| 研究課題/領域番号 |
23K04351
|
|---|
| 研究機関 | 関東学院大学 |
|---|
研究代表者 |
福谷 陽 関東学院大学, 理工学部, 教授 (10785322)
|
|---|
| 研究分担者 |
元木 誠 関東学院大学, 理工学部, 教授 (20440282)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| キーワード | 津波 / 浸水予測 / 機械学習 / ニューラルネットワーク / DNN / 確率論的ハザード評価 / 南海トラフ巨大地震 |
|---|
| 研究実績の概要 |
本研究では、多数のランダムなすべり分布を持つ海溝型巨大地震を想定し、機械学習の技術を用いて、多大な不確定性を有する陸域での津波の浸水深、流速等の発生確率分布を推定することを目的としている。この目的を達成するため、2023年度は南海トラフの震源データを基に津波数値解析を実行して、沖合波高や浸水データを整備し、DNN（ディープニューラルネットワーク）を構築し、対象地域の浸水深の頻度分布を生成した。具体的にはまず、南海トラフの震源領域で、6種類のマグニチュード（Mw 9.0、Mw 8.8、Mw 8.6、Mw 8.4、Mw 8.2、Mw 8.0）、各マグニチュード100ケースずつの滑り分布の異なる震源600ケースの断層パラメータを生成後、初期水位分布、および、線形長波理論により計算した地震後2分，5分，10分，20分，40分の沖の津波波高分布を得た。出力として、非線形長波理論により計算した対象地域（漁港を含む500m四方の領域）の浸水深分布を得た。これらのデータを隠れ層1層、3層、5層のDNNや、Dropoutを組み込む等して学習し、どの入出力データの組み合わせが最も良い精度で対象地域の浸水深分布を得られるか考察した。現時点の結果では、初期水位分布や地震発生後の津波高分布よりも、地震の断層パラメータの1つであるすべり量を入力値とすることで、最も精度良く対象地域の浸水深分布を得られた。最良のDNNで、訓練時の最小誤差は0.742 m、検証時の最小誤差は1.060 mとなった。しかし、このDNNを用いて、テストデータにより結果出力した場合、誤差が1.548 mとなり、過学習であることが示唆された。更に当初の600ケースとは相違する1200ケースの断層パラメータ（すべり量）を用いて浸水深の頻度分布を出力したところ、非線形長波理論により解析した結果と比較して過大評価になる傾向が示された。
|
| 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
当初計画では、2023年度にニューラルネットワークによる学習モデルの構築を実施する予定としていた。当初予定通り、数値解析による学習データの整備、DNNによる学習モデルの構築、対象地域の浸水深の頻度分布出力まで、一通り実施したことから、おおむね順調に進展している、と判断した。
|
| 今後の研究の推進方策 |
1年目において、学習モデル構築から結果出力まで一通り実施したものの、現時点では未知のデータに対する予測結果の精度が高くないことから、訓練データに対する過学習の傾向が考えられる。2年目では、学習データの増加、および、DNNモデルの改良などを試行し、構築したモデルの精度を高めていく。モデルの精度がある程度得られたところで、地震発生の切迫性を考慮した発生確率モデル（BPT分布）を組み込み、対象地域における確率論的津波ハザード評価を実施する。
|
| 次年度使用額が生じた理由 |
2023年度に実施した国際学会での発表について、現地での発表を検討していたが、オンラインでの発表に切り替えたため、旅費として使用する予定の費用が余り、次年度使用額が生じた。これらは、2024年度に学会参加のための費用（旅費または参加費等）として使用する予定である。
|
