研究課題/領域番号 |
18K03781
|
研究機関 | 京都大学 |
研究代表者 |
中道 治久 京都大学, 防災研究所, 准教授 (00420373)
|
研究期間 (年度) |
2018-04-01 – 2023-03-31
|
キーワード | 火山構造性地震 / 低周波地震 / 爆発地震 / 機械学習 / 決定木 / 特徴量 / 非階層的クラスタリング法 |
研究実績の概要 |
火山性地震は火山内部のマグマ活動を反映する現象であり、その検知および分類は火山活動の推移を把握する上で重要である。活動的な火山である桜島にて、客観的に火山性地震を自動分類する手法の開発を行った。本研究では機械学習を用い、特徴量の重要度の指標を導入することで客観的に判断した。 火山性地震は火山構造性地震(A型地震)と低周波地震(B型地震)に大別される。B型地震は卓越周波数帯に応じて、高周波卓越のBH型地震と低周波卓越のBL型地震に分類できる。また、桜島は噴火頻度の高い火山であるため、噴火に伴うBL型地震や爆発地震(EX地震)が多く観測されている。そこで、BL地震については空振の空振の振幅値が基準以上で噴火に伴うBLE型地震と、基準以下で噴火に伴わないBLN型地震の2種類にラベリングをした。 STA/LTA法で地震の自動検出を行い地震波形データベースを作成し、波形データから特徴量を作成した。火山性地震の自動分類には、決定木と非階層的クラスタリング法を用いた。まず決定木を用い、各分類過程において特徴量の重要度(FI)を求めた。 分類は複数の段階に分けて行ったが、各段階においてFIが高いものは例えば以下のようであった。A・BH 型地震とBL・EX型地震の分類では、周波数1-4Hzのスペクトル振幅のRMS値がFIが大きく、これはBL・EX型地震の卓越周波数が1-3Hz程度であることと整合的な結果となった。このようにFIが大きい特徴量を選択し、非階層的クラスタリング法にて火山性地震の分類を行った結果、ラベル付きの地震に対する分類の正答率は58.6%となった。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初予定していた研究項目ではないが、関連した研究を進めることができたため。
|
今後の研究の推進方策 |
火山性地震と噴火の関係をより明確にするため、インドネシアの火山の観測データの解析を進める。
|
次年度使用額が生じた理由 |
補助事業の目的をより精緻に達成するための研究の実施をするため。
|