2023 Fiscal Year Research-status Report
Development of a virtual seismic network to observe past damaging earthquakes
| Project/Area Number |
23K04331
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
小田 義也 東京都立大学, 都市環境科学研究科, 教授 (30336523)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
渡辺 俊樹 名古屋大学, 環境学研究科, 教授 (50210935)
白石 和也 国立研究開発法人海洋研究開発機構, 海域地震火山部門(地震発生帯研究センター), 主任研究員 (40756491)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Keywords | 深層学習モデル / 数値シミュレーション / CNN / PINN |
|---|
| Outline of Annual Research Achievements |
本研究では、過去に発生した被害地震の地震波形を推定する深層学習モデルの開発を目標としている。そのための第一歩として、初年度はまず、地震波形の最大振幅に着目してAIによる推定を実施した。具体的な実施内容は以下のとおりである。（１）比較的シンプルな盆地構造モデルに対して数値シミュレーションにより地震波形を合成した。合成波形の最大振幅および地震波走時を用いて学習と推定を行うとともに、リファレンス観測点の数と配置による影響を評価した。モデルは全結合型ニューラルネットワークを用いた。その結果、最大振幅および走時は一定程度の精度で予測できたが、学習用データを増やす必要があることがわかった。一方、リファレンス観測点の数と配置による影響は比較的小さいことがわかった。（２）波形の特徴量抽出に関する予備的検討を実施した。具体的には畳み込みにより特徴量を抽出し、その後、転置畳み込みによる復元するモデルを構築した。（３）最大加速度波形記録のような時系列データを扱う機械学習の開発の一環として、波形記録から作成したセンブランスパネルを入力として速度構造を出力するCNNによる深層学習モデルを開発し、性能評価を行った。（４）物理法則に基づく深層学習（PINN）とベイズ推定による統計解析を組み合わせることで、地震波走時トモグラフィにおける推定結果の不確定性を定量化できる、新しい地下構造推定手法を開発し、国際論文で公表した。（５）2024年度に実施する石巻市桃生町における高密度地震観測のために、現地自治体との調整を開始した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度は、当初計画とおり地震波の最大振幅を推定する深層学習モデルの開発を実施した。数値シミュレーションによりノイズフリーの波形データを用いた推定を実施することができた。また、リファレンス観測点の数や配置による予測結果への影響も評価した。これらの結果は今後の検討に活かされるものである。
|
| Strategy for Future Research Activity |
2024年度以降は次のステップとして、フーリエ振幅スペクトルの推定を試みる。そのために、波形の特徴量抽出が必要であるため、CNN等を活用した深層学習モデルの開発を実施する。また、過去の被害地震への適用を行うため、石巻市桃生町において約40地点の高密度地震観測を実施する予定である。
|
| Causes of Carryover |
次年度使用が生じた主な理由は以下の2点です。ひとつは物品費のうちAI用GPU搭載計算機の導入を予定していたが、AIモデル開発の進捗を合わせて、また新型機種の動向も見ながら次年度以降により経済的な価格で導入することが適切と判断したため。もうひとつは、現地観測に費用がかかることが予想されることから今年度使用額をできるだけ抑え次年度使用することとしたためである。
|
