[S-SS03] Seismological advances in the ocean

[SSS03-P02] 南海トラフ沿いの浅部微動モニタリングと誤検出識別

*溜渕 功史¹ (1.気象研究所)

キーワード：浅部微動、T相、機械学習

南海トラフ沿いの海域浅部で発生する微動（以下，浅部微動という）の監視は，海域浅部で発生するスロースリップとその発生期間や領域が密接に関連していることから，海域のスロースリップを把握する一つの手段として重要である．これまで，浅部微動を震源決定するためのハイブリッド法を開発 (Tamaribuchi et al., 2022) し，現在では1時間ごとの更新による準リアルタイム監視を行っている．しかし，2023年9月には浅部微動活動を捉えた一方で，10月には鳥島近海の地震のT相を誤検出するケースが多数あり，遠地地震やT相等による誤決定を低減することが課題となっている．そこで本発表では，Tamaribuchi et al. (2023) の手法を基に，計算された微動カタログの特徴量から，機械学習を用いて微動と誤決定の識別を試みた．
データは，Tamaribuchi et al. (2022) が作成した2016年4月から2021年9月までの浅部微動カタログを用いた．ハイブリッド法で決定された全イベントは40,975個であり，これらを一元化震源カタログと比較して地震を除去し，震源時間差12時間以内，震央距離20km以内に4個以上という条件で抽出した6529個がクラスタリング処理後の微動カタログとして得られた．これらは微動とラベル付けした．微動は数年間隔で1～3か月程度にわたって集中的に発生することから，クラスタリング後の微動が1つ以上ある日と前後1日を除いた残りの全イベント23,127個を誤決定としてラベル付けした．訓練データと評価データは期間で7:3の割合で分割し，2020年10月までを訓練データ (20,964個)，2020年11月以降をテストデータ (8,692個) とした．
特徴量として，深さ，緯度，経度，深さの推定誤差，エネルギーレート，最尤値，エンベロープの相関係数の最大値，中央値，見かけ速度の中央値，振幅の最大値，中央値，振幅の最大値と最小値の比，相関係数使用ペア数，振幅使用観測点数の計14個を抽出した．pycaretライブラリ (Ali, 2020) を用いた分類結果によれば，LightGBMが最良モデルとして得られ，学習データに対する正答率 (Accuracy) は0.942，テストデータでは0.827であった．特徴量重要度からは，緯度，経度，深さの推定誤差の値を特に重視している傾向が見られた．
次に，このモデルを用いて，2016年4月1日から2024年2月7日までの微動に対して分類を行った結果，全イベント57668個のうち，9574個が「微動」とラベル付けされた．この結果は，一元化震源との比較やクラスタリングを行わなくても，微動を効率的に抽出することができ，孤立的に発生する微動の特徴を把握するのに役立つ可能性がある．今後，さらに正答率を上げるため，特徴量等の検討を進める予定である．

参考文献
Tamaribuchi, K., M. Ogiso, A. Noda (2022), J Geophys Res, doi:10.1029/2022JB024403
Tamaribuchi, K., S. Kudo, K. Shimojo, F. Hirose (2023), Earth Planets Space, doi: 10.1186/s40623-023-01915-3