Evaluación de Técnicas de Extracción de Características Orientado a la Clasificación de Señales Sísmico-volcánicas del Volcán Nevado del Ruiz

Abstract

Abstract: Currently, researches have been carried out on automatic classification of seismic-volcanic events -mainly based on machine learning techniques- aimed at identifying the nature of the recorded event. In this work, a methodology for comparing features extraction techniques is developed aimed at the discrimination of seismic events of volcanic origin. The set of attributes is optimized by selecting characteristics by assigning weights. [...]classification performance measures were obtained to determine the subset of characteristics that best represent and discriminate the signals.

Headnote

Resumen: Actualmente, se han llevado a cabo investigaciones sobre la clasificación automática de eventos sísmico-volcánicos, basados principalmente en técnicas de aprendizaje automático, con el objetivo de identificar la naturaleza del evento registrado. En este artículo, se han introducido varios enfoques. Sin embargo, debido a la variabilidad de estas señales, todavía no existe un método concluyente de caracterización, y de hecho es un problema de investigación abierto y desafiante. En este trabajo, se desarrolla una metodología para comparar las técnicas de extracción de características con el objetivo de discriminar los eventos sísmicos de origen volcánico. Se utiliza la representación de las señales en el dominio del tiempo, frecuencia, frecuencia de tiempo y Cepstral. El conjunto de atributos se optimiza seleccionando características mediante la asignación de pesos. Una clasificación supervisada se ejecuta utilizando registros conocidos. Finalmente, se obtienen medidas de rendimiento de clasificación para determinar el subconjunto de características que mejor representan y discriminan las señales.

Palabras-clave: Caracterización, Cepstral, Clasificación, Machine Learning, Sísmico-volcánicas.

Abstract: Currently, researches have been carried out on automatic classification of seismic-volcanic events -mainly based on machine learning techniques- aimed at identifying the nature of the recorded event. In this sense, several approaches have been introduced. Nonetheless, due to these signals' variability, there is no still a conclusive method of characterization, and it is in fact an open and challenging research problem. In this work, a methodology for comparing features extraction techniques is developed aimed at the discrimination of seismic events of volcanic origin. Representation of the signals in the domain of time, frequency, time-frequency and Cepstral is used. The set of attributes is optimized by selecting characteristics by assigning weights. A supervised classification is executed using known records. Finally, classification performance measures were obtained to determine the subset of characteristics that best represent and discriminate the signals.

Keywords: Characterization, Cepstral, Classification, Machine Learning, Seismicvolcanic.

(ProQuest: ... denotes formulae omitted.)

1.Introducción

Un volcán activo representa un riesgo potencial para las poblaciones cercanas, por esta razón, es necesario e importante una vigilancia continua y en tiempo real con el propósito de declarar alertas tempranas de riesgo para la humanidad (Hibert, 2017). Generalmente, el estudio de la sismicidad volcánica es la principal herramienta de monitoreo, dado que el análisis de las diferentes señales sísmico-volcánicas aporta información significativa de los acontecimientos al interior y fuera del edificio volcánico (Malfante, Dalla & Metaxion, 2018). El monitoreo volcánico, a menudo, se lleva a término con la implementación de estaciones sísmicas y observatorios, siendo las primeras las encargadas en detectar, registrar y, posteriormente, trasmitir los datos. Una estación sísmica registra cientos de eventos sísmicos al día de un volcán que esté presentando una alteración en su actividad (Thompson, 2015). La cantidad de información de la actividad sísmica de un volcán hace que su procesamiento en los observatorios no se ejecute con rapidez, debido a que éste es realizado manualmente por analistas expertos (Hibert 2017). Basados en su experiencia, bus-can aspectos como: cambio en la velocidad, tamaño, forma de onda, duración, localización, entre otros, con el propósito de describir el evento volcánico. Siendo, entonces, de gran importancia el aprovechamiento de la información proveniente del volcán, se ve necesario implementar métodos automáticos con el objetivo de procesar y clasificar las señales sísmicas, ya sea de manera autónoma o en conjunto con los expertos de los observatorios.

