DETECCIÓN AUTOMÁTICA DE ONDA P Y S UTILIZANDO MACHINE LEARNING
En la sismología una de las actividades más importantes es la detección de fases sísmicas en los registros sísmicos continuos. Los tiempos de arribo de estas fases permiten estudiar la naturaleza de los terremotos y la estructura interna de la Tierra. Esta actividad ha evolucionado a lo largo del tiempo. Inicialmente, la detección se realizaba mediante un análisis visual. Posteriormente, gracias a los avances tecnológicos, se desarrollaron algoritmos para la detección automática de los arribos de las ondas sísmicas. Recientemente se han impulsado nuevas técnicas para mejorar los algoritmos de detección automática como lo es el Machine Learning. Con este propósito se analizaron algoritmos de selección automática utilizando Machine Learning, que pueden proporcionar un mecanismo más rápido en el análisis de grandes conjuntos de datos, permitiendo una detección y análisis más eficiente de las fases sísmicas. Para lograr esto, se utilizaron las fases de un catálogo sísmico obtenido a partir de los registros sísmicos del experimento Mapping the Rivera Subduction Zone, MARS, para alimentar un algoritmo basado en Machine Learning. Empleando la paquetería SeisBench, para identificar nuevas fases sísmicas de onda P y S, además de detectar sismos que no estaban incluidos en el catálogo original. Se obtuvieron registros de fases de onda P y S, correspondientes a sismos que no se encontraban en el catálogo original. La mayoría de las fases detectadas por el algoritmo corresponden a fases de onda P. Utilizar Machine Learning en la detección de fases sísmicas puede transformar significativamente la precisión y eficiencia del análisis de grandes volúmenes de datos sísmicos.