| 講演要旨(和文) | | 地下構造を正確に把握する事は、地震災害を軽減するうえで極めて重要である．トモグラフィ解析は、観測走時と理論走時との誤差を最小にする地下構造モデルを逆解析により求める解析法であり、逆解析には非線形最小二乗法を用いることが多い．従来のトモグラフィ解析では解析領域内をセルまたは格子点に分割する必要がある．そのため、解析結果の分解能が分割サイズに依存する．初期モデルにも強く依存してしまうため、極所解に陥る可能性がある．そこで本研究では、これらの問題を解消するために優れた関数近似能力を有するニューラルネットワークを用いた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確認し、実データへ適応することを目的としている． |
|
|
| | 講演要旨(英文) | | Tomography analysis is widely used as a method of estimating subsurface structure. However, accuracy of traditional tomography analysis 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 tomography analysis by use of neural network and evaluated applicability by numerical experiment. As a result, we can estimate subsurface structure with good accuracy. |
|
|
|
| |
|