JP7512151B2 - 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置 - Google Patents

Description

本発明は、地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置に関する。

過去の地震（震源断層のすべり破壊現象）や地震動（地震によってもたらされる地盤の揺れ）等に関して得られた様々なデータに基づいて将来発生すると考えられる地震による地震動の特性を評価・予測する技術は、その有用性ゆえ、地震動の特徴分析・解釈から建築物・構造物の挙動予測・構造設計等、更には地震防災等に至るまで、社会で幅広く活用されている。

地震動の特性を評価・予測する技術は、一般に、過去に得られた膨大な地震観測記録を収集・整理して評価・予測する技術と、地震や地震動に関する理論や経験を背景に開発された地震動シミュレーション手法を用いて評価・予測する技術の２つに大分される。一般に、前者は不特定多数の地震・地震動について得られた代表的・基本的な指標を扱う技術であり、後者は特定の想定地震によってもたらされる地震動の詳細な特性を扱う技術である。

前者の技術に関しては、ごく限られた一部の専門家によって自らの判断を伴いつつ選定された観測地震・地震動のデータ・情報が専門的な手法によって分析された上で、将来の地震の地震動の最大振幅（最大加速度・最大速度・最大変位等）や応答スペクトル（地震動をある固有周期と減衰定数を有する一質点系に入力させた場合の一質点系の最大応答振幅）等を評価・予測する地震動評価式（距離減衰式、地震動予測式等と称されることもある）が開発され、活用されてきた（例えば、特許文献１、非特許文献１参照）。

一方、後者の技術に関しては、近年のデータ・情報の急増とコンピュータの性能の進歩を背景にごく限られた一部の専門家により開発された高度な手法を用いて、将来の地震の地震動の広帯域時刻歴が面的に評価・予測され、特に最近は、それらの結果が広く公開され、活用されるようになってきた。観測記録が得られてはいないが将来発生することが懸念される稀な大規模地震、断層極近傍の大振幅地震動、地震観測がなされていない地点での地震動なども含めて、面的にも均質にバランス良く評価・予測された地震動のデータ・情報が提供されており、これらを活用することが可能である。

特開２００８－３９４４６号公報

Nobuyuki Morikawa and Hiroyuki Fujiwara，A New Ground Motion Prediction Equation for Japan Applicable up to M9 Mega-Earthquake，Journal of Disaster Research，Vol.8，No.5，2013，p.878-888

前者の膨大な地震観測記録の収集・整理に基づく技術では、大地震や大地震動は稀（低頻度）な事象であることや地震観測点の位置が限られていることなどから、評価・予測の拠り所となる地震・地震動のデータ・情報は必ずしも均質にバランス良く得られているわけではない。

一方、後者の地震動シミュレーション手法に基づく技術では、上述したように、前者の技術の欠点を解消することが可能とも考えらえるが、後者の技術の成果として提供される地震動のデータ・情報は、あくまでも限られた想定シナリオに基づく特定の地点群での評価・予測であり、将来発生する様々な地震に対して真に社会が欲する総合的な判断の拠り所としては必ずしも十分とはいえない。

本発明は、このような事情を考慮してなされたものであって、限られた条件下の地震動シミュレーションにて個別に得られた詳細な知見をより一般化した形で活用することを可能とする、地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置を提供することを目的とする。

本発明は、上記課題を解決するものであって、本発明の一実施形態に係る地震動評価モデル生成方法は、
コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
地震動諸特性パラメータと当該地震動諸特性パラメータに基づいて地震動指標を算出する地震動シミュレーションを実行したときの地震動指標算出結果とが関連付けられた地震動データを複数記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動指標算出結果を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含む。

また、本発明の一実施形態に係る地震動評価モデル生成装置は、
コンピュータであって、上記地震動評価モデル生成方法に含まれる各工程を実行する制御部を備える。

また、本発明の一実施形態に係る地震動評価方法は、
コンピュータを用いて、上記地震動評価モデル生成方法により生成された前記地震動評価モデルに基づいて、地震動の特性を評価する地震動評価方法であって、
予測対象の前記地震動諸特性パラメータを受け付ける受付工程と、
前記受付工程にて受け付けられた前記予測対象の前記地震動諸特性パラメータを前記特徴量として前記地震動評価モデルに入力することにより当該地震動評価モデルから出力される前記目的変数に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する前記地震動指標を予測する予測工程と、を含む。

また、本発明の一実施形態に係る地震動評価装置は、
コンピュータであって、上記地震動評価方法に含まれる各工程を実行する制御部を備える。

本発明の一実施形態に係る地震動評価モデル生成装置、及び、地震動モデル生成装置によれば、地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果を、それぞれ特徴量及び目的変数とする学習用データに基づいて地震動評価モデルを生成する。そのため、地震動評価モデルには、将来発生すると考えられる様々な地震を想定して地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果の相関関係が学習されて、様々な地震動シミュレーションから得られた知見が集約される。したがって、限られた条件下の地震動シミュレーションにて個別に得られた詳細な知見をより一般化した形で活用することを可能とする地震動評価モデルを提供することができる。

また、本発明の一実施形態に係る地震動評価方法、及び、地震動評価装置によれば、地震動評価モデル生成装置及び地震動評価モデル生成方法により生成された地震動評価モデルを利用することにより、個々の専門家の経験に依存することなく、地震動シミュレーションにて個別に得られた知見が一般化された形で提供されるので、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することができる。

本発明の第１の実施形態に係る地震動評価システム１の一例を示す概略構成図である。 本発明の第１の実施形態に係る地震動評価システム１の一例を示すブロック図である。 本発明の第１の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。 本発明の第１の実施形態に係るデータベース１０の一例を示すデータ構成図である。 勾配ブースティング木の概要を示す概要図である。 本発明の第１の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。 本発明の第２の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。 本発明の第２の実施形態に係るデータベース１０の一例を示すデータ構成図である。 本発明の第２の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。 本発明の第３の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。 本発明の第３の実施形態に係るデータベース１０の一例を示すデータ構成図である。 本発明の第３の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。 本発明の第４の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。 本発明の第４の実施形態に係るデータベース１０の一例を示すデータ構成図である。 本発明の第４の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。 本発明の第５の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。 本発明の第５の実施形態に係るデータベース１０の一例を示すデータ構成図である。 本発明の第５の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