En la literatura se evidencian varias investigaciones que contribuyen a la automatización de la identificación y clasificación de sismos volcánicos, que pueden facilitar y agilizar el procesamiento de los datos, aunque el rendimiento entre ellas es altamente variable. Autores muestran diversos enfoques en aprendizaje automático usando técnicas como las redes neuronales artificiales (ANN, Artificial Neural Networks). En (Ibs-von, 2008), por ejemplo, usa una ANN simple; estructura que consiste en una entrada, una capa oculta y una salida que devuelve un vector de pertenencia a una clase. Los parámetros que describen las características de cada evento fueron interpretados desde un operador experto, donde se encuentran características como la duración de cada evento, las frecuencias dominantes, la impulsividad de la señal entre otras, obteniendo un rendimiento de clasificación entre el 80% y 95%. Así mismo, Curilem et al, (2014) y Falsaperla, Graziani, Nunnari & Spampinato, (1996) utilizaron una red neuronal perceptron multicapa alcanzando sensibilidades entre 89% y 93%, respectivamente.

Por otra parte, Hiber (2017) validó el rendimiento del algoritmo de aprendizaje automático árboles de decisión (RF, Random Forest), para clasificar dos tipos de eventos: volcano-tectónicos (VT) y caída de rocas (Rock-fall), en el volcán Pitón de la Fournaise en Francia. El clasificador se entrena a partir de 60 atributos en los que se en-cuentran forma de onda, características espectrales, seudo-espectrales y polaridad, donde el rendimiento se mantuvo por encima del 90%. Técnicas como los modelos ocultos de Markov (HMM, Hidden Markov Model) se han utilizado en varios estudios como el realizado en el volcán de la isla Decepción en la Antártida (Benítez et al., 2007), alcanzando rendimientos entre 90% y 95%. En las investigaciones de (Curilem et al., 2014 & Malfante, et al., 2018) se trabajó con técnicas de machine learning bajo el algoritmo máquinas de vectores de soporte (SVM, Support Vector Machines) utilizando métodos supervisados alcanzando porcentajes de clasificación entre el 80% y 90%. Otros autores han demostrado que las características espectrales representan mejor los sismos volcánicos, como el trabajo desarrollado por (Falsaperla, et al., 1996). También existen estudios en los que la forma de onda ha resultado ser un atributo altamente discriminante, como en (Curilem et al., 2014). Asimismo, se encuentran investigaciones que muestran una mejor representación usando un conjunto de atributos de diferente naturaleza, como en los trabajos (Malfante, et al., 2018; Hiber, 2017).

Aunque los estudios mencionados muestran una aceptación de los algoritmos de clasificación con respecto a las señales sísmico-volcánicas, es difícil considerar cuál sería la más conveniente, ya que cada estudio sigue una metodología diferente, aplicadas a diferentes bases de datos, donde tienen en cuenta aspectos variables como el número de tipo de eventos a clasificar, el entrenamiento de los clasificadores y la forma de relacionar el vector de características, que es parte fundamental y principal del sistema de clasificación. Lo anterior, demuestra la variabilidad de las señales sísmicas de volcán a volcán, dejando el tema abierto para nuevas investigaciones que puedan acercar a la búsqueda de las características más representativas en las señales trabajadas con el propósito de obtener una buena clasificación.

En este trabajo se desarrolló un sistema de reconocimiento de patrones mediante técnicas de clasificación supervisada, con el objeto de determinar las características más representativas de cada tipo de evento. Se implementaron y compararon técnicas de extracción de características utilizando representaciones en el dominio del tiempo, frecuencia, tiempo-frecuencia y Cepstral. Se utilizó una base de datos que contiene señales sísmicas provenientes del volcán Nevado del Ruiz, segmentadas y clasificadas por expertos del observatorio vulcanológico de Manizales (OVSM), con la que se realizó una clasificación bi-clase, y se evaluó mediante medidas de desempeño tradicionales de clasificación automática.

2.Materiales y métodos

En esta sección se describe el diagrama propuesto para estudiar la efectividad de la caracterización, orientada a la identificación de eventos sísmico-volcánicos, a través de técnicas de aprendizaje automático. Se realizaron las siguientes etapas: caracterización, selección de características y clasificación, tal como se muestra en la Figura 1.

