[S-CG63] 地震動・地殻変動・津波データの即時把握・即時解析・即時予測

[SCG63-P03] グラフニューラルネットワークを用いたリアルタイム震度予測モデルの構築

*渡辺 豪太¹、山崎 眞見¹、金 亜伊¹、李 天鎬² (1.横浜市立大学、2.岡山理科大学)

日本は地震活動が活発であり、地震発生時に各地の震度をリアルタイムで予測する技術の高度化が防災・減災の観点から求められている。近年、長短期記憶ネットワーク（LSTM）などの深層学習を用いた手法によって、震度の迅速な推定や空間補完が行われているが、観測点密度が低い地域においては精度向上の課題が依然として残る。
本研究では、グラフ構造上での学習に特化したグラフ畳み込みネットワーク(GCN）と時系列解析を行うゲート付き再帰型ユニット（GRU）を組み合わせ、さらにアテンション機構を導入したA3T-GCNモデルを用いて、観測点間の空間的相関と時間的依存関係を同時に捉えるリアルタイム震度予測を試みた。具体的には、防災科学技術研究所のK-NET観測データを用い、横浜市周辺の複数観測点（KNG002など）における過去のリアルタイム震度の時系列から将来数秒先のリアルタイム震度を推定する。モデル構築にあたっては、観測点間の距離に基づいたしきい値付きガウスカーネルによる隣接行列を設定し、1秒刻みのリアルタイム震度を入力データとした。
実験では、(1)ターゲット観測点を含む5点規模の小規模ネットワーク、(2)ターゲット観測点から40km以内に存在する40点規模のネットワーク、という2つの条件でA3T-GCNの予測性能を評価した。その結果、小規模ネットワークに対してはLSTMを用いた先行研究よりも若干誤差が大きいケースが見られた一方、観測点数を増やして疎な隣接行列を設定した条件では最大震度や到達時刻の再現性が向上することを確認できた。これは、隣接行列の構築方法に応じて空間的特徴の捉え方が変化し、A3T-GCNの時空間学習能力がより有効に機能するためと考えられる。
今後は、観測点がさらに疎な地域や多様な地震特性を含むデータへの適用に向けて、モデルのハイパーパラメータ調整やデータ拡充を行うことで実用性の向上を図りたい。また、既存手法との組み合わせや、観測点が少ない地域に対する模擬データの活用なども検討することで、より広域で高精度なリアルタイム震度予測を実現することを目指す。