LOCALIZACIÓN DE EVENTOS SÍSMICOS CON UNA SOLA ESTACIÓN UTILIZANDO UN MODELO MIXTO GUIADO POR REDES NEURONALES
Presentamos un enfoque novedoso para la localización de terremotos utilizando datos de una sola estación. Nuestra metodología integra dos redes neuronales, cada una con propósitos distintos: la primera para predecir coordenadas espaciales preliminares de la actividad sísmica y la otra para identificar fases sísmicas. Estas predicciones y una función de verosimilitud tridimensional (3D) de tiempo de viaje se integran dentro de un marco bayesiano. La validación experimental de nuestra metodología se llevó a cabo utilizando datos sísmicos de la secuencia de terremotos de Ridgecrest 2019, lo que arrojó resultados prometedores para la localización de terremotos con una sola estación. Nuestro enfoque subraya la eficacia de emplear un modelo bayesiano complementado con a prioris iniciales informados derivados de algoritmos de aprendizaje profundo, especialmente en escenarios que requieren toma de decisiones rápidas. Es importante destacar que nuestra metodología combina la potencia del aprendizaje profundo para estimaciones preliminares con el refinamiento probabilístico de la localización tridimensional de eventos sísmicos.