc/51894/2/license.txt
bitstream.checksum.fl_str_mv d48a82b04f63fb308f408312036e3c2e
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1847793054549803008

Registros relacionados