以下、本発明の一実施形態について添付図面を参照しつつ説明する。

（第１の実施形態）
図１は、本発明の第１の実施形態に係る地震動評価システム１の一例を示す概略構成図である。図２は、本発明の第１の実施形態に係る地震動評価システム１の一例を示すブロック図である。

地震動評価システム１は、所定の地震動シミュレーション手法に従って地震動シミュレーションを実行し、そのときのシミュレーション条件やシミュレーション結果をシミュレーションデータとして外部に提供する地震動シミュレーションデータ提供装置２と、地震動シミュレーションデータ提供装置２により提供されたシミュレーションデータに基づいてデータベース１０を更新するとともに、その更新したデータベース１０を用いて機械学習に基づく地震動評価モデル１３を生成する地震動評価モデル生成装置３と、地震動評価モデル生成装置３により生成された地震動評価モデル１３に基づいて地震動を評価・予測する地震動評価装置４と、各装置間を接続するネットワーク５とを備える。

地震動評価モデル生成装置３により地震動評価装置４に提供された地震動評価モデル１３は、例えば、地震動の特徴分析・解釈から建築物・構造物の挙動予測・構造設計等、更には地震防災等に至るまで、社会で幅広く活用することが可能である。

地震動シミュレーションデータ提供装置２は、地震が発生したときに、又は、仮想の地震が発生したと想定したときに、当該地震による地震動を所定の地震動シミュレーション手法に従って解析するものであり、そのときのシミュレーション条件やシミュレーション結果をシミュレーションデータとして外部に提供する。その際、任意の手法が採用可能であり、複数の手法が採用されてもよい。

なお、地震動シミュレーションデータ提供装置２は、自装置にて地震動シミュレーションを実行することでシミュレーションデータを提供するものでもよいし、他の装置で地震動シミュレーションが実行されたときのシミュレーションデータを提供するものでもよい。また、地震動シミュレーションデータ提供装置２は、地震動シミュレーションを実行する際に必要となる各種のデータを他のデータ提供装置から取得してもよく、例えば、気象庁、国立研究開発法人防災科学技術研究所（以下、「防災科研」という）の強震観測網Ｋ－ＮＥＴ、広帯域震観測網Ｆ－ＮＥＴ、及び、地震ハザードステーションＪ－ＳＨＩＳ等から地震動観測記録や地下構造データ等のデータを取得してもよい。

さらに、地震動シミュレーションデータ提供装置２は、新たな地震動シミュレーションを実行したときに、当該地震動シミュレーションに関するシミュレーションデータを地震動評価モデル生成装置３に随時提供してもよいし、地震動評価モデル生成装置３からデータの要求を受けたときに、その要求に関するシミュレーションデータ（地震動評価モデル生成装置３からシミュレーション条件を受けた場合には、そのシミュレーション条件に基づいて地震動シミュレーションを実行したときのシミュレーション結果を含むシミュレーションデータでもよい）を地震動評価モデル生成装置３に提供してもよい。

ネットワーク５は、無線通信又は有線通信により各種のデータや信号を通信するものであり、任意の通信規格が用いられる。

（地震動評価モデル生成装置３の構成と各部による工程について）
地震動評価モデル生成装置３は、地震動シミュレーションデータ提供装置２により提供されたシミュレーションデータに基づいて、例えば、勾配ブースティング木、ランダムフォレスト、ニューラルネットワーク、畳み込みニューラルネットワーク（ＣＮＮ）、敵対的生成ネットワーク（ＧＡＮ）等の機械学習アルゴリズムを実行することにより、機械学習の学習済みモデルとして、地震動評価モデル１３を生成する。

地震動評価モデル生成装置３は、汎用又は専用のコンピュータで構成されており、図２に示すように、ＨＤＤ、メモリ等により構成される記憶部３０と、ＣＰＵ、ＧＰＵ等のプロセッサにより構成される制御部３１と、ネットワーク５との通信インターフェースである通信部３２と、キーボード、マウス等により構成される入力部３３と、ディスプレイ、タッチパネル等により構成される表示部３４とを備える。

記憶部３０には、地震動シミュレーションデータ提供装置２により提供されたシミュレーションデータが登録・更新されるデータベース１０と、学習済みモデルである地震動評価モデル１３と、地震動評価モデル生成装置３の動作を制御して地震動評価モデル生成方法を実現する地震動評価モデル生成プログラム３００とが記憶されている。なお、記憶部３０には、他のデータ提供装置により提供された地震動観測記録や地下構造データ等のデータが記憶されていてもよく、さらにデータベース１０の一部として登録されてもよい。また、データベース１０は、記憶部３０に代えて、外部記憶装置に記憶されていてもよく、その場合には、地震動評価モデル生成装置３は、ネットワーク５を介して当該外部記憶装置と通信し、データベース１０にアクセスするようにすればよい。

制御部３１は、地震動評価モデル生成プログラム３００を実行することにより、ＤＢ管理部３１０、取得部３１１、及び、生成部３１２として機能する。なお、各部の機能の詳細は後述する。

図３は、本発明の第１の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。

（ＤＢ管理部３１０によるデータベース管理工程と、データベース１０について）
ＤＢ管理部３１０は、地震動シミュレーションデータ提供装置２により提供されたシミュレーションデータに基づいて、データベース１０を管理する。具体的には、ＤＢ管理部３１０は、地震動シミュレーションデータ提供装置２により地震動シミュレーションが実行されて新たなシミュレーションデータが提供される度に、当該シミュレーションデータに含まれるシミュレーション条件及びシミュレーション結果を、それぞれ地震動諸特性パラメータ及び地震動指標算出結果としてデータベース１０に登録する。

図４は、本発明の第１の実施形態に係るデータベース１０の一例を示すデータ構成図である。データベース１０には、地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標が関連付けられた地震動データ１１が複数登録されて記憶されている。

地震動諸特性パラメータは、地震動の諸特性を記述する各種のパラメータであり、地震動の諸特性は、例えば、地震動の震源特性、伝播特性、サイト特性を含み、方位特性をさらに含む。地震動諸特性パラメータは、地震動シミュレーションデータ提供装置２が地震動シミュレーションを実行したときのシミュレーション条件を、上記の地震動の諸特性に応じて分類・記録したものである。

