| 講演要旨(和文) | | 地下構造を正確に把握する事は，地震災害の軽減を考えるうえで極めて重要である．地下構造を推定する手法の一つである走時トモグラフィは精度良く地下をイメージングする手法として広く用いられている．しかし，従来の走時トモグラフィでは観測系（震源・受振点）を地下深部に自由に設置できない等の幾何学的制限からデータの分布に偏りが生じ，推定箇所により精度が低下していた．また、近年様々な分野でニューラルネットワークを用いた研究が行われており，データの分布に偏りがある場合においてもニューラルネットワークの汎用性により精度の高い解が得られるとされている．そこで本研究では優れた汎用性を有するニューラルネットワークを用いた走時トモグラフィの開発を行い，数値実験によりその適用性を検討した．その結果，予測点における弾性波速度の誤差率を５〜10％程度に抑えることができた． |
|
|
| | 講演要旨(英文) | | Traveltime tomography is widely used as a method of estimating subsurfacd structure. However, accuracy of traditional traveltime tomography falls on the situation because measuring instruments can't be set up underground. Also, many researchers in various fields are doing research using neural network. In those papers, they obtained very precise solution in the case of unbalanced distribution of data. So, we have developed traveltime tomography by use of neural network and evaluated applicability by numerical experiment. As a result, we can estimate the ground structure with good accuracy. |
|
|
|
| |
|