[S-CG60] 機械学習による固体地球科学の牽引

[SCG60-08] 再帰型ニューラルネットワークを用いたb値推定

*麻生 尚文¹ (1.東京理科大学)

地震のマグニチュードは通常、指数分布に従い、そのグーテンベルグ・リヒター（G–R）則の指数はb値として知られている。b値は震源域の応力状態と関連しており、その時間変化をモニタリングすることは地震活動を評価する上で重要である。
b値は観測された地震のカタログから推定されるため、推定値は必ずしも母分布を特徴づける真のb値と一致するとは限らない。したがって、真のb値を正確に推定することが重要である。本研究では、与えられたb値に従う地震カタログを人工的に作成し、その真のb値を推定するニューラルネットワークを構築した。
地震カタログの作成には、地震の時間的クラスタリングの特性を忠実に再現するため、ETAS（Epidemic-Type Aftershock Sequence）モデルに基づくシミュレーションを用いた。b値は時間とともに線形的に変化し、ある時点で瞬時に変化するものを仮定した。
b値の時間変化を検出するため、再帰型ニューラルネットワーク（RNN）を構成し、地震カタログの解析に適用する。RNNは時系列データの処理に適しており、データ内の時間依存性を効果的に捉えることができる。さらに、イベント数の異なる地震カタログにも柔軟に適用できるという利点がある。
異なるRNNアーキテクチャを比較分析した結果、長短期記憶（LSTM）ネットワークが最も優れた推定精度を達成することが分かった。LSTMネットワークは長期および短期の依存関係を効果的に学習でき、安定した時間変化の推定が可能になる。特に、双方向LSTMは過去を振り返ってb値を推定する目的に最適である。