本実施形態では、地震動データ１１を構成する地震動諸特性パラメータは、地震動シミュレーションにより所定の地震による地震動について所定の対象点における地震動指標を算出したときの地震動の震源特性、伝播特性、及び、方位特性を示す数値データである。以下に、地震動の震源特性、伝播特性、サイト特性、及び、方位特性について説明する。

震源特性は、例えば、マグニチュード（モーメントマグニチュードＭｗ、気象庁マグニチュード等）、震央位置（緯度ｌａｔ＿ｅｑ，経度ｌｏｎ＿ｅｑ）、震源深さＨ、地震種別Ｔｙｐｅ（内陸地殻内地震・プレート境界地震・スラブ内地震）、断層タイプＭｅｃｈ（正断層・逆断層・横ずれ断層）、震源メカニズム解（走向Ｓｔｒｉｋｅ１、傾斜角ｄｉｐ１、すべり角ｒａｋｅ１）、及び、震源メカニズム解の共役解（走向Ｓｔｒｉｋｅ２、傾斜角ｄｉｐ２、すべり角ｒａｋｅ２）等の少なくとも１つである。本実施形態に係る震源特性は、モーメントマグニチュードＭｗ、震央位置（緯度ｌａｔ＿ｅｑ，経度ｌｏｎ＿ｅｑ）、震源深さＨ、地震種別Ｔｙｐｅ、断層タイプＭｅｃｈ、震源メカニズム解（Ｓｔｒｉｋｅ１、ｄｉｐ１、ｒａｋｅ１）、及び、震源メカニズム解の共役解（Ｓｔｒｉｋｅ２、ｄｉｐ２、ｒａｋｅ２）である。

伝播特性は、例えば、震源距離Ｘ、断層最短距離、及び、震央距離の少なくとも１つである。本実施形態に係る伝播特性は、震源距離Ｘであり、対象点の位置を示す対象点位置と、震央位置との間の距離として算定される。

サイト特性は、例えば、対象点位置（緯度ｌａｔ＿ｓｉｔｅ，経度ｌｏｎ＿ｓｉｔｅ）、地震基盤面深さ、工学的基盤面深さ、層厚、密度、地震波伝播速度、Ｑ値、及び、減衰定数の少なくとも１つである。本実施形態に係るサイト特性は、対象点位置（緯度ｌａｔ＿ｓｉｔｅ，経度ｌｏｎ＿ｓｉｔｅ）、最上層のＳ波速度ＶＳ１、表層１０ｍ平均Ｓ波速度ＡＶＳ１０、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、微地形区分ＪＣＯＤＥ、Ｓ波速度７００ｍ／ｓ層上面深さＤ７、Ｓ波速度１４００ｍ／ｓ層上面深さＤ１７、Ｓ波速度２１００ｍ／ｓ層上面深さＤ２４、及び、地震基盤面深さＤ２８（＝Ｓ波速度２７００ｍ／ｓ層上面深さ）である。なお、表層３０ｍ平均Ｓ波速度ＡＶＳ３０が、対象点の地下構造データから求められない場合には、防災科研の地震ハザードステーションＪ－ＳＨＩＳの２５０ｍメッシュの表層３０ｍ平均Ｓ波速度ＡＶＳ３０で代用し、表層１０ｍ平均Ｓ波速度ＡＶＳ１０が、対象点の地下構造データから求められない場合には、表層３０ｍ平均Ｓ波速度ＡＶＳ３０で代用するものとした。また、地震基盤面深さＤ２８は、防災科研の地震ハザードステーションＪ－ＳＨＩＳで公開されている対象点位置が含まれるメッシュの深部地盤モデルの第２８層の下面深さ（同モデルで地震基盤に相当するＰ波速度５０００ｍ／ｓ・Ｓ波速度２７００ｍ／ｓの第２９層の上面深さに等しい）とした。

方位特性は、例えば、対象点を基準として震央が位置する方位を示す震央方位Λである。そのため、震央方位Λは、対象点位置を基準として震央位置が存在する方位として算定される。その際、震央方位Λは、真北を０°として時計回りに定めるとともに、真北を境に不連続量となるため、本実施形態に係る方位特性は、震央方位Λを表すｓｉｎΛとｃｏｓΛのペアを用いる。

地震動指標算出結果は、地震動の強さや揺れを記述する各種の地震動指標であり、地震動の振幅特性、周期特性、及び、経時特性の少なくとも１つを含む。地震動指標算出結果は、地震動シミュレーションデータ提供装置２が地震動シミュレーションを実行したときのシミュレーション結果を、上記の地震動指標に応じて分類・記録したものである。

本実施形態では、地震動データ１１を構成する地震動指標算出結果は、地震動シミュレーションにより地震動諸特性パラメータ（数値データ）に基づいて所定の対象点における地震動指標を算出したときの当該対象点における地震動指標を示す数値データである。以下に、地震動の振幅特性、周期特性、及び、経時特性について説明する。

振幅特性は、地震動の最大加速度ＰＧＡ、最大速度、及び、最大変位の少なくとも１つである。本実施形態に係る振幅特性は、最大加速度ＰＧＡである。

周期特性は、地震動観測記録（加速度、速度、及び、変位の時刻歴波形）から得られる応答スペクトル又はフーリエスペクトル等において、少なくとも１つの周期に対する応答値である。応答スペクトルは、例えば、所定の減衰定数（例えば、５％）に対する加速度応答スペクトル、擬似速度応答スペクトルｐＳｖ、速度応答スペクトル、及び、変位応答スペクトル等である。フーリエスペクトルは、例えば、加速度フーリエスペクトル、速度フーリエスペクトル、及び、変位フーリエスペクトル等である。本実施形態に係る周期特性は、０．１秒、０．５秒、１秒、３秒、５秒の各周期における減衰定数５％の擬似速度応答スペクトルｐＳｖ（０．１ｓ）、ｐＳｖ（０．５ｓ）、ｐＳｖ（１ｓ）、ｐＳｖ（３ｓ）、ｐＳｖ（５ｓ）の５つである。

