2017 Fiscal Year Annual Research Report
Conditions for generating tsunami-induced turbidity currents and their depositional processes: Examination of a new generating mechanism of turbidity currents
| Project/Area Number |
26287127
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
成瀬 元 京都大学, 理学(系)研究科(研究院), 准教授 (40362438)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | 堆積学 / 地質学 / モーフォダイナミクス / 津波 / 水槽実験 |
|---|
| Outline of Annual Research Achievements |
津波を起源として発生する混濁流の数値モデルを開発し，その検証を水槽実験によって行った．その結果，まず，サージ型混濁流の挙動をよく再現する浅水方程式モデルの開発に成功した．このモデルは混合粒径の堆積物の運搬・侵食・堆積を取り扱うことができ，タービダイト逆解析のためのフォワードモデルとして用いることもできる．さらに，本年度は，数値実験によって混濁流の発生条件と津波規模の関係を求めた．結果として，津波から混濁流が発生するためにははっきりとした閾値が存在し，閾値以下の流速の津波から発生した混濁流は急激に減衰してしまうのに対して，閾値以上の流速の津波から発生した混濁流は底面を侵食しながら大型化し，広範囲にタービダイトを堆積させることが明らかになった．これは，混濁流の自己加速化作用に伴う現象である．
また，津波そのものの堆積物運搬・堆積作用のモデリングも行い，津波堆積物の逆解析モデルを開発した．開発したモデルを2011年東北沖津波堆積物に適用したところ，観測データが的確に復元された．この逆解析モデルはすでに論文として出版済みであり，今後の津波堆積物の標準的ツールとして用いられるものと期待される．
さらに，今年度の大きな成果として，機械学習技術を用いて混濁流堆積物から混濁流の流速や濃度を逆解析する手法を開発したことが挙げられる．この手法の手順は以下のようなものである．まず，前述の混濁流フォワードモデルを使用して，さまざまな初期条件の下でトレーニングデータを数値計算により作成する．次に，深層学習ニューラルネットワークによってトレーニングデータの機械学習を行う．結果として，堆積物から流れの初期条件を出力するニューラルネットワークが生成される．この技術は津波起源タービダイトから過去の津波発生規模を読み取るために使用することができ，今後のフィールドデータへの適用も期待することができるだろう．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
| Causes of Carryover |
29年度が最終年度であるため、記入しない。
|
| Expenditure Plan for Carryover Budget |
29年度が最終年度であるため、記入しない。
|
