[S-TT38] 最先端ベイズ統計学が拓く地震ビッグデータ解析

[STT38-02] 深層学習を用いた複数トレースを入力とする深部低周波地震検知手法の開発

*加藤 慎也¹、長尾 大道¹、飯尾 能久、片尾 浩、澤田 麻沙代²、冨阪 和秀² (1.東京大学地震研究所、2.京都大学防災研究所)

キーワード：深部低周波地震、深層学習

深部低周波地震（DLFs）は、海域のプレート境界や陸域のトランスフォーム断層の深部、第四紀火山周辺、非火山地帯など様々な地域で発生している(長谷川・中島, 2022)。近畿地方中北部や鳥取県西部の非火山地域では、モホ不連続面付近で局所的にDLFsが発生し、下部地殻に存在する顕著な反射体の端と震源域が一致していることが示されている(Doi and Nishigami, 2007; Katoh et al., 2018)。DLFsの発生には流体の関与が示唆されており、DLFsの活動を正確に把握することは地下の流体分布や流体拡散様式などを理解する上で重要である。

そこで、本研究では、非火山地帯の内陸で生じるDLFsの検出を目的とした深層学習モデルの開発を行なった。これまで、DLFsの検出にはテンプレートマッチングのような類似波形探索手法が使用されていた(Shelly et al., 2007; Kurihara and Obara, 2021)。この手法はあらかじめ作成したテンプレートに基づいて検出を行うため、新しい地震波形に対する検出能力には限界がある。そこで、本研究では、従来のテンプレートを用いた手法よりも柔軟にDLFsの波形を検出できると考えられる深層学習モデルを作成した。

開発したモデルは、複数観測点で収録された波形データを入力とし、波動場の情報を学習できるようにした。深層学習を用いた低周波イベントの検出手法を開発した先行研究(Nakano et al., 2019; Rouet-Leduc et al., 2020; Takahashi et al., 2021)では、単観測点で収録された波形を入力としていた。しかし、本研究ではDLFsのような振幅が小さい低周波イベントは一つのトレースで見るより複数のトレースを入力した方が検出しやすいと考え、複数観測点を入力できるようにした。

開発したモデルで近畿地方中北部や鳥取県西部の非火山地域で発生しているDLFsの検出を行った。これらの地域には観測点間隔約5 km以下の満点観測網(三浦・他, 2010; 飯尾 2011; 飯尾・他, 2017)が2009年から2022年の長期間設置されていた。Hi-netなどの定常観測網に加え満点観測網で得られた空間分解能が大幅に向上したデータを解析することで、DLFsの検出能力が向上し、発生分布をより正確に特定することができる。

本発表では、開発したモデル構造やモデルの検出性能について紹介する。