• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

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

研究課題

研究課題/領域番号 18F18108
研究種目

特別研究員奨励費

配分区分補助金
応募区分外国
研究分野 自然災害科学・防災学
研究機関京都大学

研究代表者

岩田 知孝  京都大学, 防災研究所, 教授 (80211762)

研究分担者 VIENS LOIC  京都大学, 防災研究所, 外国人特別研究員
研究期間 (年度) 2018-10-12 – 2021-03-31
研究課題ステータス 完了 (2020年度)
配分額 *注記
2,200千円 (直接経費: 2,200千円)
2020年度: 600千円 (直接経費: 600千円)
2019年度: 900千円 (直接経費: 900千円)
2018年度: 700千円 (直接経費: 700千円)
キーワード地震波干渉法 / 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
研究実績の概要

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.

現在までの達成度 (段落)

令和2年度が最終年度であるため、記入しない。

今後の研究の推進方策

令和2年度が最終年度であるため、記入しない。

報告書

(3件)
  • 2020 実績報告書
  • 2019 実績報告書
  • 2018 実績報告書
  • 研究成果

    (6件)

すべて 2020 2019 2018

すべて 雑誌論文 (2件) (うち国際共著 2件、 査読あり 2件、 オープンアクセス 1件) 学会発表 (4件) (うち国際学会 1件)

  • [雑誌論文] Improving the retrieval of offshore-onshore correlation functions with machine learning2020

    • 著者名/発表者名
      VIENS, Loic and Tomotaka IWATA
    • 雑誌名

      J. Geophys. Res.

      巻: 125 号: 8

    • DOI

      10.1029/2020jb019730

    • NAID

      120006892070

    • 関連する報告書
      2020 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Complex near-surface rheology inferred from the response of greater Tokyo to strong ground motions2018

    • 著者名/発表者名
      Viens, L., M. Denolle, N. Hirata, and S. Nakagawa
    • 雑誌名

      J. Geophys. Res.

      巻: 123 号: 7 ページ: 57105729-57105729

    • DOI

      10.1029/2018jb015697

    • 関連する報告書
      2018 実績報告書
    • 査読あり / 国際共著
  • [学会発表] Improving the retrieval of offshore-onshore correlation functions with machine learning2020

    • 著者名/発表者名
      Viens, L. and T. Iwata
    • 学会等名
      JpGU-AGU 2020
    • 関連する報告書
      2020 実績報告書
    • 国際学会
  • [学会発表] Improving the symmetry of ambient seismic field correlation functions with machine learning2019

    • 著者名/発表者名
      VIENS, Loic
    • 学会等名
      日本地震学会2019年秋季大会
    • 関連する報告書
      2019 実績報告書
  • [学会発表] Improving the Precision of Seismic Monitoring Studies with Deep learning2019

    • 著者名/発表者名
      VIENS, Loic
    • 学会等名
      American Geophysical Union, 2019 Fall Meeting
    • 関連する報告書
      2019 実績報告書
  • [学会発表] Long-term Seismic Monitoring of an Urban Sedimentary Basin2018

    • 著者名/発表者名
      Loic Viens, Chengxin Jiang, Marine Denolle and Naoshi Hirata
    • 学会等名
      American Geophysical Union, Fall Meeting
    • 関連する報告書
      2018 実績報告書

URL: 

公開日: 2018-10-15   更新日: 2024-03-26  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi