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。

A large number of earthquake events have been reported in recent years, and the rate of emergency has increased. I don't know what to do in Japan. I don't know what's going on in Japan. I don't know what's going on in Japan. I don't know. I don't know. First of all, we will study the information on the waveforms of the waves in the public market, the time frame of the system, the capacity of the system, and a large number of problems on the Internet. There is a great deal of information on how to solve the problem, and a large number of people may have a good chance of improving the rate of failure. In this paper, the travel time of seismic waves is used to determine the initial dynamics of seismic waves in order to determine the initial dynamics of seismic waves. The purpose of this study is to conduct a separate study. Start the high-performance cut-off cycle, and first study the high-performance test PhaseNet (Zhu and Beroza, 2019) EQTransformer (Mousavi et al., 2020). When you are in the near-term travel time, you can select the high-speed train, the high-performance engine, and the high-performance engine. At the same time, it is decided that the location of the initial motion of P wave and the location of the initial motion of P wave will be successful at the same time. In this way, you can analyze the number of seismic waveforms by double the number of seismic waveforms. It is necessary to determine the frequency and operating time of the reflected wave, and the travel time of about 140000 reflective waves is determined. The reflectors are inclined, the reflectors are analyzed, and the reflectors are characterized by high precision, high decomposition energy and success. In the analysis of the number of data, the number of the reflector is unknown, the reflector is straight, the presumption is made, the thickness of the reflector is below 5km, the velocity of the seismic wave is low, the velocity is thin, the velocity is thin, and the reflector is clear. The results show that the possibility of deep extension of the reflector is presumed to be high. In this paper, the results are reviewed, and the important information is provided in the deep part of the body, in the deep part of the body, in the deep part of the body.

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

[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

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