New Development of Strong Motion Evaluation and Realtime Prediction by Deep Learning

2019 Fiscal Year Research-status Report

• Project/Area Number: 19K22002
• Research Institution: Tohoku University
• Principal Investigator: 大野 晋 東北大学, 災害科学国際研究所, 准教授 (40361141)
• Project Period (FY): 2019-06-28 – 2022-03-31
• Keywords: 深層学習 / 強震動評価 / 即時予測

Outline of Annual Research Achievements

本研究では，建物側に比べて精度が低い地震動の評価精度の向上を目指して，東北地方の超巨大地震の大振幅記録を含む非常に多くの強震記録を用いて，深層学習を用いた強震動予測や地震動の即時評価・面的評価に挑戦している。
令和元年度は初年度として，構造物への設計用入力及び地震ハザード評価に用いる強震動の加速度応答スペクトルに対して深層ニューラルネット(DNN)の適用性を検討した。1996年から2019年6月までに防災科学技術研究所K-NET,KiK-netで観測されたM5以上の日本全国の強震動データを用いて，応答スペクトルを対象にネットワーク構成，入力変数やハイパーパラメータの検討を行った。その結果，既存の地震動評価式と同じ変数を与えた場合の評価精度は低かったが、震源・観測点情報をより詳しく与えた場合はDNNにより既存の地震動評価式よりも高い精度で評価できることを確認した。
早期地震警報（地震発生後，主要動到達前の主要動予測）への適用については，初年度としてまず建物の基礎位置での地震動が与えられた場合の建物応答のニューラルネットワークを用いた適用性について検討した。高密度観測が行われている建築研究所を対象に，東北地方太平洋沖地震やその余震の強震記録を含むデータセットを用いて，ネットワーク構成，入力変数やハイパーパラメータの検討を行い，ネットワーク構成を適切に選べば基礎での入力からニューラルネットワークで高い精度で建物上部の時刻歴応答を予測できることを確認した。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

ほぼ予定通り進捗している。

Strategy for Future Research Activity

地震動の加速度応答スペクトルの評価については，面震源効果が考慮できていないため震源近傍での評価精度が低いこと，データ数が少ない地震・地点の評価精度が低いことがわかっており，これらについて検討を進める。また，早期地震警報については地震動の予測（同一地点のP波から主要動の予測）について検討を行うとともに，地震収束後の面的地震動分布推定にも着手する予定である。

Causes of Carryover

当初予定していたデータストレージの導入や大学院生への謝金を次年度に繰り延べたため。次年度にそのままストレージと謝金として使用する予定である。