• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

海溝型巨弾地震による高精度地震動予測と地震早期警報に関する研究

Research Project

Project/Area Number 18F18108
Research Category

Grant-in-Aid for JSPS Fellows

Allocation TypeSingle-year Grants
Section外国
Research Field Natural disaster / Disaster prevention science
Research InstitutionKyoto University

Principal Investigator

岩田 知孝  京都大学, 防災研究所, 教授 (80211762)

Co-Investigator(Kenkyū-buntansha) VIENS LOIC  京都大学, 防災研究所, 外国人特別研究員
Project Period (FY) 2018-10-12 – 2021-03-31
Project Status Completed (Fiscal Year 2020)
Budget Amount *help
¥2,200,000 (Direct Cost: ¥2,200,000)
Fiscal Year 2020: ¥600,000 (Direct Cost: ¥600,000)
Fiscal Year 2019: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2018: ¥700,000 (Direct Cost: ¥700,000)
Keywords地震波干渉法 / 観測点間グリーン関数 / 南海トラフ巨大地震 / 長周期地震動 / 南海地震 / 南海トラフの地震 / 強震動予測
Outline of Annual Research Achievements

将来発生する南海トラフの地震の長周期地震動評価の高度化を目的として,観測点間グリーン関数を構築するため,海底地震計DONETと本州紀伊半島の地震計Hi-netの記録に地震波干渉法を適用した.相互相関関数はゼロ時刻を基準として対称となることが理想的であるが,実際は対称にはなっていない.地震波干渉法においては,信号の震動源が2観測点に対して周辺に均一に分布していることが対称性には必要である一方,本研究で狙いとしている周期数秒程度の震動源は,波浪起源であると考えられるため,陸と海域の観測点ペアに対しては震動源の分布は均一でないことに加えて時空間的に変動しているためと考えられた.それは,1年間のデータを1ヶ月毎に分けて確認したところ,季節によってその非対称性が強い場合とそれほどでもない場合が見られたという分析結果による.このような特徴を持つデータをそのままスタッキングしても信頼に足りる観測点間グリーン関数を構築することができないばかりか,結果をミスリードする可能性が高いと考えられる.
我々は,この個々の期間の相互相関関数に対して主成分分析を行い,いくつかの特徴をもったグループに分けるとともに,より似通った相互相関関数をスタッキングすることを,深層学習の方法を適用することで分離し,信頼できる観測点間グリーン関数を得る方法を実施した.これにより,従来の一様スタック法に比して,真に近い観測点間グリーン関数を得ることができるようになった.この方法の有用性は,得られた観測点間グリーン関数によって,2016年4月1日に海底地震計観測網直下で起きた熊野灘の地震の,本州紀伊半島の観測点記録の再現性を示すことで確認された.
この成果はJGRで公表された.

Research Progress Status

令和2年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

令和2年度が最終年度であるため、記入しない。

Report

(3 results)
  • 2020 Annual Research Report
  • 2019 Annual Research Report
  • 2018 Annual Research Report
  • Research Products

    (6 results)

All 2020 2019 2018

All Journal Article (2 results) (of which Int'l Joint Research: 2 results,  Peer Reviewed: 2 results,  Open Access: 1 results) Presentation (4 results) (of which Int'l Joint Research: 1 results)

  • [Journal Article] Improving the retrieval of offshore-onshore correlation functions with machine learning2020

    • Author(s)
      VIENS, Loic and Tomotaka IWATA
    • Journal Title

      J. Geophys. Res.

      Volume: 125 Issue: 8

    • DOI

      10.1029/2020jb019730

    • NAID

      120006892070

    • Related Report
      2020 Annual Research Report
    • Peer Reviewed / Open Access / Int'l Joint Research
  • [Journal Article] Complex near-surface rheology inferred from the response of greater Tokyo to strong ground motions2018

    • Author(s)
      Viens, L., M. Denolle, N. Hirata, and S. Nakagawa
    • Journal Title

      J. Geophys. Res.

      Volume: 123 Issue: 7 Pages: 57105729-57105729

    • DOI

      10.1029/2018jb015697

    • Related Report
      2018 Annual Research Report
    • Peer Reviewed / Int'l Joint Research
  • [Presentation] Improving the retrieval of offshore-onshore correlation functions with machine learning2020

    • Author(s)
      Viens, L. and T. Iwata
    • Organizer
      JpGU-AGU 2020
    • Related Report
      2020 Annual Research Report
    • Int'l Joint Research
  • [Presentation] Improving the symmetry of ambient seismic field correlation functions with machine learning2019

    • Author(s)
      VIENS, Loic
    • Organizer
      日本地震学会2019年秋季大会
    • Related Report
      2019 Annual Research Report
  • [Presentation] Improving the Precision of Seismic Monitoring Studies with Deep learning2019

    • Author(s)
      VIENS, Loic
    • Organizer
      American Geophysical Union, 2019 Fall Meeting
    • Related Report
      2019 Annual Research Report
  • [Presentation] Long-term Seismic Monitoring of an Urban Sedimentary Basin2018

    • Author(s)
      Loic Viens, Chengxin Jiang, Marine Denolle and Naoshi Hirata
    • Organizer
      American Geophysical Union, Fall Meeting
    • Related Report
      2018 Annual Research Report

URL: 

Published: 2018-10-15   Modified: 2024-03-26  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi