| 研究課題/領域番号 |
21K18791
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
後藤 浩之 京都大学, 防災研究所, 准教授 (70452323)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2024-03-31
|
| キーワード | 深層学習 / リアルタイム予測 / 地震動 |
|---|
| 研究実績の概要 |
本課題は，地震発生時に各地の揺れ（地震動）をリアルタイム予測する新しい方法論を提案するものである．揺れが到達する前に地震動が予測できれば，様々な形の新しい地震防災技術への応用が期待できる．本研究目的を達成するために，機械学習の一つである深層学習を利用する．多数の地震計を一時的に展開して十分な数の地震記録を収集する．続いて，常設の地震観測所で得られた地震記録を入力とし，臨時で設置した地震計の記録を出力とする深層学習モデルを，大量の地震記録に基づいて学習させる．十分に学習の進んだ深層学習モデルを用いれば，時々刻々と記録される揺れから各地の揺れをリアルタイム予測することが実現できる．
令和3年度は，地震動予測のモデルケースを行う対象地点を選定するとともに，利用可能な地震記録の収集を目指した．今回は2地点を候補に挙げる．1つ目は，既往の研究でも進めていた宮城県大崎市の高密度地震観測網であり，2022年までに観測を終了したが10年に及ぶ高密度な地震観測が実施できていること，また2021年，2022年に発生した福島県沖の地震について解析できる可能性があることから適切であると判断した．また2つ目は，関西圏に展開されている関西地震観測研究協議会の地震記録で，大阪府北部の地震をはじめとする近年の地震記録を網羅的に収集できていることと，広帯域の地震計であるため長周期成分について安定した分析が可能であると考えた．また，深層学習のための計算資源の充実のためGPUサーバーの構築を行い，機械学習のできる環境を整備した．
|
| 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
昨年に計画していた研究計画に沿って進めることができている
|
| 今後の研究の推進方策 |
今年度は，収集した地震記録を学習データと検証データに分けて深層学習モデルを構築し，その予測精度について検証する．特に波形を直接予測することから長周期成分が安定して再現できることをまずは試みる．従来の試みでは位相の影響により深層学習の学習効率が著しく低下することがあったが，位相情報をもつような波形に対して適切に残差を計算する方法を適用することによって，評価関数を改良して深層学習の向上を目指したい．
|
| 次年度使用額が生じた理由 |
当初想定していた国際会議（17WCEE）がハイブリッド開催となったため，予定していた旅費が未使用となった．本研究の内容に照らして，他分野の会議に積極的に出席するための旅費として使用すべきと考えたため，今年度および次年度に使用を予定している
|
