JP7282305B2 - 地震観測装置、地震観測方法および地震観測プログラム - Google Patents
地震観測装置、地震観測方法および地震観測プログラム Download PDFInfo
- Publication number
- JP7282305B2 JP7282305B2 JP2021540696A JP2021540696A JP7282305B2 JP 7282305 B2 JP7282305 B2 JP 7282305B2 JP 2021540696 A JP2021540696 A JP 2021540696A JP 2021540696 A JP2021540696 A JP 2021540696A JP 7282305 B2 JP7282305 B2 JP 7282305B2
- Authority
- JP
- Japan
- Prior art keywords
- detection status
- trigger
- information
- status information
- earthquake
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 70
- 238000001514 detection method Methods 0.000 claims description 139
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 91
- 238000010801 machine learning Methods 0.000 description 29
- 238000007794 visualization technique Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000012800 visualization Methods 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000013480 data collection Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/30—Analysis
- G01V1/307—Analysis for determining seismic attributes, e.g. amplitude, instantaneous phase or frequency, reflection strength or polarity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
- G01V2210/1232—Earthquakes
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
Description
図1は、実施形態に係る地震観測装置の機能構成の例を示す概略ブロック図である。図1に示すように、地震観測装置100は、通信部110と、表示部120と、操作入力部130と、記憶部180と、制御部190とを備える。記憶部180は、モデル記憶部181を備える。制御部190は、多次元化部191と、グループ特定部192とを備える。
地震観測装置100は、例えばワークステーション(Workstation)またはメインフレーム(Mainframe)等のコンピュータを用いて構成される。
上記イベントは、地震など振動発生要因(振動発生要因となる事象)である。
通常の振動と異なる振動の発生の有無を判定することを、トリガを判定するとも称する。
トリガの検出の有無などトリガの検出状況を示す情報をトリガ検出状況情報と称する。トリガ検出状況情報は、振動検出状況情報の例に該当する。
図2は、実施形態に係る地震処理システムの機能構成の例を示す概略ブロック図である。図2に示す構成で、地震処理システム1は、センサ210と、センサデータ収集装置220と、地震処理装置230と、データサーバ装置240と、津波処理装置250と、リアルタイム表示端末装置261と、メンテナンス端末装置262と、対話型処理端末装置263とを備える。地震処理装置230は、受信部231と、単独観測点トリガ処理部232と、地震判定部233と、相検測部234と、震源推定部235と、通知処理部236とを備える。
地震処理装置230、津波処理装置250およびデータサーバ装置240は、例えばワークステーションまたはメインフレーム等のコンピュータを用いて構成される。
地震処理装置230は、センサ210による測定データに基づいて地震発生の有無を判定する。地震が発生したと判定した場合、地震処理装置230は、震源(震源地)を推定し、推定結果を津波処理装置250からの津波情報と共に通知先へ通知する。ここでの通知先は、例えば、地震解析の担当者の端末装置であってもよいし、テレビ局など地震情報を報道する機関であってもよい。
単独観測点トリガ処理部232は、センサ210による測定データに基づいて、観測点毎のトリガを判定する。単独観測点トリガ処理部232は、判定結果を観測点毎のトリガ検出状況情報にて出力する。ここでいうトリガ検出状況情報は、観測点におけるトリガの検出の有無(すなわち、トリガを検出しているか否か)を示す情報である。
個々の観測点を単独観測点とも称する。
震源推定部235は、地震判定部233が地震の発生を判定した場合に、相検測部234の検測結果に基づいて、震源地を推定する。震源地の推定方法として、既存の方法を用いるようにしてもよい。
通知処理部236は、地震判定部233が地震の発生を判定した場合に、震源推定部235が推定する震源地と、津波処理装置250が生成する津波情報とを、予め定められている通知先へ通知する。
