12:40 〜 13:00
[4L2-GS-13-03] オートエンコーダを用いた地震計の時系列異常検知
キーワード:異常検知、機械学習、深層学習
国立防災科学技術研究所のHi-netの構築により、地震計のデータ収集の高速化と大規模化が可能となった。
これにより地震計には地割れや落雷による明確な故障と、取得データの挙動が徐々に変化する経年劣化による異常があることが分かった。既存手法では、明確な故障は信号を書かなくなったり波形が極めてノイジーになるため簡単に検知できるが、経年劣化は周波数特性の比較結果等を人が目視で確認後に議論して決めていた。しかし、これにより確認の遅れとヒトによる主観的な判断から定量的な評価が困難であった。
本論文ではこれらの課題を乗り越える手法として、ニューラルネットワークの一種であるオートエンコーダを用いた異常検知手法を提案する。提案手法は、既存手法では定量的に評価できなかった時系列データ内の異常区間の評価が目的である。経年劣化による異常の顕現の確認には数年間のデータ準備が必要であるため、本手法ではビッグデータの高速処理のためのシステムを併せて構築した。
提案手法の効果を測るために、本論文では実データを使用した実験により提案手法の有効性を確かめた。実験結果から、提案手法は地震計の異常を検知できることを確認した。
これにより地震計には地割れや落雷による明確な故障と、取得データの挙動が徐々に変化する経年劣化による異常があることが分かった。既存手法では、明確な故障は信号を書かなくなったり波形が極めてノイジーになるため簡単に検知できるが、経年劣化は周波数特性の比較結果等を人が目視で確認後に議論して決めていた。しかし、これにより確認の遅れとヒトによる主観的な判断から定量的な評価が困難であった。
本論文ではこれらの課題を乗り越える手法として、ニューラルネットワークの一種であるオートエンコーダを用いた異常検知手法を提案する。提案手法は、既存手法では定量的に評価できなかった時系列データ内の異常区間の評価が目的である。経年劣化による異常の顕現の確認には数年間のデータ準備が必要であるため、本手法ではビッグデータの高速処理のためのシステムを併せて構築した。
提案手法の効果を測るために、本論文では実データを使用した実験により提案手法の有効性を確かめた。実験結果から、提案手法は地震計の異常を検知できることを確認した。
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。