|
不規則に発生するイベントの予報において、次のイベントの起こりやすさを表すハザード関数は、知見に基づき経験的に設計されてきた。近年、自由度の高いハザード関数のモデルとして、ディープニューラルネットワーク（DNN)を過去データから学習する方式が提案された（Omi et al., 2019）。しかし、当該方式は、イベント発生場所などの空間予報には対応していない。そこで、本研究では、時空間予報を実現するために、ハザード関数を、条件付き独立性に基づき分解し、複数のDNNでモデル化する、深層マルチストリーム点過程方式を提案した。そして、実際の地震データを用いた実験を通し、本提案手法の有効性を示した。
|
