09:50 〜 10:05
[SCG62-04] 再帰型ニューラルネットワークによる2011年東北沖地震後の余効変動予測の試み
キーワード：ニューラルネットワーク、余効変動
2011年東北地方太平洋沖地震以来，余効変動が続いている．この余効変動の影響により，各種スローイベントの小さなシグナルが隠れている可能性がある．余効変動は，一般に，対数関数や指数関数，またその組み合わせによってフィッティングされている．この余効変動をより正確に表現するために，機械学習手法の1つであるニューラルネットワークを導入し，既存のデータから将来のデータを予測するシステムを構築する．余効変動の時系列データとして，国土地理院のGNSS(Global Navigation Satellite System)観測網に基づく東西成分，南北成分の変位を用いる．観測点数は191点である．観測点ごとに，時系列の前半90％を学習に使用する．観測点ごとに変位量が異なるため，学習で用いるデータを用いて，観測点ごとに値を正規化した．試行錯誤の結果，東西成分では，0.1～0.9に，南北成分では0.3～0.7に正規化した．時系列データを700日ごとに区切り，連続した700日を入力データとし，その次の日の値を出力データとした．ニューラルネットワークの層は，単純化のために1層に固定し，LSTMを東西成分では8個，南北成分では32個設定した．ここでLSTMは，複数のニューロンから構成されるユニットであり，長期時間依存性を学習できる．損失関数には絶対誤差平均を，最適化アルゴリズムにはAdamを用いた．ニューラルネットワークの予測精度を，従来の回帰分析と比較したところ，東西成分では，従来の回帰分析よりも良い精度で余効変動を予測することができた．一方で，南北成分では，ニューラルネットワークは必ずしも回帰分析を上回る結果とはならなかった．これらの結果から，ノイズに関して十分大きな変動に対してのみ有効な予測ができると考えられる．また，東西成分において，予測精度が低下する領域が見られた．その一部は新潟-神戸ひずみ集中帯に対応するが，東北北部の日本海沿岸にもそのような領域が存在することが分かった．