2.1.Base de datos

Se trabajó sobre una base de datos facilitada por el Observatorio Vulcanológico y Sismológico de Manizales (OVSM), aquí se registró la actividad del volcán Nevado del Ruiz durante el año 2015. Los registros se hacen con las diferentes componentes o ejes del sismómetro, cada eje se identifica como Z (vertical), E (East), y N (North); y según corresponde al nombre de la estación que registró el evento. Para este caso los eventos fueron grabados por 11 estaciones vulcanológicas que según la base de datos tienen las siglas: OLL, TOL, LIS, BIS, ELA, ALF, RC3, CL2, GLA, REB, OC2, en los 3 ejes, de este modo la base de datos original contiene 7081 señales.

Debido a esto hay una gran variedad de señales que no son exactamente iguales, sino replicadas en ejes con diferentes direcciones, por ende, se debía escoger una estación y un eje. En este estudio se eligió la estación Olleta (OLL) y el eje Z, esto fue sugerido por el observatorio sismológico, por lo tanto, la base de datos se redujo a 1871 registros individuales con 7 clases. Estos datos fueron adquiridos con una frecuencia de muestreo de 100 Hz. Los registros están etiquetados de la siguiente manera: Volcano tectónico (VT), Tremor (TR), Largo periodo (LP), Desprendimiento de hielos (IC), Híbridos (HB), Sismos múltiples (SM), Explosiones (EX). A continuación, en la tabla 1 se muestras la cantidad de señales por cada clase.

Como se observa en la tabla 1, la base de datos no está balanceada debido a que las clases no tienen igual número de registros, por este motivo y para efectos de clasificación se decidió trabajar con las 4 clases que tienen igual número de registros tales como: VT, TR, LP, IC.

2.2.Extracción de características

Las señales sísmicas son señales no estacionarias y transitorias que presentan frecuencias y amplitudes variantes a lo largo del registro. Tratando de encontrar un grupo discriminativo de características, se trabajó técnicas de extracción en diferentes representaciones. Se recopiló de diferentes fuentes investigativas de caracterización de eventos sismo-volcánicos, las características que, de acuerdo a los autores, basados en los experimentos y la experiencia de los científicos de los observatorios son las recomendadas para el tipo de señal trabajada. En este trabajo se presenta un grupo de características en diferentes dominios: tiempo, frecuencia, tiempo-frecuencia y Cepstral. En la tabla 1 se muestra las características extraídas a cada evento, de acuerdo a la representación aplicada, Tiempo, Frecuencia (espectro), Tiempo-Frecuencia (espectrograma), y los coeficientes cepstrales de frecuencias de MEL (MFCC por sus siglas en ingles).

2.3.Selección de características

Para eliminar la información redundante de la matriz principal y evitando que el algoritmo de clasificación pierda eficiencia y velocidad, se realizó una selección de características.

El algoritmo de RELIEFF desarrollado por Kira y Rendell en 1992, y modificado por Kononenko en 1994, pondera cada característica de acuerdo con su contribución de Robnik y Kononenko (2003). La ponderación de este algoritmo selecciona una muestra de los datos e identifica la muestra vecina más cercana a la que pertenece y la muestra vecina más cercana que pertenece de clase opuesta. Un cambio en el valor de la característica acompañado de un cambio en la clase conduce a una ponderación del atributo basada en el cambio de atributo podría ser responsable del cambio de clase. Por otro lado, un cambio en el valor del atributo sin ningún cambio en la clase conduce a una ponderación menor del atributo basado en la observación de que el cambio de atributo no tuvo efecto en la clase. Este procedimiento de actualización del peso se realiza para todos los datos. Las actualizaciones de peso se promedian para que el peso final esté en el rango [-1, 1]. Finalmente, para facilitar el análisis de los resultados, se realiza el respectivo ordenamiento de las características con sus respectivos pesos de mayor a menor. La característica con mayor peso representa la característica con mayor relevancia según Roa y Loaiza (2011) dando la oportunidad de experimentar con diferentes grupos de características de acuerdo a su ponderación.

