Neuronas artificiales podrían detectar sismos

Volcán Galeras, uno de los más activos del país. (Foto: U.N.)

Un nuevo software para identificar y clasificar señales emitidas por los volcanes fue creado en la Universidad Nacional (UN) de Colombia. Su particularidad es que utiliza redes neuronales artificiales. Se trata de un trabajo desarrollado por Óscar Ernesto Cadena, magíster en Ciencias (línea de Geofísica), que consiste en aplicar una metodología que combina análisis de predicción lineal (LPC, por sus siglas en inglés) y redes neuronales artificiales (RNA) con el objetivo de detectar y clasificar tres tipos de sismos volcánicos: volcano-tectónicos (VT) tipo A, largo periodo (LP) y tremor (TRE).

El trabajo consistió en diseñar una herramienta computacional orientada a identificar y clasificar automáticamente estas señales sísmicas, para proporcionar información en tiempo real.

Entre sus ventajas está la posibilidad de hallar sismos con arribos emergentes, de corta duración o de bajo nivel energético. La aplicación del método muestra cerca del 100% de acierto para distinguir entre ruido y señal sísmica (fase de detección); del 92% para clasificar entre sismos de largo periodo y volcano-tectónicos; y del 100% para identificar sismos de tipo tremor.

Para alcanzar este tipo de exactitud se utilizaron RNA, que nacieron como producto de un intento por emular ciertas características del cerebro humano desde el punto de vista sensorial.


El magíster precisa que las neuronas, procesadores elementales y relativamente lentos, se agrupan formando capas que, a su vez, crean redes que funcionan como un todo. Esto es lo que se conoce como cerebro. El estilo de procesamiento que utiliza es en paralelo, esto es, varias neuronas pueden activarse al mismo tiempo sin que el sistema colapse por ello.

El conocimiento está ampliamente distribuido en la red, lo que evita grandes pérdidas de información en caso de daños parciales. El cerebro humano tiene la capacidad de adaptarse a las condiciones cambiantes del medio exterior y de aprender nuevas cosas y aplicarlas sobre ese nuevo entorno.

Además, es muy tolerante a los fallos, pues, si una neurona deja de funcionar, no es motivo para que el sistema completo interrumpa su funcionamiento. El mecanismo de control de los procesos es autoorganizado, lo que implica que existen grupos de neuronas especializadas para cada tipo específicos de estos.

La metodología desarrollada por Óscar Ernesto Cadena, con la dirección de la profesora María Cristina Dimaté Castellanos, del Departamento de Geociencias, recrea esas mismas características, pero con algo que han denominado neuronas artificiales.

Explica que una neurona artificial es una unidad elemental de proceso que ejecuta cálculos a partir de un vector de entrada, procedente del exterior, o de otras neuronas. Esta es la base estructural de las RNA.

A partir de esa lógica, la estrategia establecida por Cadena contempla cinco pasos.

En el primero, se plantea la manera de abordar la identificación, los tipos de sismos por clasificar y las señales. En el segundo, se estudia el orden de la predicción lineal para representar adecuadamente las señales.

En el tercero, se diseña y desarrolla un programa que descienda a un nivel operativo estas tareas y se implementa una base de datos para organizar la información emitida por el programa. El cuarto paso aborda el estudio de las topologías de las RNA para las fases de detección y clasificación mediante su entrenamiento con diferentes tipologías.

Finalmente, se procede a desarrollar en línea el proceso de clasificación. Como ejemplo de prueba de la metodología y de la herramienta computacional, se efectuó un ejercicio de clasificación de eventos en una de las estaciones de la red sismológica del volcán Galeras. Sin embargo, su aplicación se puede extender a todas sus estaciones.

Uno de los datos interesantes es que en la fase de detección o clasificación sismo-ruido, el mecanismo utilizado funciona bastante bien, pues logra cerca del 100% de acierto en las pruebas efectuadas, sin importar cuales fueran los parámetros utilizados.

Se observó que en varias ocasiones la localización de un sismo comenzaba segundos antes de que se observara claramente el arribo de sus primeras ondas.

Si bien esto no sugiere que el sistema pueda predecirlos, el método sí encuentra componentes espectrales correspondientes a unidades de sismo en lugares donde no es posible reconocerlos a simple vista. El resultado forma parte de la capacidad de generalización que tienen las RNA. Esta clase de innovaciones son muy valiosas para un país como Colombia, que presenta una fuerte actividad volcánica. 

Fuente: UN/DICYT