[S22]AM-1

[S22-04] Application of convolutional neural networks to continuous seismic network records

*Keisuke Yano¹, Takahiro Shiina², Sumito Kurata¹, Aitaro Kato², Fumiyasu Komaki¹, Shin'ichi Sakai², Naoshi Hirata² (1. Department of Mathematical Informatics, The University of Tokyo, 2. Earthquake Research Institute, University of Tokyo)

1. 背景
現在，首都圏には，稠密に配置された約300 個の観測点をもつ首都圏地震観測網
(Metropolitan Seismic Observation network; 通称MeSO-net) があり，地震波形が連続
的に収集されている．必ずしも地震観測点として適していない首都圏での測定のため、
収集されたデータには，通常の地震波形に加えて地表面付近の様々な環境ノイズが含ま
れている．しかし、それらの環境ノイズは、観測点個別のものが多く複数の観測点で比
較することにより軽減することが期待される．そこで、これらのデータの中から複数観
測点の波形の情報を統合し，効率的かつ徹底的に地震波形だけを検知することを試みた．
本発表では，畳み込みニューラルネットとグラフ分割を用いた複数観測点での地震検知
法を提案し，MeSO-net データを用いてその精度を検証する．
2. 提案手法
畳み込みニューラルネットとグラフ分割を用いた複数観測点連続波形での地震検知法
を提案する．畳み込みニューラルネットは「膨大な数のフィルタとの畳込み・プーリング
と呼ばれるダウンサンプリング法・全結合ニューラルネット」を利用した学習器であり、
画像処理・波形処理において広く活用されている．地震学においても畳み込みニューラ
ルネットの単観測点連続波形への適用は広く検討されている．しかし，畳み込みニュー
ラルネットは，画像のように入力の各要素が等間隔で配置されていることを想定してお
り，複数観測点連続波形にそのまま利用してしまうと，観測点の空間配置の不等間隔性
を考慮することができない．そのため，単に畳み込みニューラルネットを適用しただけ
では，複数観測点を用いることによる検知精度の向上および誤検知率の減少はそれほど
期待できないと考えられる．
そこで，本研究では，グラフ理論の分野で研究されているグラフ分割の技法を畳み
込みニューラルネットに導入し，観測点の空間配置を考慮した畳み込みニューラルネッ
トを提案する．観測点間のグラフの構成法には自由度が存在するが，交差検証法を用い
ることでデータから決定することができる．
3. 解析結果
提案手法の精度検証を2011 年9 月4 日から16 日のMeSO-net 連続観測波形を用い
て行った．複数観測点として成田付近の13 観測点を選択し，畳み込みニューラルネット
の時間入力長を20 秒(50Hz までダウンサンプリング) とした．提案手法の精度を既存手
法と精度を比較し，特に誤検知率を抑えることに成功した．解析結果の詳細については
当日報告する．