同時多発地震に対応した自動震源推定法による隠れた微小地震活動の解明

点击翻译按钮获取中文摘要

本研究では，2011年3月以降の“隠れた”微小地震活動を検出することで，巨大地震発生後の微小地震活動の特徴を明らかにすることを目的としている．今年度は，まず地震波形の連続記録からP波，S波を読み取る地震波検測を従来のAR-AIC法から深層学習に置き換え，東北地方太平洋沖地震前後の多チャネル長期連続波形への適用及び評価を行った．その結果，連続波形から直接深層学習を適用して検測すると，自動震源決定の成績は低下した一方，従来手法で検測してから畳み込みニューラルネットワーク（CNN）でP・S・ノイズを識別すると成績が向上することが分かった．次に，2021年度までに開発したアンサンブル学習によるノイズ判別（Tamaribuchi et al., 2021）を，品質ラベルに応じた4値分類に拡張した．また，CNNによるP・S・ノイズ識別とともに，自動震源決定処理に組み込み，2011年3月から1年間にわたる長期連続波形に適用した．その結果，従来の地震カタログ（32万個）の約2倍に相当する61万個の微小地震活動を新たに検出することに成功した（総数93万個）．これによって得られた膨大な微小地震カタログから，客観的・自動的に前震活動を検出するため，ランダムフォレストを用いた地震活動のクラスタリングを行った．内陸の地震活動を対象に前震事例を抽出し，その統計的特徴に東北地方太平洋沖地震前との差が見られないことを確認した．また，機械学習モデルは過去データをもとに学習するため，観測点の増減や新たな特性のセンサの導入により，モデル性能が時間変化することが想定される．そのため，長期間運用することを想定して，精度モニタリングと，精度低下を検出して新たなデータを追加して再学習を行う仕組みの検討を進めた．