2.4.Clasificación

Desde el punto de partida de los atributos seleccionados, se procede a realizar la clasificación a partir de métodos supervisados; es decir, se tiene en cuenta un conocimiento a priori para determinar si un objeto pertenece a una o a otra. En este trabajo se presentan dos experimentos con el fin de medir el efecto de las técnicas de caracterización en la asignación de etiqueta de clase. Se ejecutó una clasificación bi-clase y una multiclase, empleando una partición del 80% de la base de datos como datos de prueba y el 20% restante para validación.

Se hizo una selección de los clasificadores, definidos en el espacio de características, que mejor generalizaron las técnicas simples de reconocimiento de patrones. Los clasificadores utilizados en este estudio fueron:

* Clasificador normal lineal (LDC)

Este clasificador asume que todas las clases se caracterizan por múltiples distribuciones normales con igual matriz de covarianza S. Partiendo de un problema de dos clases, el clasificador LDC (Tilling, 1989), es matemáticamente expresado así:

... (1)

Donde:

P(i), i = 1,2 es la probabilidad a priori

* Clasificador normal cuadratico (QCD)

Este clasificador asume que las clases tienen múltiples distribuciones normales, pero cada una es caracterizada por una matriz de covarianza diferente. Partiendo de un problema de dos clases, el clasificador QDC, se expresa matemáticamente como se muestra en la ecuación 2:

... (2)

* Maquina de soporte vectorial (SVM)

Este se basa en una sólida base teórica llamada minimización del riesgo empírico (ERM), cuyo objetivo es maximizar las distancias de los objetos de entrenamiento al clasificador (McDaid, Greene & Hurley, 2011). Gracias a la función Kernel que implementa, busca un hiperplano que separe los puntos de una clase de otra de la forma más óptima, teniendo en cuenta la característica fundamental, es decir, este tipo de algoritmos buscan el hiperplano que tenga la máxima distancia con los puntos que estén más cerca del mismo, siendo previamente proyectado a un espacio de dimensión superior (Bishop, 2006; Subba, 2011). Dada su naturaleza, el clasificador SVM es muy funcional en clasificaciones bi-clase.

* K vecinos más cercanos (KNN)

El algoritmo clasifica cada nuevo dato en el grupo que corresponda, según tenga k vecinos más cerca de un grupo o de otro. Es decir, calcula la distancia del elemento nuevo a cada uno de los existentes, y ordena dichas distancias de menor a mayor para ir seleccionando el grupo al que pertenecer (Ruiz, 2017). Los ejemplos de entrenamiento son vectores en un espacio característico multidimensional; cada ejemplo está descrito en términos de p atributos considerando q clases para la clasificación. Los valores de los atributos del i-ésimo ejemplo (donde 1 < i < n) se representan por el vector p-dimensional.

* Clasificador de PARZEN

El clasificador Parzen nace del concepto básico de aprendizaje supervisado no paramétrico basado en la estimación de densidades de probabilidad de Parzen. El objetivo de este clasificador es obtener estimaciones de densidades de probabilidad condicional p(z|wk). El espacio de medida está dado por un número finito de regiones disyuntas Ri llamadas cajas y se contabilizan las muestras que se ubican en ellas, siendo la estimación de la densidad de probabilidad dentro de la caja proporcional a tal número (Tilling, 1989). El clasificador de Parzen matemáticamente se expresa como se muestra en la ecuación 3, donde Nki denota el número de muestras con clase WK:

... (3)

3.Resultados

Con el fin presentar una comparación que involucre las técnicas de extracción de características en función de la precisión obtenida por los clasificadores, en esta sección se presentan los resultados alcanzados, en principio, dentro de un problema bi-clase de eventos sísmico-volcánicos. En seguida, se reportan los resultados obtenidos en una clasificación multi-clase, utilizando únicamente el clasificador KNN, por ser aquel que mejor desempeño mostró en una clasificación de este tipo.

La clasificación fue obtenida después de aplicar la técnica de selección de características ReliefF, logrando una reducción en el tamaño de la matriz de características de un 50%, al tomar la primera mitad de los atributos organizados por su ponderación. Ordenando las características de acuerdo a la naturaleza de su dominio, se obtuvo que las características de tiempo y frecuencia son las que muestran una mejor representación de los eventos sísmicos, destacando, en su orden, las siguientes características: en tiempo la curtosis, de la señal filtrada entre las bandas 3-10 Hz y 10-20Ш, y la entropía, siendo características estadísticas. Y en frecuencia, se tiene el valor del centroide espectral, y el valor de los picos del espectro de potencia.

