| 講演要旨(和文) | | カリフォルニア工科大学が開発した深層学習を用いた地震波初動検出ネットワーク（Generalized Seismic Phase Detection with Deep Learning、以下GPD）を大学で独自に設置した八丈島での臨時地震観測システムの観測記録に適用した。比較のために防災科研のHi-netや気象庁が設置した地震計による観測記録に対してもGPDを適用した。GPDは画像識別の分野で多用される畳み込みニューラルネットワーク（以下、CNN）の層より構成され、P波、S波それぞれの初動検出を行う。適用した結果は比較的大きな気象庁の一元化として公表されているものは対応した初動検出ができた。一方、その他のものについてはノイズ部分を検出して、P波、S波のペアリングの観点から地震として不自然なものもあった。発表ではCNNとGPDの説明および適用結果について述べた後、今後の展開についても述べる。 |
|
|
| | 講演要旨(英文) | | We applied a convolutional neural network for detection of first arrival time of seismic wave to natural earthquake data observed in Hachijojima. The network has been developed using the Deep Learning by CALTEC, (Ross et al., 2018). Hachijojima data was obtained by our observation system that our university has installed for volcanic disaster prevention. This network has been made up with some convolutional layers and fully connected layers and predicts respective first arrivals of P-wave and S-wave independently from seismic records. Applied results to Hachijojima data show a good match with published from JMA and NIED in the case of relatively big earthquake. However, in the other applied results, unnatural predictions were often found from the viewpoint of pairing of P-wave and S-wave. Our presentation provides some detailed explanation about this network and also provides future development for exact detection of first arrival of seismic wave. |
|
|
|
| |
|