2023 Fiscal Year Annual Research Report
Understanding the physics of foreshocks based on dense seismic observation and seismicity model
| Project/Area Number |
21H01191
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
直井 誠 北海道大学, 理学研究院, 准教授 (10734618)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岩田 貴樹 県立広島大学, 公私立大学の部局等(庄原キャンパス), 准教授 (30418991)
飯尾 能久 京都大学, 防災研究所, 名誉教授 (50159547) [Withdrawn]
平野 史朗 立命館大学, 理工学部, 助教 (60726199)
中谷 正生 東京大学, 地震研究所, 教授 (90345174)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 深層学習， / 深層ハッシング / 類似波形探索 / 震源カタログ構築 / 前震活動 |
|---|
| Outline of Annual Research Achievements |
本課題では，大地震発生前の前震活動解析の高度化に資する解析手法の開発・改善において，特に顕著な進展を達成した．深層学習を活用したイベント検出，走時検測，震源決定の一連のプロセスを改良し，特に震源決定プロセスにおいては従来の最小二乗法に代わり，進化アルゴリズムやMCMCを採用し，走時値の確率分布から直接走時値のスカラー値を求めることなく，高速に震源を求める手法を開発した．また，従来研究で活発に用いられている波形の類似性に基づく地震イベント検出手法は，大きな計算コストが大規模データ適用時の障壁となっていた．この問題を解決するため，波形間の類似性を反映した距離を学習し，64ビットのバイナリコードに波形情報を圧縮する深層学習ネットワークを開発し，それを基に類似波形探索を行う技術を開発した．この手法により，オリジナルの波形に比べて情報を大幅に圧縮でき，多チャンネル長期間のデータを容易にメモリに載せ，従来手法では不可能だった規模の波形データ間の類似波形探索を実現できるようになった．実際，地震観測で典型的な100Hzサンプリングのデータに換算して5.8年分のAE波形16チャンネルのデータ間の総当り類似度判定をテストしたところ，わずか半日で処理できることがわかった．実データにおける破壊準備過程の解析については，主に室内実験で得られた微小破壊データの解析を行い，巨視的破壊に先行する微小破壊活動の時間変化や震源メカニズム解の時間推移を明らかにした．また，日本の定常地震観測データに最適化された深層学習検測モデルを作成し，現在モデルの公表に向けて準備を進めている．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