メンテナンス端末装置262は、地震処理システム1のメンテナンス用の端末装置である。例えば、地震処理システム1の保守作業員は、メンテナンス端末装置262を用いて、データサーバ装置240が記憶しているモデルパラメータ値を更新する。また、地震処理システム1の保守作業員は、センサ210の各々が正常に動作しているかどうかをメンテナンス端末装置262を用いて確認し、必要に応じてセンサ210のメンテナンスを実施する。
地震判定部233の処理を地震観測装置100が行うようにしてもよい。その場合、地震処理装置230が1つの装置として構成され、地震観測装置100と地震処理装置230の一部とが対応付けられてもよい。あるいは、地震処理装置230が、地震観測装置100を含む複数の装置として構成されていてもよい。
表示部120は、例えば液晶パネルまたはLED(Light Emitting Diode、発光ダイオード)パネル等の表示画面を備え、各種画像を表示する。例えば、表示部120は、多次元化部191が生成する、地理的位置軸と時刻軸とで2次元化されたトリガ検出状況情報を表示する。
操作入力部130は、例えばキーボードおよびマウス等の入力デバイスを備え、ユーザ操作を受け付ける。
モデル記憶部181は、学習済みモデルを記憶する。ここでいう学習済みモデルは、機械学習で得られるモデルである。モデル記憶部181は、多次元化部191およびグループ特定部192のうち一部または全部の処理についての学習済みモデルを記憶するようにしてもよい。モデル記憶部181は、機械学習の結果得られる学習済みモデルを記憶する。
Neural Network;CNN)等のニューラルネットワークであってもよいが、これに限定されない。
グループ特定部192は、多次元化部191が生成する2次元以上のトリガ検出状況情報を構成する要素情報であって、ある地理的位置かつある時刻におけるトリガ検出状況を示す要素情報の各々を、振動発生要因毎のグループに分類する。すなわち、グループ特定部192は、多次元化部191が多次元化したトリガ検出状況情報を用いて、その要素となっている個々の観測点かつ個々の時刻におけるトリガ検出状況情報を、イベント毎(例えば地震毎)のグループに分類する。
地震観測装置100が、地理的位置および時刻に係る2次元以上のトリガ検出状況情報を用いてトリガをグループ分けする方法のうちの1つを、視覚化法と呼ぶことにする。視覚化法では、地震観測装置100は以下のステップ11~ステップ15の処理を行う。
多次元化部191が、直線状に配置された複数の観測点を割り当てた地理的位置軸(これら複数の観測点を結んだ直線における位置を示す座標軸)と時刻軸との2次元のトリガ検出状況情報を生成する。
図3は、直線状に配置された観測点の配置例を示す図である。図3の例では、観測点が丸(〇)で示されている。領域A11では、観測点がおよそ直線状に配置されている。
多次元化部191は、このように直線状に配置された観測点を、地理的位置および時刻の2次元のうち地理的位置の座標軸に割り当てる。そして、多次元化部191は、割り当てた各観測点における時刻毎のトリガ検出状況を2次元座標に示すことで、2次元のトリガ検出状況情報を生成する。ここでいう時刻毎は、例えば、時刻軸を所定の単位時間毎に区分した区分毎である。
あるいは、多次元化部191が、観測点毎および時刻毎の振幅のグラフに代えて、観測点毎および時刻毎のトリガ検出状況をプロットしたグラフを生成するようにしてもよい。
例えば、トリガが検出されていることを黒のプロットで示し、トリガが検出されていないことを白のプロット、あるいは何もプロットしないことで示すようにしてもよい。トリガが検出されていることのプロットを、トリガのプロットとも称する。
グループ特定部192が、トリガグループを決定する。
ここでは、グループ特定部192は、トリガをイベント(個々の地震などの振動発生要因)毎に分類する。この分類で得られるグループをトリガグループと称している。
グループ特定部192が、2次元のトリガ検出状況情報における幾何学的形状に基づいてトリガをグループに分類するようにしてもよい。
直線状に配置された観測点間の距離にばらつきがある場合、地理的位置軸上でも、観測点間の間隔に比例した間隔で観測点を割り当てることで、均等な間隔で配置されている観測点を、縦軸に均等な間隔で割り当てた場合と同様の形状が示される。
グループ特定部192が、トリガの開始時刻が算出した円弧から所定の時間以内にあるトリガを同一のトリガグループに分類するようにしてもよい。
グループ特定部192または人が、2次元のトリガ検出状況情報でトリガの開始時刻が示す形状に加えて、振動の波形など他の情報にも基づいて、トリガをトリガグループに分類するようにしてもよい。
多次元化部191が、仮震源の位置を推定する。ここでいう仮震源は、仮に設定される震源である。地震処理装置230(図2)の震源推定部235の処理で震源を推定し直すことから仮震源と称している。
多次元化部191は、トリガのトリガグループへの分類に基づいて、各観測点における振動の波形について検測処理を行い、検測結果に基づいて仮震源の位置を推定する。仮震源の位置を推定する方法として、グリッドサーチ法など公知の震源計算方法を用いることができる。
多次元化部191が、仮震源の位置を自動的に推定するようにしてもよい。あるいは、人が仮震源の位置を推定し、多次元化部191が、ユーザ操作に従って、2次元のトリガ検出状況情報上に仮震源の位置を設定するようにしてもよい。
多次元化部191が、仮震源からの距離順に全ての観測点を割り当てた地理的位置軸と時刻軸との2次元のトリガ検出状況情報を生成する。仮震源からの距離として、震源距離を用いるようにしてもよいし、震央距離を用いるようにしてもよい。
