[2K1-OS-6] OS-6

[2K1-OS-6-04] Machine-learning-based detection of slow slip signal hidden in the GNSS displacement time series of southwest Japan

〇Yusuke Tanaka¹, Masayuki Kano¹, Keisuke Yano² (1. Tohoku University, 2. The Institute of Statistical Mathematics)

Keywords:signal detection, earthquake forecast, slow slip events, geodetic data, Convolutional Neural Network

全地球航法衛星システム（GNSS）による地殻変動観測データの急速な増加により，スロースリップ（SSE)と呼ばれる低速・小規模な断層すべり現象の把握が進んでいる．同現象は巨大地震発生予測に重要と考えられるが，GNSSデータから機械学習でSSEを検出する試みは少なく，特に実データを学習した事例はほとんどない．本研究では実データの学習に基づくSSE自動検出手法の構築，及びノイズ特性の理解の深化を目指し，西南日本の既存のSSE検出カタログを教師データとした学習・判定を試みた．はじめに単点の地殻変動時系列からCNNで特徴を抽出し，シグナルかノイズかを判定させる問題を試みた結果，75–76%の正答率が得られた．判定結果は振幅が大きいシグナルほど検出率が高いなど直感に合う傾向を示し，SSE発生時期に合わせてシグナル確率の推定値がピークを示すなど時間方向にも合理的な挙動を示した．一方で観測点毎の正答率と時系列の標準偏差やスペクトル特性を比較すると相関は弱く，ノイズ特性と判定成績の対応は複雑であることも判明した．発表では複数観測点を併用した学習についても示し，空間情報を取り込む最適な方法を議論する．