超高解像度でみる断層帯の地震学的構造 : 断層帯における流体分布の解明にむけて

以超高分辨率观察断层带的地震结构：阐明断层带中的流体分布

• 批准号: 21J15086
• 负责人: 加藤 慎也
• 金额: $ 0.96万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-28 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21J15086/
• 关键词: 地震波自動処理パッケージ; 深層学習; 走時読み取り; 極性判定; 反射体; 有馬高槻断層帯; 深部流体; 反射波走時読み取り; 走時pick; 延性せん断帯; 流体

観測された大量の地震データを効率よく処理するためのパッケージを開発した。このパッケージでは日本で広く流通しているWINシステムのファイルシステムに対応している。先行研究などで公開されている深層学習モデルは波形ファイルの変換に処理時間がかかり、変換したファイルがストレージ容量を圧迫するなど、大量データを処理する上での問題があった。開発したパッケージは上記の問題を解決し、大量データの処理がより効率的に可能になった。開発したパッケージでは地震波の走時読み取りとP波初動の極性判定に深層学習を用いたモデルを使用している。このモデルは本研究が独自に開発した。開発した走時読み取りモデルは、先行研究で高性能とされているPhaseNet (Zhu and Beroza, 2019)やEQTransformer (Mousavi et al., 2020)よりも人間に近い走時読み取りを行う割合が高く、性能の高いモデルを開発することに成功した。また、開発した極性判定モデルでは、P波初動の位置と極性を同時に決定するモデルの開発に成功した。開発したパッケージを、これまで未処理だったデータに適用し、解析に使用できる地震波形数を倍増させた。さらに、開発した走時読み取りモデルを反射波の読み取りに活用し、約14万個もの反射波の走時を決定することができた。これらのデータと反射体の傾斜を考慮した解析により、反射体の高精度かつ高分解能のイメージングに成功した。さらに、レシーバ関数解析を行うことにより、これまで不明だった反射体の鉛直方向の構造を推定し、反射体が厚さ5km以下の地震波低速度の薄い層であることを明らかにした。得られた結果や先行研究から、反射体は有馬高槻断層帯の深部延長である可能性が推定された。これらの成果は、内陸の断層帯の深部延長の実体と深部から上昇してくる流体についての重要な知見を提供する。

我们开发了一个软件包来有效处理大量观测到的地震数据。该软件包支持在日本广泛分布的 WIN 系统文件系统。以往研究中发表的深度学习模型在处理大量数据时存在问题，例如转换波形文件所需的处理时间以及转换后的文件占用存储容量。开发的包解决了上述问题，使得更有效地处理大量数据成为可能。开发的软件包使用深度学习模型来读取地震波的传播时间并确定初始 P 波的极性。该模型是本研究自主开发的。开发的旅行时间读取模型比 PhaseNet (Zhu and Beroza, 2019) 和 EQTransformer (Mousavi et al., 2020) 具有更高的旅行时间读取率，接近人类，已被证明在以下方面具有高性能之前的研究，并提高了性能，我们成功地开发了一个高性能的模型。此外，我们成功开发了一种极性确定模型，可以同时确定初始 P 波的位置和极性。开发的软件包应用于以前未处理的数据，使可用于分析的地震波形数量增加了一倍。此外，通过使用开发的走时读取​​模型来读取反射波，我们能够确定大约 140,000 个反射波的走时。通过分析这些数据并考虑反射器的倾斜度，我们成功地对反射器进行了高精度和高分辨率的成像。此外，通过接收函数分析，我们估计了以前未知的反射体的垂直结构，并揭示了反射体是厚度小于5 km的薄层，地震波速较低。根据所获得的结果和之前的研究，估计反射体可能是有马-高槻断裂带的深层延伸。这些结果提供了有关内陆断裂带的深部延伸和从深处上升的流体的重要知识。

项目成果

Ductile shear zone of the Arima-Takatsuki fault zone as a fluid pathway

有马-高槻断裂带的延性剪切带作为流体通道

• 发表时间: 2022
• 作者: Shoko Mizutani;Kanji Furuya;Ayumi Mure;Yuuki Takahashi;Akihiro Mori;Nozomu Sakurai;Takuto Suito;Kaori Watanabe;Yukako Hattori;Tadashi Uemura;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵
• 通讯作者: 加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵

深層学習を用いた地震検出と極性判定

使用深度学习进行地震检测和极性确定

• 发表时间: 2022
• 作者: Shoko Mizutani;Kanji Furuya;Ayumi Mure;Yuuki Takahashi;Akihiro Mori;Nozomu Sakurai;Takuto Suito;Kaori Watanabe;Yukako Hattori;Tadashi Uemura;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵
• 通讯作者: 加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵

Automatic seismic arrival-time picking of seismogram sampled at 250 Hz using Deep Learning

使用深度学习自动拾取以 250 Hz 采样的地震图的地震到达时间

• 发表时间: 2021
• 作者: Shoko Mizutani;Kanji Furuya;Ayumi Mure;Yuuki Takahashi;Akihiro Mori;Nozomu Sakurai;Takuto Suito;Kaori Watanabe;Yukako Hattori;Tadashi Uemura;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵
• 通讯作者: 加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵

[SCG51-03] Arrival time picking and Polarity detection using Deep learning for automatically creating a seismic catalog

[SCG51-03] 使用深度学习自动创建地震目录的到达时间拾取和极性检测

• 发表时间: 2022
• 作者: Shoko Mizutani;Kanji Furuya;Ayumi Mure;Yuuki Takahashi;Akihiro Mori;Nozomu Sakurai;Takuto Suito;Kaori Watanabe;Yukako Hattori;Tadashi Uemura;加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵
• 通讯作者: 加藤 慎也,飯尾 能久,片尾 浩,澤田 麻沙代,冨阪 和秀,水島 理恵