2022 Fiscal Year Annual Research Report
Depelopement of data-driven ground-motion models based on integration of observed and simulated strong-motion data
| Project/Area Number |
20H00292
|
|---|
| Research Institution | National Research Institute for Earth Science and Disaster Prevention |
|---|
Principal Investigator |
藤原 広行 国立研究開発法人防災科学技術研究所, マルチハザードリスク評価研究部門, 上席研究員 (80414407)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
上田 修功 国立研究開発法人理化学研究所, 革新知能統合研究センター, 副センター長 (60379568)
市村 強 東京大学, 地震研究所, 教授 (20333833)
八谷 大岳 和歌山大学, システム工学部, 講師 (00578908)
岡崎 智久 国立研究開発法人理化学研究所, 革新知能統合研究センター, 研究員 (80868422)
森川 信之 国立研究開発法人防災科学技術研究所, マルチハザードリスク評価研究部門, 主任研究員 (60414413)
前田 宜浩 国立研究開発法人防災科学技術研究所, マルチハザードリスク評価研究部門, 主任研究員 (00594160)
岩城 麻子 国立研究開発法人防災科学技術研究所, マルチハザードリスク評価研究部門, 主任研究員 (30770309)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 強震動 / 機械学習 / 地震ハザード / シミュレーション |
|---|
| Outline of Annual Research Achievements |
(1)強震観測記録の地震動強さ指標・震源情報・サイト情報をデータベース化した「強震動データベース」の回帰による地震動予測式(GMM)構築のため、今年度は以下の検討を行った。
・強震動データベースのメタデータを整備したフラットファイルおよびデータ分析・抽出ツールを整備した。
・強震動データベースに基づく複数のGMMについて、予測値と観測記録の比較を行うとともに、GMM間の特徴比較の方法を検討した。
・観測記録が不足している近距離データをシミュレーションによって生成し、観測記録の不足を補うための精度や分布に関する条件を検討した。
(2) 深層inpaintingを応用して予測地点を特定したGMMによる"点の予測"から"面の予測"に展開する手法を開発した。位置ごとに異なる補間処理を適用するための位置特性マップの学習において、地震動の増幅に直接的に影響する地盤構造データを活用することにより、解釈可能な位置依存の補間方法を提案した。南海トラフ地震を想定した地震動シミュレーションデータを用いた実験を通して、提案法の有効性を示した。
(3)強震動データベースを補うシミュレーションデータ生成の高精度化のため、様々な解析条件下で多数の数値シミュレーションを実施する必要があるが、不整形3次元地盤モデルを用いた高詳細な3次元非線形地震波伝播シミュレーションの解析コストはいまだ膨大であるため，その軽減策を検討する必要がある。本年度は，波動方程式の性質を数値シミュレーションにより分析し、GPU計算に適する三次元波動場の人工知能構築を構築するとともに、これを用いたシミュレーションの解析コスト軽減策についても検討を行った。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