経時特性は、例えば、地震動観測記録（加速度、速度、及び、変位の時刻歴波形）から得られる応答継続時間スペクトルにおいて、少なくとも１つの周期に対する応答継続時間である。応答継続時間スペクトルは、例えば、所定の減衰定数（例えば、５％）に対する加速度応答継続時間スペクトル、速度応答継続時間スペクトルＴＳｖ、及び、変位応答継続時間スペクトル等である。本実施形態に係る経時特性は、０．１秒、０．５秒、１秒、３秒、５秒の各周期における減衰定数５％の速度応答継続時間スペクトルＴＳｖ（０．１ｓ）、ＴＳｖ（０．５ｓ）、ＴＳｖ（１ｓ）、ＴＳｖ（３ｓ）、ＴＳｖ（５ｓ）の５つである。なお、応答継続時間の開始と終了を規定するパラメータは、ｐ１＝０．０３、ｐ２＝０．９５である。

なお、地震動シミュレーションが、１つの対象点ではなく、所定の対象領域に含まれる複数の対象点に対して地震動指標をそれぞれ算出することにより、面的なシミュレーションデータが提供された場合には、各対象点の地震動指標に対応する複数の地震動データ１１がデータベース１０に登録される。例えば、地震動シミュレーションが、関東地方一都六県（東京・神奈川・千葉・埼玉・茨城・栃木・群馬）を対象領域とし、当該対象領域に含まれる強震観測網Ｋ－ＮＥＴの観測点１３８地点を複数の対象点として実行された場合には、シミュレーション結果として、１３８地点の地震動指標がそれぞれ算出されるため、１３８個の地震動データ１１がデータベース１０に登録される。

（取得部３１１による取得工程と、学習用データ１２について）
取得部３１１は、図３に示すように、データベース１０に登録された複数の地震動データ１１から、地震動諸特性パラメータ（数値データ）を特徴量とし、地震動指標算出結果（数値データ）を目的変数として、特徴量及び目的変数で構成される学習用データ１２を複数取得する。なお、学習用データ１２は、教師あり学習における学習データ（トレーニングデータ）、検証データ及びテストデータとして用いられるデータである。また、複数の学習用データ１２からなる学習用データ１２の集合は、学習用データセットという。

本実施形態では、学習用データ１２を構成する特徴量は、図４に示す２４種類の地震動諸特性パラメータのうち、モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、震央方位Λ（ｓｉｎΛとｃｏｓΛのペア）、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、及び、地震基盤面深さ（Ｓ波速度２７００ｍ／ｓ層上面深さ）Ｄ２８の６種類であり、学習用データ１２を構成する目的変数は、図４に示す１１種類の地震動指標のうち、最大加速度ＰＧＡの１種類であるものとして説明する。なお、特徴量は、上記６種類の地震動諸特性パラメータに限られず、２４種類の地震動諸特性パラメータから任意の地震動諸特性パラメータが選定されて組み合わせられてもよいし、２４種類の地震動諸特性パラメータ以外の他の地震動諸特性パラメータが特徴量としてさらに組み合わせられてもよい。

（生成部３１２による生成工程と、地震動評価モデル１３について）
生成部３１２は、図３に示すように、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び目的変数の相関関係を機械学習により学習することにより、学習済みモデルとして地震動評価モデル１３を生成し、記憶部３０に記憶する。本実施形態では、機械学習における機械学習アルゴリズムとして、勾配ブースティング木（Gradient Boosting Decision Tree）を用いる場合について説明する。

図５は、勾配ブースティング木の概要を示す概要図である。勾配ブースティング木は、勾配ブースティングと決定木を組み合わせた学習器である。勾配ブースティングは、複数の弱学習器（低性能な機械学習モデル）を結合していくことにより強学習器（高性能な機械学習モデル）を構築する手法である。決定木は、樹木の分岐構造を利用した条件分岐を行うことにより分類・回帰が可能な機械学習モデルを生成する手法である。これら２つの手法を組み合わせた勾配ブースティング木は、決定木により生成した複数の弱学習器を勾配ブースティングにより結合する手法である。

なお、図４に示す１１種類の地震動指標のうち、最大加速度ＰＧＡ及び擬似速度応答スペクトルｐＳｖについては、振幅が大きくなるにつれてデータ数が急激に減少すると考えられる。そのため、目的変数の分布図に発生する偏りを低減するため、最大加速度ＰＧＡ及び擬似速度応答スペクトルｐＳｖに対する目的変数のデータとして、常用対数（ｌｏｇ_１０ＰＧＡとｌｏｇ_１０ｐＳｖ）をそれぞれ用いるのが好ましい。また、勾配ブースティング木における損失関数として、最大加速度ＰＧＡ及び擬似速度応答スペクトルｐＳｖには、最小二乗法（正規分布図）を適用し、速度応答継続時間スペクトルＴＳｖにはポアソン分布図を適用するのが好ましい。

さらに、生成部３１２が、勾配ブースティング木を用いて地震動評価モデル１３を生成する際、目的変数として、図４に示す１１種類の地震動指標を採用する場合には、地震動評価モデル１３を目的変数毎に生成するようにすればよい。すなわち、特徴量と目的変数（最大加速度ＰＧＡ＝１種類目の地震動指標）との相関関係を学習させた第１の地震動評価モデル１３Ａ、特徴量と目的変数（擬似速度応答スペクトルｐＳｖ（０．１ｓ）＝２種類目の地震動指標）との相関関係を学習させた第２の地震動評価モデル１３Ｂというように、第３の地震動評価モデル１３Ｃから第１１の地震動評価モデル１３Ｋまでをそれぞれ生成し、合計１１個の地震動評価モデル１３Ａ～１３Ｋを生成するようにすればよい。

（地震動評価装置４の構成と各部による工程について）
地震動評価装置４は、地震動評価モデル生成装置３により生成された地震動評価モデル１３に基づいて、地震動を評価・予測し、その結果を、例えば、表示媒体や紙媒体等の出力媒体に出力する。

地震動評価装置４は、地震動評価モデル生成装置３と同様に、汎用又は専用のコンピュータで構成されており、図２に示すように、ＨＤＤ、メモリ等により構成される記憶部４０と、ＣＰＵ、ＧＰＵ等のプロセッサにより構成される制御部４１と、ネットワーク５との通信インターフェースである通信部４２と、キーボード、マウス等により構成される入力部４３と、ディスプレイ、タッチパネル等により構成される表示部４４とを備える。

記憶部４０には、地震動評価モデル生成装置３により学習済みモデルとして生成された地震動評価モデル１３と、地震動評価装置４の動作を制御して地震動評価方法を実現する地震動評価プログラム４００が記憶されている。なお、記憶部４０には、他のデータ提供装置により提供された地震動観測記録や地下構造データ等のデータが記憶されていてもよい。

