theory

ディープラーニングによる地震前兆検知の試み

ディープラーニングによる地震前兆検知の概要ついて

◇予兆検知に関わる仮説

これまで、日本で発生してきた震災クラスの大地震は、プレートテクトニクスのような
大きな地殻の動きとそれに連動したエネルギー開放によって発生しているとみられる。

このような大型のエネルギー開放は、何の予兆・予備動作もなく発生することは稀で、
地殻のたわみ・予備的な岩盤破壊などが広範囲に徐々に起きてゆき、最終的に発震に至ると思われる。
発震に至るまでのプロセスにおいて、震源周辺では変化に伴う予兆が、
発震の一定期間前から観測できる可能性がある。

また、日本近傍の地殻の構造や大きな地殻の動きがが短時間で激変しない限り、
大地震の起きうるエネルギーが蓄積するポイントは限られており、
発震に至るまでのプロセスにも何等かの特徴があると予想される。

ただし、特定の地域に起きる超大型の大地震の予兆は（日本の国土のスケールから見ると）
かなり距離的に離れた位置に現れている可能性もある。

一方、現在、日本にはかなりの数の地震計が設置されており、日々データを取得しており、
過去データも記録されている。

よって、大地震の起きやすそうな地域をいくつかピックアップし、その地域で過去に起きた大地震の
一定期間前の地震計の連続波形データを、地域を限定せず(日本全国に渡って)分析することで、
意外な場所に現れる前兆についても漏れなく特徴を見出すことができると考えられる。

前兆に有意な特徴が見つけられたなら、最新の地震計連続波形データをそれらの特徴と照合することにより、
大地震の発生前の予兆が出ているかどうかを判定することが可能になる。

◇データ処理や結果確認の流れ

Hi-netのデータを元に、以下のように処理を行っている。

震度5以上の揺れを観測した地震のリストを作成
- hi-net 　webサイトより、気象庁一元化処理震源要素　計測値を取得する。
- 震度5以上の大型地震のリストを抽出する。

連続波形データのダウンロードと前処理
- hi-net 　webサイトより、連続波形データを取得する
  ※前兆学習用の元データとするため、強震の発震前の期間を含んだ期間を選定して対象データとする。
- hi-netで提供されているdewin32 tools にて連続波形データ観測値を観測点別に取り出す
- ディープラーニングの学習用にデータを作成する。（１時間単位のデータ）

ディープラーニングの実行

学習用教師データの作成

↓震源域＼発震までの期間→	2週間以内	1週間以内	2日以内	該当期間外
十勝沖	分類:1	分類:2	分類:3	分類:0
三陸沖	分類:4	分類:5	分類:6
房総沖	分類:7	分類:8	分類:9
東海沖	分類:10	分類:11	分類:12
南海沖	分類:13	分類:14	分類:15
南西諸島沖	分類:16	分類:17	分類:18
北陸沖	分類:19	分類:20	分類:21
日本海北部	分類:22	分類:23	分類:24

地震前兆の検知：観測点ごとに算出される時間毎の前兆検知適合度を集計する
- 前兆検知させる期間の全国の観測点の毎時の連続波形データを、Hi-netよりダウンロード・前処理して
  教師データ学習済みモデルでテストし、分類による前兆適合値算出を行う。
  現時点のリアルタイム検知を行う場合は、最も新しいデータを対象とする。
- 全国の観測点の毎時の観測データが判定された結果を記録する。
  判定結果の期待値として、強震発震までの期間に応じて、
  各観測点の毎時の連続波形データに対する期間別の前兆適合度が上昇する
  
  ex.)2011年03月06日00時岩手県内観測点「釜石」の連続波形データを、
  観測点「釜石」の学習済みモデルでテスト
  →【三陸沖震源域・1週間以内】のデータとして分類されることを期待値とする
  ※2011年3月11日14時46分東日本大震災の1週間以内前兆の検知
- 各震源域に対する２週間以内、１週間以内、２日以内の前兆適合度を集計する
  多少の誤検知は発生する想定とし、多数の観測点で前兆と判定する頻度が
  高くなってくる様子を俯瞰して前兆とみなす

戻る