<p>Seismic event characterization is often accomplished using algorithms based only on information received at seismological stations located closest to the particular event, while ignoring historical data received at those stations. These historical data are stored and unseen at this stage. This characterization process can delay the emergency response, costing valuable time in the mitigation of the adverse effects on the affected population. Seismological stations have recorded data during many events that have been characterized by classical methods, and these data can be used as previous “knowledge” to train such stations to recognize patterns. This knowledge can be used to make faster characterizations using only one three-component broadband station by applying bio-inspired algorithms or recently developed stochastic methods, such as kernel methods. We trained a Support Vector Machine (SVM) algorithm with seismograph data recorded by INGEOMINAS’s National Seismological Network at a three-component station located near Bogota, Colombia. As input model descriptors, we used the following: (1) the integral of the Fourier transform/power spectrum for each component, divided into 7 windows of 2 seconds and beginning at the P onset time, and (2) the ratio between the calculated logarithm of magnitude (Mb) and epicentral distance. We used 986 events with magnitudes greater than 3 recorded from late 2003 to 2008.<br />The algorithm classifies events with magnitude-distance ratios (a measure of the severity of possible damage caused by an earthquake) greater than a background value. This value can be used to estimate the magnitude based on a known epicentral distance, which is calculated from the difference between P and S onset times. This rapid (< 20 seconds) magnitude estimate can be used for rapid response strategies.<br />The results obtained in this work confirm that many hypocentral parameters and a rapid location of a seismic event can be obtained using a few seconds of signal registered at a single station. A cascade scheme of SVMs or other appropriate algorithms can be used to completely classify an event in a very short time with acceptable accuracy using data from only one station.</p><p> </p><p><strong>Resumen</strong></p><p>Los algoritmos de determinación de parámetros hipocentrales empleados en la actualidad, se basan específicamente en la información recibida en las estaciones de monitoreo mas cercanas al epicentro y no tienen en cuenta la valiosa información histórica registrada a lo largo del tiempo en dichas estaciones. Es por esto que los procesos de caracterización toman varios minutos, tiempo precioso que podría ser de gran utilidad en la generación de alertas tempranas que permitan una oportuna reacción ante el evento. El registro de información, a lo largo el tiempo, de sismos ocurridos en los alrededores de la estación, puede ser empleada para dotarla de algún grado de experiencia que le permita, mediante detección y clasificación de patrones, realizar una caracterización previa mucho mas rápida, mediante el empleo de técnicas modernas las cuales pueden ser algoritmos bio-inspirados o métodos estocásticos mas recientes conocidos como métodos Kernel. En el presente trabajo se emplea un método conocido como Maquinas de Soporte Vectorial (MSV), entrenando dicho algoritmo con información de la relación del área bajo la curva de la potencia de la transformada de Fourier de las componentes N-S, E-W y Vertical, calculada para 5 ventanas de 2 segundos, desde la onda p, de 123 sismos de magnitud superior a 3, desde 2004 hasta 2008, alrededor de la estación El Rosal, de la Red Sismológica Nacional de Ingeominas. El Algoritmo clasifica sismos que superen un umbral predeterminado de la relación entre el Logaritmo de la magnitud y la distancia, que refleja, de alguna manera, la intensidad del sismo. Con la obtención de este parámetro será posible conocer la magnitud del evento, debido a que la distancia puede ser calculada, con base en picado de la onda S, y de esta manera establecer una aproximación rápida de la magnitud en un tiempo aproximado de 20 segundos después del evento. Los resultados obtenidos permiten confirmar que con poco tiempo se señal en una sola estación sismológica es posible obtener información confiable para ser empleada en alertas tempranas.</p>