制御部４１は、地震動評価プログラム４００を実行することにより、受付部４１０、予測部４１１、及び、出力処理部４１２として機能する。なお、各部の機能の詳細は後述する。

図６は、本発明の第１の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

（受付部４１０による受付工程について）
受付部４１０は、予測対象の地震動諸特性パラメータを受け付ける。具体的には、受付部４１０は、例えば、地震動評価装置４のユーザが予測対象として想定している地震（以下、「想定地震」という）のモーメントマグニチュードＭｗ、震央位置、及び、震源深さＨについて入力部３３を介して受け付けるとともに、当該想定地震による地震動がどの程度発生するのかを予測したい予測点の位置を示す予測点位置と、当該予測点位置における表層３０ｍ平均Ｓ波速度ＡＶＳ３０及び地震基盤面深さＤ２８についても入力部３３を介して受け付ける。なお、地下構造データが記憶部４０に記憶されている場合には、受付部４１０は、当該地下構造データを参照することで予測点位置の表層３０ｍ平均Ｓ波速度ＡＶＳ３０及び地震基盤面深さＤ２８を取得してもよい。また、予測点位置は、複数でもよく、例えば、所定の格子間隔（例えば、５ｋｍ間隔）における各格子点等でもよい。

そして、受付部４１０は、想定地震の震央位置と、地震動の予測点位置とに基づいて、震源距離Ｘ及び震央方位Λを算出する。これにより、受付部４１０は、予測対象の地震動諸特性パラメータ（想定地震のモーメントマグニチュードＭｗ、想定地震の震源深さＨ、想定地震の震源と予測点位置との間の震源距離Ｘ、予測点位置を基準として想定地震の震央位置が存在する方位を示す震央方位Λ、予測点位置の表層３０ｍ平均Ｓ波速度ＡＶＳ３０、及び、予測点位置の地震基盤面深さＤ２８）を受け付ける。

（予測部４１１による予測工程について）
予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータ（数値データ）を特徴量として、地震動評価モデル１３（本実施形態では、６種類の地震動諸特性パラメータを特徴量とし、１種類の地震動指標を目的変数として、両者の相関関係を学習した学習済みモデル）に入力することにより当該地震動評価モデル１３から出力される目的変数（数値データ）に基づいて、予測対象の地震動諸特性パラメータに対応する地震動指標（予測値）を予測する。その際、受付部４１０が、想定地震を複数受け付けたり、予測点位置を複数受け付けたりすることで、予測対象として複数の地震動諸特性パラメータを受け付けた場合には、予測部４１１は、複数の地震動諸特性パラメータの各々を地震動評価モデル１３に入力することで、複数の地震動諸特性パラメータの各々に対応する地震動指標（予測値）をそれぞれ予測する。

なお、地震動評価モデル１３が、目的変数（１１種類の地震動指標）毎に生成された合計１１個の地震動評価モデル１３Ａ～１３Ｋを含む場合には、予測部４１１は、予測対象の地震動諸特性パラメータを特徴量として合計１１個の地震動評価モデル１３Ａ～１３Ｋにそれぞれ入力し、合計１１個の地震動評価モデル１３Ａ～１３Ｋからそれぞれ出力される目的変数（１１種類の地震動指標）毎に、予測対象の地震動諸特性パラメータに対応する地震動指標（予測値）を予測すればよい。

（出力処理部４１２による出力処理工程について）
出力処理部４１２は、予測部４１１にて予測された地震動指標の予測値を視認可能な出力媒体に出力する。例えば、出力媒体が、表示部４４のような表示媒体である場合には、出力処理部４１２は、表示媒体に表示するための表示データ（出力データ）を生成し、表示媒体に表示出力する。また、出力媒体が、紙媒体である場合には、出力処理部４１２は、紙媒体に印刷するための印刷データ（出力データ）を生成し、紙媒体に印刷出力する。なお、出力処理部４１２は、出力データを、例えば、地震動予測マップ作成システムやハザードマップ作成システム等に通信出力するようにしてもよいし、公共施設、建物、工場等の防災システムに通信出力するようにしてもよい。

例えば、出力処理部４１２は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータが、１つの想定地震に対して、例えば、各格子点を予測点位置とするような複数の地震動諸特性パラメータであるとき、当該複数の地震動諸特性パラメータに基づいて予測部４１１にて予測された各予測点位置における複数の地震動指標の予測値を、地図上に重畳するように、例えば、コンター図や、色分けしたメッシュ図として出力媒体に出力する。

また、出力処理部４１２は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータが、予測点位置を中心として異なる複数の方位特性を含む複数の地震動諸特性パラメータであるとき、当該複数の地震動諸特性パラメータに基づいて予測部４１１にて予測された各方位における複数の地震動指標の予測値を、出力媒体における基準点からの距離として表すとともに、複数の方位特性を、基準点を中心とする各方位に割り当てることにより、複数の地震動指標を出力媒体に出力する。

さらに、出力処理部４１２は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータが、異なる震源距離を含む複数の地震動諸特性パラメータであるとき、当該複数の地震動諸特性パラメータに基づいて予測部４１１にて予測された複数の地震動指標の予測値を距離減衰特性として表すことにより、複数の地震動指標を出力媒体に出力する。

以上のように、本実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法によれば、地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果を、それぞれ特徴量及び目的変数とする学習用データ１２に基づいて地震動評価モデル１３を生成する。そのため、地震動評価モデル１３には、将来発生すると考えられる様々な地震を想定して地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果の相関関係が学習されて、様々な地震動シミュレーションから得られた知見が集約される。したがって、限られた条件下の地震動シミュレーションにて個別に得られた詳細な知見をより一般化した形で活用することを可能とする地震動評価モデル１３を提供することができる。

また、本実施形態に係る地震動評価装置４及び地震動評価方法によれば、地震動評価モデル生成装置３及び地震動評価モデル生成方法により生成された地震動評価モデル１３を利用することにより、個々の専門家の経験に依存することなく、地震動シミュレーションにて個別に得られた知見が一般化された形で提供されるので、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することができる。

（第２の実施形態）
第２の実施形態に係る地震動評価システム１では、地震動評価モデル１３の目的変数が、第１の実施形態のような数値データではなく、画像データで表された対象領域における地震動指標の分布図である点で第１の実施形態と相違する。その他の基本的な構成及び動作は、第１の実施形態と同様のため、以下では両者の相違点を中心に説明する。

