Real-time volcanic monitoring using wireless sensor networks. Monitorización volcánica en tiempo real usando redes de sensores inalámbricas

Resumo

Alrededor del mundo existen potenciales riesgos naturales, hidrometeoroloógicos o geológicos, los cuales a lo largo de la historia han causado graves pérdidas tanto humanas como materiales. Los feno´menos geol´ogicos m´as representativos son los terremotos y las erupciones volc´anicas. Ecuador, al estar ubicado en el Cinturo´n de Fuego del Pac´ıfico, posee varios volcanes que actualmente presentan una actividad importante, siendo el Instituto Geof´ısico de la Escuela Polit´ecnica Nacional (IGEPN) el organismo responsable de su vigilancia y monitorizacio´n. El IGEPN dispone de una red de monitorizacio´n de alta precisio´n, cubriendo alrededor del 70% de los volcanes del pa´ıs. La clasificacio´n de eventos volc´anicos es dependiente del criterio y an´alisis subjetivo del experto a cargo y demora una cantidad considerable de tiempo, lo cual podr´ıa retrasar una alerta eficaz por parte de las autoridades competentes a los pobladores de zonas en riesgo. En este contexto, la presente Tesis Doctoral tiene como objetivo general proponer un sistema alternativo de supervisio´n volc´anica en tiempo real, de bajo costo y eficiente, mediante el uso de redes de sensores inalámbricos (WSN, del ingl´es Wireless Sensor Networks ), cubriendo los pasos iniciales para una futura implementacio´n de un sistema de alerta temprana del Volcan Cotopaxi. Para conseguir esta meta se plantean los siguientes objetivos espec´ıficos: (1) evaluar el desempen˜o de una WSN en t´erminos de las m´etricas de calidad de servicio (QoS, del ingl´es Quality of Service ) aplicadas a la monitorizacio´n volc´anica; (2) disen˜ar un sistema experto de elevada sensibilidad que permita distinguir los eventos volc´anicos de inter´es del ruido de fondo (BN, del ingl´es Background Noise); y (3) disen˜ar un sistema experto para identificar los tipos de eventos m´as habituales, con la mayor simplicidad y eficacia. Para la consecucio´n del objetivo espec´ıfico (1), se evalu´o el desempen˜o de una WSN espec´ıficamente desplegada y aplicada a monitorizacio´n volc´anica, considerando como principales m´etricas de QoS la tasa de transmisio´n (η), los paquetes perdidos (PL, del ingl´es Packet Loss ) y el retardo (EED, del ingl´es End-to-End Delay ). Se evaluaron en entorno simulado y se implementaron redes WSN en un ambiente controlado las topolog´ıas en teselacio´n y aleatoria, en las cuales esta uútima resulto´ ser la m´as eficaz en t´erminos de las m´etricas de QoS. Posteriormente se desplegaron 10 sensores con topolog´ıa aleatoria en el Volc´an Cotopaxi alcanzando un η de unos 130 kbps, un PL del 25% y un EDD de 3.1s, valores que permiten garantizar su uso para la monitorizacio´n volc´anica. La informacio´n proveniente del sistema de monitorizacio´n debe ser procesada en tiempo real para emitir una alerta temprana de manera oportuna. El cumplimiento del objetivo espec´ıfico (2) es el primer paso para la consecucio´n de este tipo de sistemas, ya que conocer el incremento significativo de los sismos de Largo Período (LP) y los terremotos Volcano Tecto´nicos (VT), ayudar´ıa a predecir con una determinada confiabilidad una eventual erupci´on del Volc´an Cotopaxi. Primero, se propone el disen˜o de un detector de eventos LP basado en clasificacio´n, considerando un an´alisis del valor óptimo de la ventana de segmentacio´n que maximice la sensibilidad y especificidad del detector, y extrayendo en cada segmento caracter´ısticas en los dominios del tiempo, frecuencia y escala. Se probaron k vecinos m´as cercanos (k -NN, del ingl´es k- Nearest Neighbors ) y ´arboles de decisio´n (DT, del ingl´es Decision Trees ) como clasificadores, con m´etodos de filtrado y embebidos, respectivamente, para la seleccio´n de caracter´ısticas, y fue necesario un post-procesamiento para identificar este tipo de eventos frente al BN. La segmentacio´n ´optima resulto´ estar en torno a los 15s, empleando caracter´ısticas en el dominio de la frecuencia y DT como clasificador, y alcanzando una precisio´n del 99%. Adem´as se concluyo´ que con solo verificar la banda de frecuencias de 3 Hz es suficiente para identificar eventos LP. Finalmente, para la consecusio´n del objetivo espec´ıfico (3), se extendio´ el detector de eventos de mejores prestaciones desarrollado en el objetivo espec´ıfico (2), para que fuera capaz de detectar eventos de tipo LP y VT frente al BN. Como resultado, el nuevo detector de eventos fue capaz de entregar el instante de tiempo de máxima probabilidad (tp) de un evento con un precisio´n del 99%. Posteriormente se eligio´ una ventana de segmentacio´n de 1min, considerando como punto medio tp para el c´alculo de su valor inicial y final, tiempo suficiente para contener este tipo de eventos en la pra´ctica. En cada segmento se extrajeron matrices de características mediante dos propuestas, la primera empleando la densidad espectral de potencia y la segunda utilizando 81 caracter´ısticas en los dominios del tiempo, frecuencia y escala. Los clasificadores empleados fueron DT y m´aquinas de vectores soporte (SVM, del ingl´es Support Vector Machines ) lineal y no lineal, con t´ecnicas embebidas y wrapper para la seleccio´n de las caracter´ısticas. Con la primera matriz de caracter´ısticas se obtuvo un 93% de efectividad en la etapa de clasificacio´n entre LP y VT, tan solo revisando dos bandas de frecuencia en 3.11 y 6.8 Hz, mientras que para la segunda matriz de caracter´ısticas, se obtuvo un 97% de precisio´n, considerando 5 caracter´ısticas en el dominio de la frecuencia y empleando SVM lineal como clasificador. Los resultados obtenidos permiten asegurar que el uso de la tecnolog´ıa WSN en conjunto con t´ecnicas de aprendizaje de m´aquina, pueden ser utilizados para disponer, en un futuro mediato, de un sistema de alerta temprana vulcanolo´gico eficiente.