例えば、時刻軸を横軸にとり、地理的位置軸を縦軸にとり、仮震源に近い観測点から順(震央距離の短い順)に地理的位置軸の下側から上側へ割り当てていけば、この仮震源からの地震波によるトリガが右上がりの線(または右上がりの帯形状)にプロットされる。
仮震源が浅い位置にある場合は、仮震源から観測点までの距離としてその観測点までの震央距離を用いても同様である。
グループ特定部192が、トリガグループを決定する。
上記のように、多次元化部191が生成する2次元のグラフで、この仮震源からの地震波によるトリガは線(または帯形状)にプロットされる。そこで、グループ特定部192は、この多次元化部191が生成する2次元のグラフで同一の線(または同一の帯形状)としてプロットされているトリガを同一のグループに分類する。
位置的かつ時刻的に近接した複数の地震が発生した場合、多次元化部191が地震毎に仮震源の位置を推定する。次に、多次元化部191およびグループ特定部192は、仮震源毎にトリガのグループ分けを行う。
例えば、地震観測装置100が、仮震源の位置が収束するまで、ステップ13からステップ15の処理を繰り返すようにしてもよい。さらに例えば、多次元化部191が、ステップ13で仮震源の位置を推定する処理を2回以上行った場合に、今回の処理で得られた仮震源の位置と前回の処理で得られた仮震源の位置との距離を算出し、距離が所定の閾値以下になるまで
ステップ13からステップ15の処理を繰り返すようにしてもよい。
地震観測装置100が、地理的位置および時刻に係る2次元以上のトリガ検出状況情報を用いてトリガをグループ分けするもう1つの方法を、符号化法と呼ぶことにする。符号化法では、地震観測装置100は以下のステップ21からステップ22に示す処理を行う。
多次元化部191が、複数の観測点が配置される1次元以上の座標軸と時刻軸とによる3次元以上のトリガ検出状況情報を生成する。
多次元化部191は、視覚化法の場合と同様、地理的位置軸と時刻軸とを有する複数次元の座標空間にトリガ検出状況情報を展開する(トリガをプロットする)。
ただし、符号化法で、地理的位置軸への観測点の割当の並び順は固定とする。特に、符号化法でトリガのプロットのパターンに応じたトリガのグループ分けを機械学習させる場合、地理的位置軸への観測点の割当の並び順は、学習時と運用時とで同じにする。
参照する情報が多くなることで、グループ特定部192によるトリガのイベント毎のグループ分けがより高精度に行われることが期待される。
図5の例では、図を見やすくするために、直線状に並んだ観測点をその並び順どおりに縦軸に割り当てた場合の例を示している。ただし、符号化法では、地理的位置軸(図5の例では縦軸)における観測点の配置は上記のように任意である。
また、図5の例では、要素情報毎(観測点毎かつ時刻毎)に、トリガのイベント(振動発生要因)の種類が示されている。
グループ特定部192が、トリガグループを決定する。
図6は、グループ特定部192が決定したトリガグループの例を示す図である。図6は、図5に示されるトリガをグループ分けした例を示している。
図6の例では、地震A、地震B、地震C、地震Dの4つの地震によってトリガが発生しており、グループ特定部192は、イベントを地震毎に「A」、「B」、「C」、「D」の4つのグループに分類している。「×」は、イベントが地震ではないので4つのグループの何れにも属さないことを示している。
そこで、符号化法におけるトリガ発生状況情報(2次元以上のトリガ発生状況情報)の入力を受けてトリガグループを出力するモデルを機械学習で生成しておくようにしてもよい。このモデルで、観測点間における地震波の到達時間差がグループ分けの規則に反映されることで、トリガのグループ分けが高精度に行われると期待される。
地震観測装置100が、視覚化法と符号化法とを併用し、両者による分類結果(グループ分けの結果)を統合するようにしてもよい。例えば、グループ特定部192が、以下のステップ31からステップ32の処理を行うことで、視覚化法による分類結果と符号化法による分類結果とを統合するようにしてもよい。
グループ特定部192が、視覚化法におけるトリガグループと、符号化法におけるトリガグループとを対応付ける。
統合前の、視覚化法、符号化法それぞれによる分類を仮分類と称する。
視覚化法、符号化法の何れでも、観測点毎かつ時刻毎にトリガグループが求められている。そこで、グループ特定部192は、観測点毎かつ時刻毎に、視覚化法におけるトリガグループと、符号化法におけるトリガグループとを対応付ける。
グループ特定部192が、分類結果の一致度合い(トリガグループの一致度合い)に基づいて分類結果に評価を加える。
トリガが視覚化法と符号化法とで同じトリガグループに分類された場合(すなわち、分類結果が一致する場合)、この分類の信頼性が比較的高いと考えられる。そこで、グループ特定部192は、この場合の分類結果に対して高い評価を加える。例えば、グループ特定部192が、この場合のトリガグループ(観測点毎かつ時刻毎のトリガグループ)に比較的大きい重み係数(例えば、「1」)を加える。
トリガとトリガ発生元の地震との対応付けが正しい場合、このトリガに関する情報(例えば、地震波到達時刻)をその地震の震源地の推定に用いることで、震源地推定のための情報が多くなり、推定精度が向上すると期待される。一方、トリガとトリガ発生元の地震との対応付けが誤っている場合、このトリガに関する情報をその地震の震源地の推定に用いると、震源地推定に対するノイズとして作用し、推定精度が低下すると考えられる。
なお、地震観測装置100が併用する方法は、視覚化法および符号化法に限定されない。地震観測装置100が、視覚化法および符号化法に加えて、あるいはこれらのうち何れかに代えて、トリガをその発生原因の地震毎のグループに分類する他の方法を併用するようにしてもよい。