（地震動評価モデル生成装置３について）
図７は、本発明の第２の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。図８は、本発明の第２の実施形態に係るデータベース１０の一例を示すデータ構成図である。

地震動データ１１を構成する地震動諸特性パラメータは、地震動シミュレーションにより所定の地震による地震動について所定の対象領域における地震動指標を算出したときの地震動の震源特性を示す数値データである。また、地震動データ１１を構成する地震動指標算出結果は、地震動シミュレーションにより地震動諸特性パラメータ（数値データ）に基づいて所定の対象領域における地震動指標を算出したときの当該対象領域における地震動指標の分布図を示す画像データである。

取得部３１１は、図７に示すように、データベース１０に登録された複数の地震動データ１１から、地震動諸特性パラメータ（数値データ）を特徴量とし、地震動指標算出結果（画像データ）を目的変数として、特徴量及び目的変数で構成される学習用データ１２を複数取得する。本実施形態では、特徴量は、震源特性を示すモーメントマグニチュードＭｗ、震央位置ｌａｔ＿ｅｑ、ｌｏｎ＿ｅｑ、震源深さＨの数値データであり、目的変数は、対象領域における震度分布図を示す画像データである。

生成部３１２は、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び目的変数の相関関係を機械学習（例えば、ニューラルネットワーク、畳み込みニューラルネットワーク、敵対的生成ネットワーク等）により学習することにより、学習済みモデルとして地震動評価モデル１３を生成し、記憶部３０に記憶する。

（地震動評価装置４について）
図９は、本発明の第２の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

受付部４１０は、予測対象の地震動諸特性パラメータとして、震源特性を示す数値データ（モーメントマグニチュードＭｗ、震央位置ｌａｔ＿ｅｑ、ｌｏｎ＿ｅｑ、震源深さＨ）を受け付ける。予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータ（数値データ）を特徴量として、地震動評価モデル１３に入力することにより当該地震動評価モデル１３から出力される目的変数（画像データ）に基づいて、予測対象の地震動諸特性パラメータに対応する地震動指標の分布図を予測する。出力処理部４１２は、予測部４１１にて予測された地震動指標の分布図を視認可能な出力媒体に出力する。

以上のように、本実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法によれば、地震動シミュレーションを実行したときの地震動諸特性パラメータ（数値データ）及び地震動指標算出結果（画像データ）を、それぞれ特徴量及び目的変数とする学習用データ１２に基づいて地震動評価モデル１３を生成する。そのため、地震動評価モデル１３には、将来発生すると考えられる様々な地震を想定して地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果の相関関係が学習されて、地震動の震源特性を基に地震動指標の分布図を評価・予測するための知見が集約される。

（第３の実施形態）
第３の実施形態に係る地震動評価システム１では、地震動評価モデル１３の特徴量が、第２の実施形態のような数値データではなく、数値データと画像データとの組み合わせで表された地震動諸特性パラメータである点で第２の実施形態と相違する。その他の基本的な構成及び動作は、第２の実施形態と同様のため、以下では両者の相違点を中心に説明する。

（地震動評価モデル生成装置３について）
図１０は、本発明の第３の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。図１１は、本発明の第３の実施形態に係るデータベース１０の一例を示すデータ構成図である。

地震動データ１１を構成する地震動諸特性パラメータは、地震動シミュレーションにより所定の地震による地震動について所定の対象領域における地震動指標を算出したときの、地震動の震源特性を示す数値データと、対象領域におけるサイト特性の分布図を示す画像データである。また、地震動データ１１を構成する地震動指標算出結果は、地震動シミュレーションにより地震動諸特性パラメータ（数値データ及び画像データ）に基づいて所定の対象領域における地震動指標を算出したときの当該対象領域における地震動指標の分布図を示す画像データである。

取得部３１１は、図１０に示すように、データベース１０に登録された複数の地震動データ１１から、地震動諸特性パラメータ（数値データ及び画像データ）を特徴量とし、地震動指標算出結果（画像データ）を目的変数として、特徴量及び目的変数で構成される学習用データ１２を複数取得する。本実施形態では、特徴量は、震源特性を示すモーメントマグニチュードＭｗ、震央位置ｌａｔ＿ｅｑ、ｌｏｎ＿ｅｑ、震源深さＨの数値データと、地震基盤面深さＤ２８の分布図を示す画像データであり、目的変数は、対象領域における震度分布図を示す画像データである。

生成部３１２は、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び目的変数の相関関係を機械学習（例えば、ニューラルネットワーク、畳み込みニューラルネットワーク、敵対的生成ネットワーク等）により学習することにより、学習済みモデルとして地震動評価モデル１３を生成し、記憶部３０に記憶する。

なお、特徴量としてのサイト特性の分布図を示す画像データは、サイト特性として、地下構造や地形等を表すものであればよく、図１１に示すサイト特性以外の他の地震動諸特性パラメータを表すものでもよい。また、特徴量としての画像データは、複数の地震動諸特性パラメータを示す画像データでもよく、地震基盤面深さＤ２８の分布図だけでなく、例えば、表層３０ｍ平均Ｓ波速度ＡＶＳ３０の分布図をさらに含むものでもよい。

（地震動評価装置４について）
図１２は、本発明の第３の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

受付部４１０は、予測対象の地震動諸特性パラメータとして、震源特性（モーメントマグニチュードＭｗ、震央位置ｌａｔ＿ｅｑ、ｌｏｎ＿ｅｑ、震源深さＨ）を示す数値データと、対象領域におけるサイト特性の分布図（地震基盤面深さＤ２８の分布図）を示す画像データを受け付ける。予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータ（数値データ及び画像データ）を特徴量として、地震動評価モデル１３に入力することにより当該地震動評価モデル１３から出力される目的変数（画像データ）に基づいて、予測対象の地震動諸特性パラメータに対応する地震動指標の分布図を予測する。出力処理部４１２は、予測部４１１にて予測された地震動指標の分布図を視認可能な出力媒体に出力する。