En la Tabla 3, se muestra una matriz conjunta de todas las técnicas de extracción de características empleadas, relacionando los resultados obtenidos con cada los de los cinco clasificadores. Se formaron parejas de clases para evaluar tales características y clasificadores dentro de un problema bi-clase.

Para el problema multi-clase, con el propósito de observar en detalle la clasificación de cada clase, se calculó la matriz de confusión para cada técnica de extracción de características, al igual que la precisión, empleado el clasificador KNN. Los resultados se muestran en la tabla 4:

4.Discusión

Se realizó pruebas de clasificación bi-clase en las cuales los mejores resultados se obtuvieron clasificando los eventos TR, como se muestra en la Tabla 3, donde se alcanzó una clasificación promedio de 70% de precisión. La mejor técnica de extracción de características, de acuerdo a los resultados, fue en el dominio de tiempo, aunque con la matriz de características completa, se lograron resultados nada despreciables. Sin embargo, vale la pena mencionar que en términos de costo computacional el algoritmo muestra una mejor respuesta procesando de a un solo grupo de características.

De acuerdo a los resultados obtenidos se apreció un desempeño versátil de los clasificadores LDC, SVM y Clasificador de Parzen, por otra parte, se evidenció que los mejores resultados se obtuvieron clasificando TR vs VT e IC, por el contrario, TR vs LP mostró menor desempeño con una precisión en promedio sobre el 70%. Esto debido a la naturaleza de las señales, en cuanto los eventos VT e IC son caracterizados por su entrada impulsiva, generalmente producidos por fracturamiento de las paredes internas del volcán, y fractura de hielos en la capa glacial que por el contrario un evento TR se denota por su estrecha banda de frecuencias y además su larga duración, por su parte un evento LP se caracteriza por sus bajas frecuencias, duración de segundos a minutos y la ausencia de onda P y S, que hace difícil determinar el momento exacto de su comienzo. A continuación, se muestra la curva ROC para el Clasificador SVM en la clasificación VT - TR con un AUC del 92%.

En la Figura 2 se alcanza un área bajo la curva de 0,92 siendo el mejor resultado que se logró, en los experimentos de clasificación bi-clase, donde se utilizó el clasificador SVM con la matriz de características de tiempo con selección de características ReliefF reduciendo la matriz al 50%.

En la clasificación multi-clase el conjunto de prueba se conformó por el 20% de los registros trabajados, que equivale a 89 eventos por cada clase. En la matriz de con-fusión, no se observó una clasificación contundente de los eventos TR como en la clasificación bi-clase. Por el contrario, el evento que mejor discriminación presenta es el de la clase IC, identificando 70 eventos de 89 con la representación de características de tiempo.

Para los eventos VT al igual que los eventos IC, se obtuvo en promedio una precisión de 79%, utilizando el grupo de características de tiempo, en cuanto a los eventos LP se alcanzó una precisión de 64% con el conjunto de características de tiempo-frecuencia y los eventos TR se consiguió una precisión del 71% usando la concatenación de los conjuntos de características calculado.

5.Conclusiones

Se realizó la comparación de diferentes técnicas de extracción de características que, de acuerdo a los resultados, la que más se ajusta a una clasificación con buen desempeño fue la matriz de características obtenida a partir de la caracterización de la señal en su estado natural escala de tiempo. Se obtuvo una precisión del 88% con la clasificación bi-clase VT y TR, con SVM, con un AUC de 0,92. De igual manera, la concatenación de todos los grupos de características obtenidos en una matriz, también obtuvo buenos resultados, con una precisión del 88% clasificando las clases de eventos VT y TR con SVM. Sin embargo, en términos de costo computacional el algoritmo muestra una mejor respuesta procesando de a un solo grupo de características.

La etapa de selección de características es fundamental en un modelo de reconocimiento de patrones, ya que permite optimizar el proceso de clasificación y además disminuye el coste computacional por procesar estas señales. Entre las características seleccionadas de la matriz completa, se encuentran 11 características de tiempo, 8 de frecuencia, 36 de tiempo-frecuencia y 22 MFCC.

