Detección Temprana de Sismos en la CDMX con Sensores de Bajo Costo y Redes Neuronales Convolucionales

Ponente(s): Braulio Alessandro Sánchez Bermúdez, Yaljá Montiel, Cesar Castrejon, Rodrigo Estrada, Carlos Urias

Este proyecto busca explorar una alternativa complementaria al sistema de alerta sísmica en la CDMX mediante el uso de sensores de bajo costo y redes neuronales. El objetivo es detectar de forma anticipada las ondas sísmicas P y S, que preceden al movimiento más destructivo del sismo, las ondas superficiales. Para ello, se utiliza la base de datos pública STEAD (Stanford Earthquake Dataset), la cual contiene señales sísmicas multicanal (componentes Z, N y E) junto con las marcas de tiempo de llegada de las ondas P y S. Sobre estos datos, se entrena una red neuronal convolucional (CNN) capaz de identificar la llegada de dichas ondas. Adicionalmente, el proyecto propone la futura implementación de estos modelos en dispositivos físicos con sensores económicos, buscando operar en tiempo real. También se planea explorar enfoques de aprendizaje científico (SCiML), que combinan el conocimiento físico de las ondas sísmicas con redes neuronales para mejorar la generalización y precisión. Hasta el momento en el que se envia la solicitud el proyecto sigue en desarrollo, y se espera que en un mes se logre obtener un modelo robusto con buenos resultados.