Análisis de la serie temporal del terremoto de Kobe mediante técnicas de identificación de sistemas y detección de interrupciones

Autores/as

  • S. Bittanti Dipartimento di Elettronica, Informazione e Bioingegneria Politecnico di Milano
  • S. Garatti Dipartimento di Elettronica, Informazione e Bioingegneria Politecnico di Milano

DOI:

https://doi.org/10.21701/bolgeomin.129.3.004

Palabras clave:

sismología, terremotos, predicción de series temporales, identificación de modelos, detección de interrupciones

Resumen


El terremoto de Kobe fue uno de los sismos más severos ocurrido en Japón durante los últimos años. Ocurrió el 16 de enero de 1995 a las 20:46:49 (TUC) y alcanzó 6.8 en la escala de magnitud local. En este trabajo se analiza la serie temporal insesgada de la aceleración vertical del terreno registrada por un sismógrafo localizado en la Universidad de Tasmania, en Hobart, Australia. La serie temporal se segmenta en tres sub-series consecutivas que representan la actividad sísmica normal antes de la llegada del terremoto, una transición de fase, y la llegada de las ondas sísmicas. El análisis se realiza de modo separado para cada segmento. Se muestra como por la inspección de la degradación de la capacidad predictora del modelo identificado basado en el conjunto de datos de la actividad sísmica normal, es posible distinguir entre la transición de fase y la actividad sísmica normal en torno a 200-300 segundos antes del comienzo de la fase del terremoto. Aunque esto no significa que los terremotos se pueden predecir, debido a la gran distorsión en los datos debido a la gran distancia al epicentro y a la estación colectora de los datos, sin embargo el resultado alcanzado abre nuevas rutas para el estudio de los terremotos.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Anderson, T.W. 1971. The statistical analysis of time series. Wiley, New York.

Bittanti, S. 2017. Model Identification and Data Analysis. To appear.

Box, G.P.E., Jenkins, G.M. , Reinsel, G.C., Ljung, G.M. 2016. Time series analysis - forecasting and control. Wiley, Hoboken.

Brockwell, P.J., Davis, R.A. 2002. Introduction to times series and forecasting. Springer, New York. https://doi.org/10.1007/b97391

Durbin, J. 1959. Efficient estimators of parameters in moving average models. Biometrica, 46, 306-316. https://doi.org/10.1093/biomet/46.3-4.306

Hwang, I., Sungwan, K., Youdan, K., Seah, C.E. 2010. A Survey of Fault Detection, Isolation, and Reconfiguration Methods. IEEE Transactions on Control Systems Technology, 18, 636-653. https://doi.org/10.1109/TCST.2009.2026285

Grunwald, P.D. 2007. The minimum description length principle. MIT press, Boston. https://doi.org/10.7551/mitpress/4643.001.0001

Ljung, L. 1989. System identification - theory for the user. Prentice Hall, Upper Saddle River.

Rissanen, J. 1978. Modeling by shortest data description. Automatica, 15, 465-471. https://doi.org/10.1016/0005-1098(78)90005-5

Soderstrom, T. and Stoica, P. 1989. System Identification. Prentice-Hall, Englewood Cliffs.

Stoica, P. and Moses, R. 2005. Spectral analysis of signals. Prentice Hall, Upper Saddle River.

Descargas

Publicado

2018-09-30

Cómo citar

Bittanti, S., & Garatti, S. . (2018). Análisis de la serie temporal del terremoto de Kobe mediante técnicas de identificación de sistemas y detección de interrupciones. Boletín Geológico Y Minero, 129(3), 525–534. https://doi.org/10.21701/bolgeomin.129.3.004

Número

Sección

Artículos