Dos algoritmos creados con inteligencia artificial (IA) se usaron para detectar sismos en Colombia y sus resultados son similares a los obtenidos por un experto procesando datos manualmente, lo que supone un avance importante para mejorar estos tiempos con mayor precisión, ya que una sola red sismológica (conjunto de estaciones sismológicas) puede estar distribuida en más de 50 puntos de todo el territorio, lo que significa el análisis manual de una gran cantidad de datos por cada estación.
Según el Servicio Geológico Colombiano (SGC), el territorio de Colombia es sísmicamente activo por su configuración tectónica, pues se ubica entre tres placas (capas rígidas de roca que se encuentran debajo del suelo) importantes: Suramérica, Nazca y Caribe, que cuando interactúan producen distintos tipos de fallas geológicas y generan sismos en profundidades intermedias (30-150 km) y superficiales (menores de 30 km).
Según Earthquakes Today –organización que lleva el conteo y monitoreo de los eventos telúricos–, cada año se producen en el mundo cerca de 500.000 movimientos sísmicos, lo cual supone una gran cantidad de datos en las estaciones sismológicas que hacen que el proceso sea más lento y desgastante para los expertos encargados de realizar el monitoreo.
Con esta problemática como foco, Emmanuel David Castillo Taborda, magíster en Ciencias – Geofísica de la Universidad Nacional de Colombia (UNAL), implementó dos modelos de aprendizaje profundo propios de la IA: EQTransformer y PhaseNet, preentrenados con información de sismos de distintas partes del mundo y que han tenido resultados prometedores en Japón y Estados Unidos, y los usó para detectar eventos sísmicos en Colombia, en donde aún no se había revisado de su funcionamiento.
“Los datos recogidos y reconocidos manualmente por algunas redes sismológicas del país y de Suramérica se compararon con aquellos detectados por los modelos, y se encontró que estos pueden detectar y picar fases sísmicas (reconocer tiempos de llegada de cada onda) que algunas veces no son detectadas manualmente por los expertos, en especial eventos de baja magnitud o en grandes series de réplicas”, asegura el experto.
Mejores tiempos de procesamiento
Las tres redes sismológicas utilizadas fueron: la Red Sismológica Colombiana (RSC), con 59 estaciones de seguimiento en todo el territorio; la Red Sísmica del Valle Medio del Magdalena (VMM), con 32 estaciones, y la red de los Andes del Caribe-Mérida (YU), con 65 estaciones.
Los datos recogidos se trataron en el lenguaje de programación Python, uno de los más usados hoy para este tipo de análisis, y se acondicionaron para ingresarlos en los modelos de aprendizaje profundo mencionados, los cuales analizaron las señales sísmicas (trazas) para detectar los eventos, y simultáneamente reconocer y detectar la llegada de las ondas sísmicas provenientes de un sismo.
“Cuando sucede el evento sísmico se propagan dos ondas (primaria y secundaria) que llegan con una intensidad y un tiempo determinado a cada una de las estaciones de la red, y estas variables son las que permiten determinar el tiempo de origen, la localización del evento y su magnitud”, afirma el magíster.
Aunque los dos modelos demostraron tener una efectividad importante, el primero resultó más adecuado para la investigación, ya que el segundo recogía un exceso de resultados que podían ser falsos positivos, es decir detecciones que no provenían de un sismo, y este hecho hacía necesario otro análisis que podía tomar más tiempo.
“El reto hoy es poder utilizar con la misma precisión los modelos de aprendizaje profundo para hacer la asociación de fases sísmicas y la localización de epicentros de cada sismo, ya que aún no se tiene total efectividad en estos pasos, pues en los enfoques propuestos existen limitaciones, contrario a lo que ocurre con la detección y el picado de fases sísmicas (tiempos de llegada de las ondas), en las que sí se han demostrado resultados comparables con el procesamiento manual”, explica el investigador.
Estas herramientas son un aporte fundamental para el campo de estudio geofísico, pues automáticamente permiten llevar a cabo el monitoreo sísmico de la región y un catálogo sísmico del territorio colombiano, lo cual puede ser útil para dilucidar las fallas geológicas presentes de manera rápida y con suficiente resolución, generando aportes a los modelos de amenaza y riesgo geológico (geoamenaza) y a la interpretación de los procesos tectónicos que suceden en el área.
