Do turbidites provide a record of earthquakes and tsunamis? Examination by inverse analysis using deep learning neural network
| Project/Area Number |
20H01985
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 17030:Human geosciences-related
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
成瀬 元 京都大学, 理学研究科, 准教授 (40362438)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
新井 和乃 高知大学, 海洋コア総合研究センター, 特任助教 (40757754)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2021)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2022: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
Fiscal Year 2021: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2020: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
|
|---|
| Keywords | 逆解析 / 機械学習 / 深海地形 / 堆積学 / モーフォダイナミクス / 地形学 / ニューラルネットワーク / タービダイト / 津波 / 海洋地質学 / 地質災害 |
|---|
| Outline of Research at the Start |
近年になり，巨大地震・津波イベントにより深海で混濁流が発生することが発見された．一方，混濁流は日常的な嵐や洪水でも発生することが観測から明らかになっている．タービダイトは，はたして巨大地震の指標となるのだろうか？この疑問を解決するため，本研究は地震性混濁流の流速や濃度を2011年東北沖津波起源のタービダイトから復元する．そして，得られた結果を現世で観測された嵐起源混濁流の水理条件と比較し，地震性混濁流が他の成因のものよりもはるかに大規模であるとする仮説を検証する．本研究の成果は，混濁流という現象の理解を通じて，巨大地震発生頻度の解明に貢献するだろう．
|
| Outline of Annual Research Achievements |
本研究は，タービダイト（混濁流堆積物）を古地震指標として用いることの妥当性を検証するため，IODP航海で採取する2011年東北沖地震起源タービダイトを逆解析して，地震性混濁流の流速や濃度を復元することを目的としている．そのためには，まず深層学習ニューラルネットワークによるタービダイトの逆解析手法を確立せねばならない．本年度は実際に混濁流に対して使用した場合の手法的妥当性を１次元モデルによる数値実験で検証し，天然の露頭条件でも混濁流の水理条件が復元できることを示した．この成果はすでに投稿済みであり，現在査読を受けているところである．さらに，本年度は水槽実験による逆解析モデルの検証も開始している．現時点で１次元モデルの水槽実験による逆解析手法の検証は完了しており，その結果，ニューラルネットワークによる実験堆積物の逆解析結果が実験で観測された水理条件をよく再現することが明らかになった．この結果はすでに投稿済みであり，現在査読を受けている．さらに，これらの成果に加えて，本年度は水平２次元の混濁流フォワードモデルの開発を行った．モデルの基礎式はKostic et al. (2006)のものを用いているが，さらにこれを混合粒径の堆積物を取り扱えるように拡張している．移流項の数値解法としてはCIP法を用いており，実装はPythonによって行った．結果として，高精度かつ安定した計算を可能とするモデルの開発に成功し，GitHubにてオープンソースソフトウェアとして公開した．このモデルを使って海底谷の中を流れる混濁流の挙動を再現したところ，実際の混濁流が形成するベッドフォーム「サイクリックステップ」を再現することに成功した．このことは，本研究のフォワードモデルの妥当性を示唆している．さらに，本年度は予察的であるがフィールドワークも開始し，房総半島に分布する安房層群清澄層の地質調査を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究の進捗状況は順調である．すでに，ニューラルネットワークによる混濁流１次元モデルの逆解析手法は開発済みであり，水路実験によるその検証も完了し，これらの成果を二編の論文として投稿することができている．また，まだ途上ではあるが，２次元モデルの開発もかなりの部分が完了した．モデルは安定しており，実際の地形のDEMデータを用いて東北地方沖に流れる混濁流の様子を再現することにも成功している．予想外であったのは，新型コロナウイルス蔓延により，2020年度に予定されていたIODP航海が1年間延期されたことである．しかしながら，本研究プロジェクトは2023年までを予定しており，2021年度中に航海が終わるのであればプロジェクトに大きな影響はないものと予想される．一方，予察的ではあるが，地層中のタービダイトを逆解析する試みも初年度から開始することができた．現時点では野外調査を始めたところであり，広範囲に追跡できるタービダイトを特定し，その粒度分析を開始することができた．
|
| Strategy for Future Research Activity |
2021年度は引き続き２次元フォワードモデルの開発を続ける．特に重要なのは，幅広い粒度分布をもった流れのシミュレーションを安定的に実施できるようにモデルを改良することである．さらに，このモデルに基づいた逆解析をおこなうために，それに適した畳み込みニューラルネットワークの開発を2021年度は行う予定である．また，水槽実験による２次元逆解析モデルの検証も開始する予定となっている．これらに加えて，2021年度はIODP Expedition 386 航海が実施されることになっている．これは，日本海溝における巨大津波起源タービダイトを採取することを目的とした科学掘削航海であり，この航海で得られるタービダイトは本研究のメインターゲットである．この航海には本プロジェクトの研究協力者が乗船予定となっており，多くの重要なデータが得られることが期待される．また，引き続き房総半島のタービダイトの単層解析を進め，タービダイトを堆積させた混濁流の水理条件を復元することを目指す．
|
Report
(1 results)
Research Products
(8 results)
