[S-CG55] 機械学習による固体地球科学の牽引

[SCG55-P04] 市民参加型地震波計測ネットワークにおける地震動検出のための機械学習モデルの構築

*矢崎 友貴乃¹、中村 勇士¹、上松 大輝^1,2、金 亜伊¹、山崎 眞見¹ (1.横浜市立大学、2.国立情報学研究所)

キーワード：機械学習、深層学習、位相検出、MEMS加速度センサー

地震大国である我が国では、様々な機関において高密度振動観測網が展開され、各地点での震度の即時計算および効果的な地震速報の発令を可能にしている。しかし、現状では地震計の設置間隔である20 kmより細かい解像度での震度計測は不可能であり、緊急地震速報も約30 km圏内で発生した地震に関しては対処できない。また、近年、都市部では高層ビルやマンションの建設が急速に進んでおり、同じ建物内でも階や柱からの近さにより、被害の現れ方が異なる。つまり、人口が集中する都市部に対し、現行の大域的な震度予測だけでは被害状況の把握と予想には不十分である場合も考えられる。
そこで、本研究では、既存の観測網に加えて一般家庭にも設置できる地震計を提案し、高精度な即時地震動検出の実現を目的とする。この地震観測網はCSN（Citizens Seismic Network）(金, 2016)と称し、神奈川県横浜市の複数箇所に設置を進めている。本研究で作成した地震計ユニットは比較的安価に入手が可能であるMEMS加速度センサー(Witmotion BWT901CL)と取得したデータを解析する小型の演算装置ラズベリーパイから成る。
本発表では、上記の地震計で地震動を検出するアルゴリズムの構築に焦点を当てる。センサーデータに対し、古典的な地震検知法であるsta/lta比による地震判定を行ったところ、真の地震だけでなく、その倍以上のノイズを地震として誤判定した。この問題を解決するため、本研究では機械学習モデルを使用したアプローチを検討する。位相検出モデルは中村他(2023, 本大会)が性能評価を行なったR2AU-Netを用いた。CSNでは学習と検証に使用するデータに十分な量が蓄積されていないので、防災科学技術研究所が運用する強震計ネットワークK-NETから取得したデータを使用する。このデータには位相の検測情報がないため、機械的または人為的に位相検出したデータが必要である。そこで、大規模のK-NETデータに対して、ObsPyライブラリのar_pickerメソッドを用いて位相検出したデータを使用して学習モデルで検証したが、低い精度結果となった。これは、ar_pickerモジュールの位相検出がうまくいっていなかったことが原因である。そこで大規模のK-NETデータを使用せずにモデルを構築するため、第一段階の学習には世界中の様々な観測地点で取得された大規模検測済みデータSTEAD(Mousavi, 2019)を用い、次に手動で検測した小規模のK-NETデータを用いて転移学習する。作成したモデルは、実際のCSNデータに適用して地震動の検出を試み、その性能を検証する。さらにモデルのラズベリーパイへの実装可能性についても検討する。