Desenho de modelos neuronais para a deteção de sismos

A performance dos detetores sísmicos atualmente utilizados pode e deve ser melhorada. Atualmente existem vários algoritmos para a deteção de sismos de forma automática, desde os sistemas simples baseados em STA/LTA, aos mais sofisticados baseados em reconhecimento de padrões. Este estudo pretende dar continuidade ao desenvolvimento de uma abordagem de deteção de eventos sísmicos ao nível da estação local, utilizando uma técnica bastante conhecida, chamada Máquina de Vetores de Suporte (SVM). SVM é amplamente utilizada em problemas de classificação, devido a sua boa capacidade de generalização. Nesta experiência, a técnica baseada em SVM é aplicada em diferentes modos de operações. Os resultados mostraram que a técnica proposta dá excelentes resultados em termos de sensibilidade e especificidade, além de exigir um tempo de deteção suficientemente pequeno para ser utilizado num sistema de aviso precoce (early-warning system). Começamos pela classificação de dados de forma Off-line, seguido da validação do classificador desenvolvido. Posteriormente, o processamento de dados é executado de forma contínua (On-line). Os algoritmos foram avaliados em conjuntos de dados reais, provenientes de estações sísmicas da Rede de Vigilância Sísmica de Portugal, e em aplicações reais da área de Sismologia (simulação de funcionamento em ambiente real). Apesar de apenas duas estações serem consideradas, verificou-se que utilizando a combinação de detetores, consegue-se uma percentagem de deteção idêntica para quando utilizado um único modelo (Abordagem OR) e o número de falsos alarmes para a combinação de modelos é quase inexistente (Abordagem AND). Os resultados obtidos abrem várias possibilidades de pesquisas futuras.

On-line operation of an intelligent seismic detector

This study describes the on-line operation of a seismic detection system to act at the level of a seismic station providing similar role to that of a STA /LTA ratio-based detection algorithms. The intelligent detector is a Support Vector Machine (SVM), trained with data consisting of 2903 patterns extracted from records of the PVAQ station, one of the seismographic network's stations of the Institute of Meteorology of Portugal (IM). Records' spectral variations in time and characteristics were reflected in the SVM input patterns, as a set of values of power spectral density at selected frequencies. To ensure that all patterns of the sample data were within the range of variation of the training set, we used an algorithm to separate the universe of data by hyper-convex polyhedrons, determining in this manner a set of patterns that have a mandatory part of the training set. Additionally, an active learning strategy was conducted, by iteratively incorporating poorly classified cases in the training set. After having been trained, the proposed system was experimented in continuous operation for unseen (out of sample) data, and the SVM detector obtained 97.7% and 98.7% of sensitivity and selectivity, respectively. The same type of ANN presented 88.4 % and 99.4% of sensitivity and selectivity when applied to data of a different seismic station of IM. © 2013 Springer-Verlag Berlin Heidelberg.

Species and size selectivity in a Portuguese multispecies artisanal long-line fishery

The species and size selectivity of long-lines using small hooks were studied off the south coast of Portugal using ''Mustad'' brand round bent, flatted sea hooks (Quality 2316 DT) numbers 15, 13, and 11 baited with razor shell clam (Ei-isis siliqua). Hook numbers 13 and 11 are 49 and 109% larger respectively than number 15 hooks in terms of overall size (maximum width x maximum length). A total of 39 900 hooks were fished in 45 sets and 35 species of fish and cephalopods were caught. As a group, 13 species of sea breams (Sparidae) dominated the catch by numbers (58%) and weight (73%). Six species of sea breams, along with the greater weever fish (Trachinus draco) accounted for 81% of the total catch by weight, with the common or white sea bream (Diplodus sargus) bring the most important (29%). Catch size distributions by hook size were, in general, highly overlapped for all species and hook size had little apparent effect on minimum size at capture. All hooks caught a wide range of sizes per species, but the catch rate (number of fish per 100 hooks) was significantly lower for the largest hook. Except for the black sea bream (Spondyliosoma cantharus), capture of illegally sized or immature fish was minimal. Small increases in average size with hook size were evident for four species: Diplodus sargus, D. vulgaris, Lithognathus mormyrus and Serranus cabrilla. No differences in size selectivity were detected for Boops boops, D. annularis, Spondyliosoma cantharus and Trachinus draco. A skew-normal model adequately described differences in size selectivity in five of six species. (C) 1996 International Council for the Exploration of the Sea