17:15 〜 18:30
[SCG52-P02] 家庭用地震センサーネットワークの構築に向けて：様々なニューラルネットワークを用いたパフォーマンステスト
キーワード：ニューラルネットワーク、機械学習、地震動、地震計、強震動、CNN
我が国では地震活動が極めて活発である事から高密度な強震観測網が展開されており，地震よる大きな揺れが警戒される場合は基本的にどこにいても緊急地震速報を受信することができる. しかし, 個人レベルの防災としては, 地震による被害が建物の状況に強く影響される以上, その地域の震度が自分の家の揺れ具合を正確に表しているとは言い切れない. この問題を解決する一つの案として, 各家庭に設置できる地震計があればその場所での震度を計測したり, 将来的にはその場所での強震動予測を可能にし, 次に取るべき行動を判断することができる可能性がある（自助）. そこで本研究では市販の安価なMEMS加速度センサーとコンピュータRaspberry Pi を組み合わせた小型センサーユニットを作成し，各家庭や公共施設に設置することを提案した. また, 災害時における共助のためにそれらのユニットで地域市民参加型地震波計測ネットワーク（Citizen Seismic Network, 以下，CSN）を構築することを提案した. CSNセンサーユニットには平時から有事に利用できるアプリケーションが実装されているほか，ソーシャル・ネットワーキング・サービス(SNS)などと連動させることで市民間のつながりもでき，各地域での地震防災コミュニティーネットワークの構築につながる事が期待される. このCSNセンサーユニットの実用化に向けた一つの問題点として，通常の強震計と比べ機械ノイズが高いこと，また設置場所が家庭や公共施設といった高ノイズ環境下であることからノイズと地震動の識別が難しいことがある. 本研究ではそのような環境下でも地震動を正確に見分け震度を計算する事を目的に, 人工ニューラルネットワークを導入した. 本発表では様々な構造のニューラルネットワークについてその実用性を比較検証する. 具体的には中間層を一つにした3層のネットワーク（ANN）, 畳み込みニューラルネットワーク(CNN)およびリカレントニューラルネットワーク(RNN)のパフォーマンスを検証する. 教師データと検証用データにはCSNのデータに加え、防災科学技術研究所で公開されている2005年から2018年までのK-netのデータにCSNセンサーユニットのノイズを付加した擬似データを作成し、約９万個の訓練データ及び約４万個の検証用データを準備した。またCNN, RNNでは構造が複雑で深くなるため, 既存のデータ量では学習がうまく進まなくなる可能性があるので、公開されている学習済みモデルを使用して転移学習を行って比較した. 現時点での結果としてはリアルタイムでの地震波検出としてはRaspberry Pi上で学習済みANNを用い、最終的な検出はサーバ上で深いネットワークを使用するの流れが最適である。また、現在のデータ量では構築したネットワークで一から学習するよりも、既存学習済みネットワークを用いた転移学習の方が高いパフォーマンスを発揮することがわかった。発表では開発中のセンサーネットワークのシステムや防災アプリケーションも併せて紹介する予定である.