17:15 〜 18:30
[SCG54-P10] 2011年東北地方太平洋沖地震後の自動微小地震カタログ：教師ありアンサンブル学習による地震ノイズ判別の適用
キーワード：地震カタログ、自動震源決定、東北地方太平洋沖地震、機械学習
地震の発生時刻，場所，規模を記録した地震カタログは，地震研究や地震防災において，極めて重要なビッグデータである．ところが，平成23年 (2011年) 東北地方太平洋沖地震以降，膨大な地震が発生したため，それまでの基準で検知可能な全ての震源を処理できず，その微小地震活動は未だによく分かっていない．その後，溜渕・中川［2020，験震時報］は，2011年3月の地震波形に対して自動震源決定手法を適用し，従来の一元化震源カタログの2倍以上に相当する自動震源カタログを作成した．
一方，自動震源にはノイズ等による誤検出も数%程度含まれるため，ノイズを効率的に除去する必要がある．そこで，溜渕・他［2020，地震学会］では，機械学習の一種である教師ありアンサンブル学習を自動検測値データに適用し，誤検出の約8割を自動で除去できることを確認した．本研究では，教師ありアンサンブル学習を東北地方太平洋沖地震の余震へ適用し，誤検出を低減した自動震源カタログを作成したので報告する．
溜渕・他［2020，地震学会］では，2020年1月～2月の自動検測値データを，目視により地震とノイズに判別して教師データを作成し，それを基に教師ありアンサンブル学習（Adaboost）により地震ノイズの分類器を作成した．分類器では，マグニチュードや震源近傍20地点におけるP相やS相の検測数や走時残差などを学習に用いている．本研究では，2020年1月～2月のデータで学習した分類器を，2011年3月の自動検測値データに適用した．なお，東北地方太平洋沖地震の直後には観測網が広域欠測したため，震源近傍20地点に波形がある観測点が1地点もない場合が考えられる．そこで，本研究では震源近傍20地点の観測点を選択する際には，観測点の生存状況も考慮に入れた．
2011年3月の1か月の自動震源は，日本全国で122353個決定されている．分類器を適用した結果，119037個（全体の97.3%）が地震，3316個（2.7%）がノイズとして分類された．分類にかかった時間は，31分であった（1イベントあたり0.02秒）．ノイズの多くは余震域や島嶼部に分布しており，現実的な処理時間で概ね適切に分類できている．一方で，一元化震源と比較すると，余震域等で発生した地震をノイズと誤判別した事例が124事例あることが分かった．今後，教師データに2011年のデータを入れるなど，より汎化性能を上げる工夫を検討している．
一方，自動震源にはノイズ等による誤検出も数%程度含まれるため，ノイズを効率的に除去する必要がある．そこで，溜渕・他［2020，地震学会］では，機械学習の一種である教師ありアンサンブル学習を自動検測値データに適用し，誤検出の約8割を自動で除去できることを確認した．本研究では，教師ありアンサンブル学習を東北地方太平洋沖地震の余震へ適用し，誤検出を低減した自動震源カタログを作成したので報告する．
溜渕・他［2020，地震学会］では，2020年1月～2月の自動検測値データを，目視により地震とノイズに判別して教師データを作成し，それを基に教師ありアンサンブル学習（Adaboost）により地震ノイズの分類器を作成した．分類器では，マグニチュードや震源近傍20地点におけるP相やS相の検測数や走時残差などを学習に用いている．本研究では，2020年1月～2月のデータで学習した分類器を，2011年3月の自動検測値データに適用した．なお，東北地方太平洋沖地震の直後には観測網が広域欠測したため，震源近傍20地点に波形がある観測点が1地点もない場合が考えられる．そこで，本研究では震源近傍20地点の観測点を選択する際には，観測点の生存状況も考慮に入れた．
2011年3月の1か月の自動震源は，日本全国で122353個決定されている．分類器を適用した結果，119037個（全体の97.3%）が地震，3316個（2.7%）がノイズとして分類された．分類にかかった時間は，31分であった（1イベントあたり0.02秒）．ノイズの多くは余震域や島嶼部に分布しており，現実的な処理時間で概ね適切に分類できている．一方で，一元化震源と比較すると，余震域等で発生した地震をノイズと誤判別した事例が124事例あることが分かった．今後，教師データに2011年のデータを入れるなど，より汎化性能を上げる工夫を検討している．