図7に示す構成で、モデル生成装置300は、機械学習データ生成部310と、トリガ情報学習部321と、仮震源推定処理学習部322と、視覚化法グルーピング学習部323とを備える。
モデル生成装置300は、機械学習を実行して、制御部190の各部の処理に用いられるモデルを生成する。
モデル生成装置300は、例えばワークステーションまたはメインフレーム等のコンピュータを用いて構成される。
トリガ検出状況情報(符号化)は、符号化法で多次元化部191が生成する、2次元以上のトリガ検出状況情報である。
トリガ検出状況情報(視覚化)は、視覚化法でトリガグループの決定のために多次元化部191が生成する、観測点が仮震源からの距離に応じて地理的位置軸に割り当てられた2次元のトリガ検出状況情報である。
イベント判別データ(符号化)は、トリガ検出状況情報(符号化)に対する正解のトリガグループを示す情報である。
仮震源推定位置情報は、トリガ検出状況情報(仮震源推定)に対する正解の仮震源の位置を示す情報である。
イベント判別データ(視覚化)は、トリガ検出状況情報(視覚化)に対する正解のトリガグループを示す情報である。
機械学習データ生成部310は、トリガ情報学習部321用の学習データとして、トリガ検出状況情報(符号化)と、それに対応するイベント判別データ(符号化)との組み合わせを生成する。
機械学習データ生成部310は、視覚化法グルーピング学習部323用の学習データとして、トリガ検出状況情報(視覚化)と、それに対応するイベント判別データ(視覚化)との組み合わせを生成する。
ただし、上述したように、人が仮震源の位置推定を行うようにしてもよい。この場合は、モデル生成装置300が仮震源推定処理学習部322を備える必要は無い。
これにより、地震観測装置100では、トリガとその要因なった地震との対応関係を求めるために、トリガ発生の時間の情報を用いることができ、この点で、比較的多くの情報を用いることができる。
特に、トリガ発生の時間の情報から、観測点間における地震波到達時間差を算出でき、これによって観測点同士の位置関係が示される。地震観測装置100がこの情報を用いることで、比較的高精度にトリガのグループ分けを行えると期待される。
この2次元の振動検出状況情報では、同じ地震に起因するトリガが線状または帯状に示される。グループ特定部192が、この情報に基づいて、比較的高精度にトリガのグループ分けを行えると期待される。
この2次元座の振動検出状況情報では、仮震源の方向が幾何学的に示される。多次元化部191が、この情報を用いることで、比較的容易に買い震源の位置を推定できると期待される。
この2次元以上の振動検出状況情報では、トリガによって示される符号パターンとトリガとその発生要因の地震との対応関係との間に相関性がある。特に、符号化法におけるトリガ発生状況情報に時刻軸が設けられていることで、観測点間における地震波の到達時間差がグラフに示されている。この到達時間差によって、観測点同士の位置関係、および、観測点と震源との位置関係が示されている。グループ特定部192が、この情報に基づいて、比較的高精度にトリガのグループ分けを行えると期待される。
グループ特定部192が、この情報を用いてトリガのグループ分けを行うことで、比較的多くの情報を用いることができ、比較的高精度にグループ分けを行えると期待される。
この評価情報を震源の位置推定反映させることで、震源の位置を比較的高精度に推定できると期待される。
また、地震観測装置100で機械学習を用いて統計的処理を行うことで、トリガとその原因の地震との対応付けで、あり得ない対応付けを行うことを排除できる。
図8は、最小の構成の実施形態に係る地震観測装置を示す。図8に示す地震観測装置400は、振動検出状況情報取得部401と、多次元化部402と、グループ特定部403とを備える。
特に、振動発生時間の情報から、観測点間における地震波到達時間差を算出でき、これによって観測点同士の位置関係が示される。地震観測装置400がこの情報を用いることで、比較的高精度に振動とその要因なった地震との対応関係を求められると期待される。
図9に示された処理は、複数の観測点の各々における振動検出状況情報を取得する振動検出状況情報取得工程(ステップS211)と、前記複数の観測点の各々における振動検出状況情報から、地理的位置および時刻に係る2次元以上の振動検出状況情報を生成する多次元化工程(ステップS212)と、前記2次元以上の振動検出状況情報を構成する要素情報であって、ある地理的位置かつある時刻における振動検出状況を示す要素情報の各々を、振動発生要因毎のグループに分類するグループ特定工程(ステップS213)とを含む。
図9の処理によれば、振動とその要因なった地震との対応関係を求めるために、振動発生時間の情報を用いることができ、この点で、比較的多くの情報を用いることができる。
特に、振動発生時間の情報から、観測点間における地震波到達時間差を算出でき、これによって観測点同士の位置関係が示される。図9の処理では、この情報を用いることで、比較的高精度に振動とその要因なった地震との対応関係を求められると期待される。
図10に示す構成で、コンピュータ700は、CPU(Central Processing Unit)710と、主記憶装置720と、補助記憶装置730と、インタフェース740とを備える。
上記の地震観測装置100、地震処理装置230、モデル生成装置300および地震観測装置400のうち何れか1つ以上が、コンピュータ700に実装されてもよい。その場合、上述した各処理部の動作は、プログラムの形式で補助記憶装置730に記憶されている。CPU710は、プログラムを補助記憶装置730から読み出して主記憶装置720に展開し、当該プログラムに従って上記処理を実行する。また、CPU710は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置720に確保する。