Los mejores resultados de esta investigación están dirigidos a la clasificación bi-clase de señales sismo-volcánicas, donde se obtuvo buenos porcentajes de clasificación, específicamente citamos la clasificación de los eventos VT y TR donde se obtuvo un porcentaje de clasificación cerca del 88%, con el clasificador SVM, los eventos fueron caracterizados satisfactoriamente por la representación planteada de las características de Tiempo. Esta clasificación es justificable puesto a la naturaleza de estos eventos. Los VT se caracterizan por su particular morfología impulsiva, con respecto a los eventos TR, quienes muestran una forma de onda casi constante. Además, la duración de los TR es mucho mayor de los VT.

De acuerdo a los experimentos realizados, el clasificador que mejor se comporta y obtiene rendimiento sobresaliente en la mayoría de experimento fue el clasificador por densidad de SVM. Además, se resalta los clasificadores LDC y de PARZEN que también logran un buen porcentaje de clasificación de evento sísmico-volcánicos.

Agradecimientos

Agradecemos de forma muy especial al nuestro grupo de investigación "SDAS Research Group (www.sdas-group.com)", por su apoyo en esta investigación.

References

Referencias

Benítez, M. C., Ramírez, J., Segura, J. C., Ibanez, J. M., Almendros, J., García-Yeguas, A., & Cortes, G. (2006). Continuous HMM-based seismic-event classification at Deception Island, Antarctica. IEEE Transactions on Geoscience and remote sensing, 45(1), 138-146.

Bishop, C. M. (2006). Pattern Recognition and Machine Learning. 6 Springer Science+ Business Media, LLC, pp. 729, Nueva York.

Curilem, M., Vergara, J., San Martin, C., Fuentealba, G., Cardona, C., Huenupan, F., ... & Yoma, N. B. (2014). Pattern recognition applied to seismic signals of the Llaima volcano (Chile): An analysis of the events' features. Journal of Volcanology and Geothermal Research, 282, 134-147.

Falsaperla, S., Graziani, S., Nunnari, G., & Spampinato, S. (1996). Automatic classification of volcanic earthquakes by using multi-layered neural networks. Natural Hazards, 13(3), 205-228.

Hibert, C., Provost, F., Malet, J. P., Maggi, A., Stumpf, A., & Ferrazzini, V. (2017). Automatic identification of rockfalls and volcano-tectonic earthquakes at the Piton de la Fournaise volcano using a Random Forest algorithm. Journal of Volcanology and Geothermal Research, 340, 130-142.

Ibs-von Seht, M. (2008). Detection and identification of seismic signals recorded at Krakatau volcano (Indonesia) using artificial neural networks. Journal of Volcanology and Geothermal Research, 176(4), 448-456.

Malfante, M., Dalla Mura, M., Métaxian, J. P., Mars, J. I., Macedo, O., & Inza, A. (2018). Machine learning for volcano-seismic signals: Challenges and perspectives. IEEE Signal Processing Magazine, 35(2), 20-30.

Martínez, S. M. R., & Correa, H. L. (2011). Evaluación de técnicas para el análisis de relevancia basadas en filtros sobre imágenes radiológicas. Revista Ingeniería Biomédica, 5(9), 26-34.

McDaid, A. F., Greene, D., & Hurley, N. (2011). Normalized mutual information to evaluate overlapping community finding algorithms. arXiv preprint arXiv:1110.2515.

Robnik-Šikonja, M., & Kononenko, I. (2003). Theoretical and empirical analysis of ReliefF and RReliefF. Machine learning, 53(1-2), 23-69.

Ruiz, S. (2009) El algoritmo K-NNy su importancia en el modelado de datos. Retrieved from: https://www.analiticaweb.es/algoritmo-knn-modelado-datos

Thompson, G. (2014). Seismic monitoring of volcanoes. Encyclopedia of Earthquake Engineering, 1-25.

Tilling, R. I. (1989). Volcanic hazards and their mitigation: progress and problems. Reviews of Geophysics, 27(2), 237-269.

Van Der Heijden, F., Duin, R. P., De Ridder, D., & Tax, D. M. (2005). Classification, parameter estimation and state estimation: an engineering approach using MATLAB. John Wiley & Sons