2022 Fiscal Year Research-status Report
| Project/Area Number |
21K18791
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
後藤 浩之 京都大学, 防災研究所, 准教授 (70452323)
|
|---|
| Project Period (FY) |
2021-07-09 – 2024-03-31
|
| Keywords | 深層学習 / リアルタイム予測 / 地震動 |
|---|
| Outline of Annual Research Achievements |
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4年度は，時系列データに対する汎用的な機械学習モデルの構築をはかるため，LSTMやTCNといった複数の深層学習に用いられる要素について学習性能を検討した．研究チームでこれまで用いていたLSTMによる方法は十分な性能が見込まれないが，TCNによる方法は簡単な問題において波形のような時系列データをよく学習できることがわかった．TCNは可変長データの取り扱いに配慮が必要ではあるが，本研究の目的においては有用である可能性が示された．また，データが稠密に得られない場合にも物理法則を導入することで学習効率を向上させるため，PINNによる深層学習モデルについて検討をはじめた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
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
|
| Strategy for Future Research Activity |
波形のリアルタイム予測を目指すため，まずは人工波形を用いて検討を行う．物理法則を取り入れた手法によって構成される深層学習モデルが，ある一定の性能を示すことができた場合，実際に記録を用いて実現可能性について検討を進める．
|
| Causes of Carryover |
当初想定していた国際学会，および国内学会の多くがオンライン開催となり，旅費として計上していた経費の多くが残額として生じた．この残額は，今年度に当初予定していなかった国際学会や国際的な研究活動のために活用する．
|