また、CPU710は、プログラムに従って、記憶部180およびその各部に対応する記憶領域を主記憶装置720に確保する。通信部110が行う通信は、インタフェース740が通信機能を有し、CPU710の制御に従って通信を行うことで実行される。表示部120の機能は、インタフェース740が表示画面を有し、CPU710の制御に従って表示を行うことで実行される。操作入力部130の機能は、インタフェース740が入力デバイスを有し、CPU710の制御に従ってユーザ操作を受け付けることで実行される。
振動検出状況情報取得部401が行うデータの取得は、インタフェース740が通信機能を有し、CPU710の制御に従って通信を行うことで実行される。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
100、400 地震観測装置
110 通信部
120 表示部
130 操作入力部
180 記憶部
181 モデル記憶部
190 制御部
191、402 多次元化部
192、403 グループ特定部
210 センサ
220 センサデータ収集装置
230 地震処理装置
231 受信部
232 単独観測点トリガ処理部
233 地震判定部
234 相検測部
235 震源推定部
236 通知処理部
240 データサーバ装置
250 津波処理装置
261 リアルタイム表示端末装置
262 メンテナンス端末装置
263 対話型処理端末装置
300 モデル生成装置
310 機械学習データ生成部
321 トリガ情報学習部
322 仮震源推定処理学習部
401 振動検出状況情報取得部
Claims (7)
- 複数の観測点の各々における振動検出状況情報を取得する振動検出状況情報取得手段と、
前記複数の観測点のうち直線上に配置された観測点を、仮設定された震源からの震央距離順に割り当てた地理的位置軸と、時刻軸との2次元の振動検出状況情報を生成する多次元化手段と、
前記2次元の振動検出状況情報を構成する要素情報であって、各地理的位置かつ各時刻における振動検出状況を示す要素情報のうち、振動の検出を示し、線状または帯状にプロットされている要素情報が同一のグループに分類されるように、要素情報を地震毎のグループに分類するグループ特定手段と、
を備える地震観測装置。 - 前記多次元化手段は、直線状に配置された複数の前記観測点を結んだ直線における位置を示す座標軸と時刻軸との2次元の振動検出状況情報を生成し、その振動検出状況情報を用いて震源を仮設定する、
請求項1に記載の地震観測装置。 - 前記多次元化手段は、複数の前記観測点が配置される1次元以上の座標軸と時刻軸とによる2次元以上の振動検出状況情報を生成する、
請求項1または請求項2に記載の地震観測装置。 - 前記多次元化手段は、前記要素情報が示す振動の振動発生要因の種類を示す種類情報を取得し、
前記種類情報を含む前記2次元以上の振動検出状況情報を生成する、
請求項3に記載の地震観測装置。 - 前記グループ特定手段は、前記要素情報を前記グループに分類した複数通りの仮分類の一致状況に基づいて、前記要素情報の前記グループへの分類結果に対する評価情報を付加する、
請求項1または請求項2に記載の地震観測装置。 - 複数の観測点の各々における振動検出状況情報を取得し、
前記複数の観測点のうち直線上に配置された観測点を、仮設定された震源からの震央距離順に割り当てた地理的位置軸と、時刻軸との2次元の振動検出状況情報を生成し、
前記2次元の振動検出状況情報を構成する要素情報であって、各地理的位置かつ各時刻における振動検出状況を示す要素情報のうち、振動の検出を示し、線状または帯状にプロットされている要素情報が同一のグループに分類されるように、要素情報を地震毎のグループに分類する、
地震観測方法。 - コンピュータに、
複数の観測点の各々における振動検出状況情報を取得させ、
前記複数の観測点のうち直線上に配置された観測点を、仮設定された震源からの震央距離順に割り当てた地理的位置軸と、時刻軸との2次元の振動検出状況情報を生成させ、
前記2次元の振動検出状況情報を構成する要素情報であって、各地理的位置かつ各時刻における振動検出状況を示す要素情報のうち、振動の検出を示し、線状または帯状にプロットされている要素情報が同一のグループに分類されるように、要素情報を地震毎のグループに分類させる、
地震観測プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019150631 | 2019-08-20 | ||
JP2019150631 | 2019-08-20 | ||
PCT/JP2020/028863 WO2021033502A1 (ja) | 2019-08-20 | 2020-07-28 | 地震観測装置、地震観測方法および地震観測プログラムを記録した記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021033502A1 JPWO2021033502A1 (ja) | 2021-02-25 |
JPWO2021033502A5 JPWO2021033502A5 (ja) | 2022-04-28 |
JP7282305B2 true JP7282305B2 (ja) | 2023-05-29 |
Family
