敵対的生成ネットワークを用いたデータ駆動型強震動予測手法の構築

利用生成对抗网络构建数据驱动的强地震动预测方法

基本信息

批准号：
22KJ1148
负责人：
松本雄馬
金额：
$ 1.6万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ1148/
关键词：
地震動予測深層学習 GAN 確率論サロゲートモデル

项目摘要

データ駆動型強震動予測手法の構築に向けて、本年度では敵対的生成ネットワーク (GAN)を用いた地震動の条件付き予測手法に関する検討を行った。申請者はこれまでに、日本で発生した地殻内地震における強震観測記録データセットを対象として深層ニューラルネットワークの学習を行い、地震動データの加速度時刻歴データを直接生成可能なモデル (地震動生成モデル)を構築していた。地震動生成モデルではランダムに地震動が生成されるため、特定の条件に適合する地震動を効率よく生成することができない。そこで本年度では、条件となる変数によって生成するデータを指定可能なconditional GANの考え方をモデルに組み込み、地震動データに加えてその振幅特性と震源・伝播経路・地盤増幅に関するパラメータを同時に学習することで、生成したい地震動データの条件を指定可能なモデルへと地震動生成モデルを発展させた。その際、学習するデータの特徴を考慮してニューラルネットワークの構成を考案することで、生成するデータの質を向上させることに成功した。既存の地震動予測式の予測結果と構築したモデルの生成結果はおおむね対応しており、モデルの妥当性が確認された。以上のように研究を実施し、初年度の研究実施計画の目標を達成した。上記の検討に加えて本年度では、構築したモデルを活用し、構造物の地震応答解析のサロゲートモデルを構築するとともに、構造物に大きな影響を与える地震動の効率的なサンプリング手法の構築を行った。このように、研究目的であるデータ駆動型強震動予測手法の構築に加えて、その工学的応用についても検討を実施している。

为了构建数据驱动的强烈地震预测方法，今年我们研究了使用敌对发电机网络（GAN）进行地震运动的条件预测方法。迄今为止，申请人已经训练了深层神经网络对日本发生的壁内地震的强烈地震观测数据集，并构建了一个模型（地震生成模型），该模型可以直接生成地震运动数据的加速度历史记录数据。由于地震运动模型会随机产生地震运动，因此无法有效地产生符合特定条件的地震运动。 Therefore, this year, we have incorporated the concept of a conditional GAN that allows you to specify data to be generated using variables that are conditional, and by simultaneously learning in addition to the earthquake motion data, its amplitude characteristics and parameters related to the epicenter, propagation path, and ground amplification, we have developed a seismic motion generation model into a model that allows you to specify the conditions for the seismic motion data you want to generate.目前，我们通过根据正在训练的数据的特征来设计神经网络配置，成功地提高了生成数据的质量。现有地震运动预测公式的预测结果和构造模型的生成结果通常相互对应，并且已确认模型的有效性。如上所述进行了研究，并实现了第一年的研究实施计划的目标。除了上述考虑因素外，今年我们使用的模型为结构的地震反应分析构建了替代模型，还为地震运动构建了一种有效的采样方法，该方法对结构产生了重大影响。这样，除了构建数据驱动的强运动预测方法（这是研究目的）外，我们还考虑了其工程应用程序。