以上のように、本実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法によれば、地震動シミュレーションを実行したときの地震動諸特性パラメータ（数値データ及び画像データ）及び地震動指標算出結果（画像データ）を、それぞれ特徴量及び目的変数とする学習用データ１２に基づいて地震動評価モデル１３を生成する。そのため、地震動評価モデル１３には、将来発生すると考えられる様々な地震を想定して地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果の相関関係が学習されて、地下構造データの分布図を基に地震動指標の分布図を評価・予測するための知見が集約される。

（第４の実施形態）
第４の実施形態に係る地震動評価システム１では、地震動評価モデル１３の特徴量が、第３の実施形態のような数値データと画像データとの組み合わせではなく、数値データが埋め込まれた画像データで表された地震動諸特性パラメータである点で第３の実施形態と相違する。その他の基本的な構成及び動作は、第３の実施形態と同様のため、以下では両者の相違点を中心に説明する。

（地震動評価モデル生成装置３について）
図１３は、本発明の第４の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。図１４は、本発明の第４の実施形態に係るデータベース１０の一例を示すデータ構成図である。

地震動データ１１を構成する地震動諸特性パラメータは、地震動シミュレーションにより所定の地震による地震動について所定の対象領域における地震動指標を算出したときの、地震動の震源特性を示す数値データが埋め込まれた画像であって、対象領域におけるサイト特性の分布図を示す画像データである。また、地震動データ１１を構成する地震動指標算出結果は、地震動シミュレーションにより地震動諸特性パラメータ（数値データが埋め込まれた画像データ）に基づいて所定の対象領域における地震動指標を算出したときの当該対象領域における地震動指標の分布図を示す画像データである。

取得部３１１は、図１３に示すように、データベース１０に登録された複数の地震動データ１１から、地震動諸特性パラメータ（数値データが埋め込まれた画像データ）を特徴量とし、地震動指標算出結果（画像データ）を目的変数として、特徴量及び目的変数で構成される学習用データ１２を複数取得する。本実施形態では、特徴量は、震源特性を示す震央位置ｌａｔ＿ｅｑ、ｌｏｎ＿ｅｑに対してモーメントマグニチュードＭｗ及び震源深さＨを示す数値データが記録された、地震基盤面深さＤ２８の分布図を示す画像データであり、目的変数は、対象領域における震度分布図を示す画像データである。

生成部３１２は、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び目的変数の相関関係を機械学習（例えば、ニューラルネットワーク、畳み込みニューラルネットワーク、敵対的生成ネットワーク等）により学習することにより、学習済みモデルとして地震動評価モデル１３を生成し、記憶部３０に記憶する。

（地震動評価装置４について）
図１５は、本発明の第４の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

受付部４１０は、予測対象の地震動諸特性パラメータとして、震源特性（モーメントマグニチュードＭｗ、震央位置ｌａｔ＿ｅｑ、ｌｏｎ＿ｅｑ、震源深さＨ）を示す数値データが埋め込まれた画像データであって、対象領域におけるサイト特性の分布図（地震基盤面深さＤ２８の分布図）を示す画像データを受け付ける。予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータ（数値データが埋め込まれた画像データ）を特徴量として、地震動評価モデル１３に入力することにより当該地震動評価モデル１３から出力される目的変数（画像データ）に基づいて、予測対象の地震動諸特性パラメータに対応する地震動指標の分布図を予測する。出力処理部４１２は、予測部４１１にて予測された地震動指標の分布図を視認可能な出力媒体に出力する。

以上のように、本実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法によれば、地震動シミュレーションを実行したときの地震動諸特性パラメータ（数値データが埋め込まれた画像データ）及び地震動指標算出結果（画像データ）を、それぞれ特徴量及び目的変数とする学習用データ１２に基づいて地震動評価モデル１３を生成する。そのため、地震動評価モデル１３には、将来発生すると考えられる様々な地震を想定して地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果の相関関係が学習されて、地震動の震源特性及び地下構造データの分布図を基に地震動指標の分布図を評価・予測するための知見が集約される。

（第５の実施形態）
第５の実施形態に係る地震動評価システム１では、地震動評価モデル１３の目的変数が、第１の実施形態のような数値データではなく、画像データで表された対象点における地震動指標のスペクトル図である点で第１の実施形態と相違する。その他の基本的な構成及び動作は、第１の実施形態と同様のため、以下では両者の相違点を中心に説明する。

（地震動評価モデル生成装置３について）
図１６は、本発明の第５の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。図１７は、本発明の第５の実施形態に係るデータベース１０の一例を示すデータ構成図である。

地震動データ１１を構成する地震動諸特性パラメータは、地震動シミュレーションにより所定の地震による地震動について所定の対象点における地震動指標を算出したときの地震動の震源特性、伝播特性、及び、サイト特性を示す数値データである。また、地震動データ１１を構成する地震動指標算出結果は、地震動シミュレーションにより地震動諸特性パラメータ（数値データ）に基づいて所定の対象点における地震動指標を算出したときの当該対象点における地震動指標のスペクトル図を示す画像データである。

取得部３１１は、図１６に示すように、データベース１０に登録された複数の地震動データ１１から、地震動諸特性パラメータ（数値データ）を特徴量とし、地震動指標算出結果（画像データ）を目的変数として、特徴量及び目的変数で構成される学習用データ１２を複数取得する。本実施形態では、特徴量は、モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、震央方位Λ、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、及び、地震基盤面深さＤ２８の６種類であり、学習用データ１２を構成する目的変数は、擬似速度応答スペクトルｐＳｖのスペクトル図を示す画像データである。

生成部３１２は、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び目的変数の相関関係を機械学習（例えば、ニューラルネットワーク、畳み込みニューラルネットワーク、敵対的生成ネットワーク等）により学習することにより、学習済みモデルとして地震動評価モデル１３を生成し、記憶部３０に記憶する。

なお、目的変数としての地震動指標のスペクトル図を示す画像データは、カラー画像でもグレースケール画像でもよく、複数の画像データの間で座標軸の単位やスケールが規格化されていることが好ましいが、変換可能であればよい。また、画像データは、１種類のスペクトル図を含むものでもよいし、複数種類のスペクトル図を含むものでもよい。

（地震動評価装置４について）
図１８は、本発明の第５の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

受付部４１０は、予測対象の地震動諸特性パラメータとして、擬似速度応答スペクトルｐＳｖを示す数値データ（モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、震央方位Λ、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、地震基盤面深さＤ２８）を受け付ける。予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータ（数値データ）を特徴量として、地震動評価モデル１３に入力することにより当該地震動評価モデル１３から出力される目的変数（画像データ）に基づいて、予測対象の地震動諸特性パラメータに対応する地震動指標のスペクトル図を予測する。出力処理部４１２は、予測部４１１にて予測された地震動指標のスペクトル図を視認可能な出力媒体に出力する。