ID=74660844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021540696A Active JP7282305B2 (ja) | 2019-08-20 | 2020-07-28 | 地震観測装置、地震観測方法および地震観測プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220276402A1 (ja) |
JP (1) | JP7282305B2 (ja) |
CN (1) | CN114222933A (ja) |
TW (1) | TWI803767B (ja) |
WO (1) | WO2021033502A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118033744A (zh) * | 2024-04-11 | 2024-05-14 | 山东省地震局 | 实时计算震源参数方法和系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US12046116B2 (en) * | 2019-11-26 | 2024-07-23 | Google Llc | Trackpad with force sensing circuitry and cloud-based earthquake detection |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003516516A (ja) | 1998-10-16 | 2003-05-13 | エスティアールエム、エル・エル・シー | 地質流体貯留の4d透水性解析のための方法 |
US20060023569A1 (en) | 2004-08-02 | 2006-02-02 | Yohan Agullo | Method and constructing a model of a heterogeneous medium described by several parameters from data expresed in different time scales |
JP2007198813A (ja) | 2006-01-25 | 2007-08-09 | Matsushita Electric Works Ltd | 震度計 |
JP2008107225A (ja) | 2006-10-26 | 2008-05-08 | Akebono Brake Ind Co Ltd | 津波検知装置 |
JP2010237153A (ja) | 2009-03-31 | 2010-10-21 | Occ Corp | 海底観測システム |
US20100274492A1 (en) | 2009-04-24 | 2010-10-28 | Susanne Rentsch | Determining attributes of seismic events |
JP2012216158A (ja) | 2011-04-01 | 2012-11-08 | Honda Motor Co Ltd | 観測行動選択機能を有する分類システム及び該システムを使用する分類方法 |
JP2014203184A (ja) | 2013-04-03 | 2014-10-27 | 白山工業株式会社 | 計測データを時空間上に蓄積し抽出する方法を持ったセンサ・クラウドシステム |
JP2016156712A (ja) | 2015-02-25 | 2016-09-01 | Kddi株式会社 | 学習による地震判定が可能な地震判定装置、システム、プログラム及び方法 |
JP2017151047A (ja) | 2016-02-26 | 2017-08-31 | 株式会社竹中工務店 | 津波検知装置 |
CN108021922A (zh) | 2017-12-01 | 2018-05-11 | 广西师范大学 | 天然地震和人工爆破的区分识别方法 |
JP2019125306A (ja) | 2018-01-19 | 2019-07-25 | 国立研究開発法人科学技術振興機構 | データ処理方法、データ処理装置およびプログラム |
CN110065077A (zh) | 2019-04-25 | 2019-07-30 | 王荩立 | 一种用于考古的环境探测方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5373486A (en) * | 1993-02-03 | 1994-12-13 | The United States Department Of Energy | Seismic event classification system |
US5490062A (en) * | 1994-05-11 | 1996-02-06 | The Regents Of The University Of California | Real-time neural network earthquake profile predictor |
GB9526099D0 (en) * | 1995-12-20 | 1996-02-21 | Univ Edinburgh | Signatures of arrays of marine seismic sources |
JP3106965B2 (ja) * | 1996-07-03 | 2000-11-06 | 松下電器産業株式会社 | 感震装置 |
US7392139B2 (en) * | 2006-03-27 | 2008-06-24 | Swiss Reinsurance Company | System and method for providing earthquake data |
