深層学習による地震の揺れのリアルタイム予測

利用深度学习实时预测地震震动

基本信息

批准号：
21K18791
负责人：
後藤浩之
金额：
$ 4.08万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Exploratory)
财政年份：
2021
资助国家：
日本
起止时间：
2021-07-09 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K18791/
关键词：
深層学習リアルタイム予測地震動

项目摘要

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．

该项目提出了一种实时预测地震发生时不同地点的震动（地震运动）的新方法。如果能够在地震到来之前预测地震运动，我们就可以期待将其应用于各种新型地震防灾技术中。为了实现本研究的目的，我们将使用深度学习，它是机器学习的一种。通过临时部署大量地震仪，收集足够数量的地震记录。接下来，基于大量地震记录训练深度学习模型，输入是永久地震台获得的地震记录，输出是临时安装的地震仪的记录。通过使用经过充分训练的深度学习模型，可以根据每时每刻记录的晃动来实时预测各个地方的晃动。 2020财年，我们研究了LSTM和TCN等深度学习中使用的多个元素的学习性能，以构建针对时间序列数据的通用机器学习模型。尽管目前研究团队使用的LSTM方法预计不会有足够的性能，但TCN方法被发现能够很好地学习波形等时间序列数据，以解决简单的问题。尽管 TCN 需要考虑处理可变长度数据，但它已被证明对于本研究的目的可能有用。此外，我们已经开始考虑使用PINN的深度学习模型，以便即使在无法密集获取数据的情况下，也可以通过引入物理定律来提高学习效率。