以上のように、本実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法によれば、地震動シミュレーションを実行したときの地震動諸特性パラメータ（数値データ）及び地震動指標算出結果（画像データ）を、それぞれ特徴量及び目的変数とする学習用データ１２に基づいて地震動評価モデル１３を生成する。そのため、地震動評価モデル１３には、将来発生すると考えられる様々な地震を想定して地震動シミュレーションを実行したときの地震動諸特性パラメータ及び地震動指標算出結果の相関関係が学習されて、地震動の震源特性及び地下構造データの分布図を基に地震動指標の分布図を評価・予測するための知見が集約される。

（他の実施形態）
以上、本発明の実施形態について説明したが、本発明は上記各実施形態に限定されるものではなく、本発明の技術的思想を逸脱しない範囲で適宜変更可能である。

例えば、上記第１の実施形態では、地震動評価モデル１３の対象となる地域は、関東地方であるものとして説明したが、地震動評価モデル１３の対象となる地域はこれに限られず、また、対象となる地域の範囲や形状も任意に変更してもよい。さらに、地震動評価モデル１３は、地域を対象とするだけでなく、任意の地点を対象としてもよいし、複数の地点が所定の分類基準に従ってグループ化された地点グループを対象としてもよい。

また、上記各実施形態では、地震動評価モデル生成プログラム３００及び地震動評価プログラム４００は、記憶部３０、４０にそれぞれ記憶されたものとして説明したが、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等のコンピュータで読み取り可能な記録媒体に記録されて提供されてもよい。また、地震動評価モデル生成プログラム３００及び地震動評価プログラム４００は、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供されてもよい。

１…地震動評価システム、２…地震動シミュレーションデータ提供装置、
３…地震動評価モデル生成装置、４…地震動評価装置、５…ネットワーク、
１０…データベース、１１、１１Ａ、１１Ｂ…地震動データ
１２…学習用データ、１３、１３Ａ～１３Ｋ…地震動評価モデル、
３０…記憶部、３１…制御部、３２…通信部、３３…入力部、３４…表示部、
４０…記憶部、４１…制御部、４２…通信部、４３…入力部、４４…表示部、
３００…地震動評価モデル生成プログラム、
３１０…ＤＢ管理部、３１１…取得部、３１２…生成部
４００…地震動評価プログラム、
４１０…受付部、４１１…予測部、４１２…出力処理部

Claims (7)

1. コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
   地震動諸特性パラメータと当該地震動諸特性パラメータに基づいて地震動指標を算出する地震動シミュレーションを実行したときの地震動指標算出結果とが関連付けられた地震動データを複数記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動指標算出結果を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
   前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含み、
   前記地震動諸特性パラメータは、
   前記地震動シミュレーションにより所定の地震による地震動について所定の対象領域における前記地震動指標を算出したときの前記地震動の震源特性を示す数値データであり、
   前記地震動指標算出結果は、
   前記対象領域における前記地震動指標の分布図を示す画像データである、
   地震動評価モデル生成方法。
2. コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
   地震動諸特性パラメータと当該地震動諸特性パラメータに基づいて地震動指標を算出する地震動シミュレーションを実行したときの地震動指標算出結果とが関連付けられた地震動データを複数記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動指標算出結果を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
   前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含み、
   前記地震動諸特性パラメータは、
   前記地震動シミュレーションにより所定の地震による地震動について所定の対象領域における前記地震動指標を算出したときの、前記地震動の震源特性を示す数値データと、
   前記対象領域におけるサイト特性の分布図を示す画像データであり、
   前記地震動指標算出結果は、
   前記対象領域における前記地震動指標の分布図を示す画像データである、
   地震動評価モデル生成方法。
3. コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
   地震動諸特性パラメータと当該地震動諸特性パラメータに基づいて地震動指標を算出する地震動シミュレーションを実行したときの地震動指標算出結果とが関連付けられた地震動データを複数記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動指標算出結果を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
   前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含み、
   前記地震動諸特性パラメータは、
   前記地震動シミュレーションにより所定の地震による地震動について所定の対象領域における前記地震動指標を算出したときの、前記地震動の震源特性を示す数値データが埋め込まれた画像データであって、前記対象領域におけるサイト特性の分布図を示す前記画像データであり、
   前記地震動指標算出結果は、
   前記対象領域における前記地震動指標の分布図を示す画像データである、
   地震動評価モデル生成方法。
4. コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
   地震動諸特性パラメータと当該地震動諸特性パラメータに基づいて地震動指標を算出する地震動シミュレーションを実行したときの地震動指標算出結果とが関連付けられた地震動データを複数記憶するデータベースから、前記地震動諸特性パラメータを特徴量とし、前記地震動指標算出結果を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
   前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含み、
   前記地震動諸特性パラメータは、
   前記地震動シミュレーションにより所定の地震による地震動について所定の対象点における前記地震動指標を算出したときの前記地震動の震源特性、伝播特性、及び、サイト特性を示す数値データであり、
   前記地震動指標算出結果は、
   前記対象点における前記地震動指標のスペクトル図を示す画像データである、
   地震動評価モデル生成方法。
5. コンピュータを用いて、請求項１乃至請求項４のいずれか一項に記載の地震動評価モデル生成方法により生成された前記地震動評価モデルに基づいて、地震動の特性を評価する地震動評価方法であって、
   予測対象の前記地震動諸特性パラメータを受け付ける受付工程と、
   前記受付工程にて受け付けられた前記予測対象の前記地震動諸特性パラメータを前記特徴量として前記地震動評価モデルに入力することにより当該地震動評価モデルから出力される前記目的変数に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する前記地震動指標を予測する予測工程と、を含む、
   地震動評価方法。
6. コンピュータであって、
   請求項１乃至請求項４のいずれか一項に記載の地震動評価モデル生成方法に含まれる各工程を実行する制御部を備える、
   地震動評価モデル生成装置。
7. コンピュータであって、
   請求項５に記載の地震動評価方法に含まれる各工程を実行する制御部を備える、
   地震動評価装置。

Images