US8447575B2 (en) * | 2008-08-21 | 2013-05-21 | Swiss Reinsurance Company Ltd. | Computer system method for determining an earthquake impact |
-
2020
- 2020-07-28 JP JP2021540696A patent/JP7282305B2/ja active Active
- 2020-07-28 WO PCT/JP2020/028863 patent/WO2021033502A1/ja active Application Filing
- 2020-07-28 US US17/631,550 patent/US20220276402A1/en not_active Abandoned
- 2020-07-28 CN CN202080057804.9A patent/CN114222933A/zh active Pending
- 2020-08-05 TW TW109126468A patent/TWI803767B/zh active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003516516A (ja) | 1998-10-16 | 2003-05-13 | エスティアールエム、エル・エル・シー | 地質流体貯留の4d透水性解析のための方法 |
US20060023569A1 (en) | 2004-08-02 | 2006-02-02 | Yohan Agullo | Method and constructing a model of a heterogeneous medium described by several parameters from data expresed in different time scales |
JP2007198813A (ja) | 2006-01-25 | 2007-08-09 | Matsushita Electric Works Ltd | 震度計 |
JP2008107225A (ja) | 2006-10-26 | 2008-05-08 | Akebono Brake Ind Co Ltd | 津波検知装置 |
JP2010237153A (ja) | 2009-03-31 | 2010-10-21 | Occ Corp | 海底観測システム |
US20100274492A1 (en) | 2009-04-24 | 2010-10-28 | Susanne Rentsch | Determining attributes of seismic events |
JP2012216158A (ja) | 2011-04-01 | 2012-11-08 | Honda Motor Co Ltd | 観測行動選択機能を有する分類システム及び該システムを使用する分類方法 |
JP2014203184A (ja) | 2013-04-03 | 2014-10-27 | 白山工業株式会社 | 計測データを時空間上に蓄積し抽出する方法を持ったセンサ・クラウドシステム |
JP2016156712A (ja) | 2015-02-25 | 2016-09-01 | Kddi株式会社 | 学習による地震判定が可能な地震判定装置、システム、プログラム及び方法 |
JP2017151047A (ja) | 2016-02-26 | 2017-08-31 | 株式会社竹中工務店 | 津波検知装置 |
CN108021922A (zh) | 2017-12-01 | 2018-05-11 | 广西师范大学 | 天然地震和人工爆破的区分识别方法 |
JP2019125306A (ja) | 2018-01-19 | 2019-07-25 | 国立研究開発法人科学技術振興機構 | データ処理方法、データ処理装置およびプログラム |
CN110065077A (zh) | 2019-04-25 | 2019-07-30 | 王荩立 | 一种用于考古的环境探测方法及系统 |
Non-Patent Citations (2)
Title |
---|
DEL PEZZO, E. et al.,Discrimination of Earthquakes and Underwater Explosions Using Neural Networks,Bulletin of the Seismological Society of America,米国,THE SEISMOLOGICAL SOCIETY OF AMERICA,2003年,Vol. 93, No. 1,p.215-223 |
SCARPETTA, S. et al.,Automatic Classification of Seismic Signals at Mt. Vesuvius Volcano, Italy, Using Neural Networks,Bulletin of the Seismological Society of America,米国,THE SEISMOLOGICAL SOCIETY OF AMERICA,2005年,Vol. 95, No. 1,p.185-196 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118033744A (zh) * | 2024-04-11 | 2024-05-14 | 山东省地震局 | 实时计算震源参数方法和系统 |
CN118033744B (zh) * | 2024-04-11 | 2024-06-11 | 山东省地震局 | 实时计算震源参数方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114222933A (zh) | 2022-03-22 |
