OPTIMIZACIÓN DE ARQUITECTURAS DE REDES NEURONALES PARA LA DETECCIÓN DE EVENTOS SÍSMICOS USANDO ALGORITMOS EVOLUTIVOS
La detección automática de eventos sísmicos es esencial para la vigilancia y mitigación de riesgos en regiones tectónicas y volcánicas activas.. Se presenta un enfoque basado en la Búsqueda Evolutiva de Arquitecturas Neuronales (ENAS), utilizando el algoritmo NSGA-III para optimizar la arquitectura de redes neuronales aplicadas a la detección de eventos sísmicos en señales de sismómetros de fondo oceánico (OBS) distribuidos en las Islas Eolias.
El preprocesamiento de los datos incluye la Transformada Wavelet Discreta (DWT) para la extracción de características y el Análisis de Componentes Principales (PCA) para la reducción de dimensionalidad.
El trabajo está enfocado en mejorar la precisión de detección mediante la optimización continua de la arquitectura y la implementación de técnicas avanzadas de preprocesamiento. Aunque los resultados actuales son modestos, se espera que las mejoras en curso conduzcan a una detección más confiable y eficiente de eventos sísmicos.