US20220276402A1 (en) | 2022-09-01 |
TW202122827A (zh) | 2021-06-16 |
WO2021033502A1 (ja) | 2021-02-25 |
TWI803767B (zh) | 2023-06-01 |
JPWO2021033502A1 (ja) | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7282305B2 (ja) | 地震観測装置、地震観測方法および地震観測プログラム | |
US7991193B2 (en) | Automated learning for people counting systems | |
US6360184B1 (en) | Method for measuring a degree of association for dimensionally referenced data | |
CN109522374B (zh) | 一种定位方法、装置、电子设备及可读存储介质 | |
McBrearty et al. | Earthquake arrival association with backprojection and graph theory | |
US10430528B2 (en) | Method and system for managing space configurations | |
EA027299B1 (ru) | Системы и способы оптимального суммирования сейсмических данных | |
JP6666245B2 (ja) | モバイルプラットフォームの動作モードを選択する方法、システム、コンピュータプログラム製品及び装置 | |
CN116050136B (zh) | 一种智能船舶测试场景库的生成方法、装置及设备 | |
Shazali et al. | Assessing bat roosts using the LiDAR system at wind cave nature reserve in Sarawak, Malaysian Borneo | |
Woollam et al. | Hex: Hyperbolic event extractor, a seismic phase associator for highly active seismic regions | |
JPH10187991A (ja) | パターン検出のための方法と装置 | |
Zuccolo et al. | Comparing the performance of regional earthquake early warning algorithms in Europe | |
Cremen et al. | Accuracy and uncertainty analysis of selected methodological approaches to earthquake early warning in Europe | |
Ochoa et al. | Fast estimation of earthquake epicenter distance using a single seismological station with machine learning techniques | |
US11754704B2 (en) | Synthetic-aperture-radar image processing device and image processing method | |
Fornasari et al. | A Machine‐Learning Approach for the Reconstruction of Ground‐Shaking Fields in Real Time | |
US6704686B2 (en) | Method for measuring a degree of association for dimensionally referenced data | |
Jacquez | Cluster morphology analysis | |
JPWO2021033502A5 (ja) | 地震観測装置、地震観測方法および地震観測プログラム | |
CN108628896B (zh) | 签到行为热度处理方法及装置 | |
Hoover et al. | A methodology for evaluating range image segmentation techniques | |
JP5770051B2 (ja) | 大地震の破壊領域の即時的推定方法 | |
KR101744776B1 (ko) | 지도 검색 기록을 이용한 유동인구 추정 장치 및 방법 | |
Nathalie et al. | Outlier detection for Multibeam echo sounder (MBES) data: From past to present |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220217 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230213 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7282305 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |