WO2021033502A1 - 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 - 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を記録した記録媒体 Download PDF

Info

Publication number
WO2021033502A1
WO2021033502A1 PCT/JP2020/028863 JP2020028863W WO2021033502A1 WO 2021033502 A1 WO2021033502 A1 WO 2021033502A1 JP 2020028863 W JP2020028863 W JP 2020028863W WO 2021033502 A1 WO2021033502 A1 WO 2021033502A1
Authority
WO
WIPO (PCT)
Prior art keywords
detection status
status information
vibration detection
trigger
information
Prior art date
Application number
PCT/JP2020/028863
Other languages
English (en)
French (fr)
Inventor
直樹 鍬守
成実 高橋
優 中野
健太朗 末木
修一郎 矢田
陽子 鍬守
Original Assignee
日本電気株式会社
国立研究開発法人海洋研究開発機構
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社, 国立研究開発法人海洋研究開発機構 filed Critical 日本電気株式会社
Priority to US17/631,550 priority Critical patent/US20220276402A1/en
Priority to CN202080057804.9A priority patent/CN114222933A/zh
Priority to JP2021540696A priority patent/JP7282305B2/ja
Publication of WO2021033502A1 publication Critical patent/WO2021033502A1/ja

Links

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
    • G01V1/282—Application of seismic models, synthetic seismograms
    • 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
    • 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

Definitions

  • the present invention relates to an earthquake observation device, an earthquake observation method, and a recording medium on which an earthquake observation program is recorded.
  • seismographs are installed at multiple locations and seismic intensity is measured at each location (for example, Patent Document 1).
  • An object of the present invention is to provide a recording medium that records an earthquake observation device, an earthquake observation method, and an earthquake observation program that can solve the above-mentioned problems.
  • the seismic observation apparatus includes a vibration detection status information acquisition means for acquiring vibration detection status information at each of a plurality of observation points, and vibration detection status information at each of the plurality of observation points. It is a multidimensional means for generating vibration detection status information of two or more dimensions related to a geographical position and time, and element information constituting the vibration detection status information of two dimensions or more, and is each geographical position and each time. It is provided with a group specifying means for classifying each element information indicating the vibration detection status in the above into groups for each vibration generating factor.
  • the seismic observation method acquires vibration detection status information at each of the plurality of observation points, and obtains a geographical position and time from the vibration detection status information at each of the plurality of observation points.
  • the recording medium on which the seismic observation program is recorded causes a computer to acquire vibration detection status information at each of the plurality of observation points, and the vibration detection status at each of the plurality of observation points.
  • Two-dimensional or higher vibration detection status information related to the geographical position and time is generated from the information, and the element information constituting the two-dimensional or higher vibration detection status information is obtained, and the vibration detection status at each geographical position and each time is obtained.
  • a relatively large amount of information can be used to obtain the correspondence between the observed vibration and the earthquake that caused the vibration.
  • FIG. 1 is a schematic block diagram showing an example of the functional configuration of the seismic observation device according to the embodiment.
  • the seismic observation device 100 includes a communication unit 110, a display unit 120, an operation input unit 130, a storage unit 180, and a control unit 190.
  • the storage unit 180 includes a model storage unit 181.
  • the control unit 190 includes a multidimensional unit 191 and a group identification unit 192.
  • the seismic observation device 100 groups the vibrations observed at each of the plurality of observation points into groups according to the event that caused the vibrations.
  • the seismic observation device 100 groups vibrations shown as triggers on two-dimensional or higher data having a spread in the time direction and the spatial direction for each event that caused the vibrations.
  • the seismic observation device 100 is configured by using a computer such as a workstation or a mainframe.
  • the above observation point is a point where a sensor for observing shaking (vibration) such as an earthquake is installed.
  • the observation point is also called an earthquake observation point or a seismic intensity observation point.
  • the vibration measured by the sensor at the observation point is also called the vibration at the observation point.
  • the above event is a vibration generating factor (event that becomes a vibration generating factor) such as an earthquake.
  • the seismic observation device 100 performs grouping for each vibration event with high accuracy.
  • the trigger is a vibration different from the normal vibration (for example, vibration below the noise level) generated in daily life.
  • the seismic observation device 100 detects a vibration different from the normal vibration, the seismic observation device 100 performs a process for seismic observation on the vibration.
  • the vibration different from the normal vibration is a trigger for the seismic observation device 100 to perform processing for seismic observation. Determining the presence or absence of vibration different from normal vibration is also referred to as determining the trigger.
  • Information indicating the trigger detection status, such as the presence or absence of trigger detection, is referred to as trigger detection status information.
  • the trigger detection status information corresponds to an example of vibration detection status information.
  • FIG. 2 is a schematic block diagram showing an example of the functional configuration of the seismic processing system according to the embodiment.
  • the seismic processing system 1 includes a sensor 210, a sensor data collecting device 220, an earthquake processing device 230, a data server device 240, a tsunami processing device 250, a real-time display terminal device 261, and maintenance.
  • a terminal device 262 and an interactive processing terminal device 263 are provided.
  • the seismic processing device 230 includes a receiving unit 231, a single observation point trigger processing unit 232, an earthquake determination unit 233, a phase inspection unit 234, an epicenter estimation unit 235, and a notification processing unit 236.
  • the seismic processing device 230, the tsunami processing device 250, and the data server device 240 are configured by using a computer such as a workstation or a mainframe.
  • the earthquake processing system 1 notifies an earthquake early warning when an earthquake occurs.
  • the sensor data collecting device 220 collects the measurement data by the sensor 210 installed at the observation point, transmits it to the seismic processing device 230, and registers it in the data server device 240.
  • the earthquake processing device 230 determines whether or not an earthquake has occurred based on the data measured by the sensor 210.
  • the earthquake processing device 230 estimates the epicenter (earthquake source) and notifies the notification destination together with the tsunami information from the tsunami processing device 250.
  • the notification destination here may be, for example, a terminal device of a person in charge of earthquake analysis, or an organization that reports earthquake information such as a television station.
  • the receiving unit 231 receives the measurement data from the sensor 210 from the sensor data collecting device 220 and outputs it to each unit in the subsequent stage.
  • the single observation point trigger processing unit 232 determines the trigger for each observation point based on the measurement data by the sensor 210.
  • the single observation point trigger processing unit 232 outputs the determination result as the trigger detection status information for each observation point.
  • the trigger detection status information referred to here is information indicating whether or not the trigger is detected at the observation point (that is, whether or not the trigger is detected).
  • the trigger detection status information corresponds to an example of vibration detection status information.
  • the vibration detection status information is information indicating the vibration detection status at the observation point. Of the vibration detection status information, the trigger detection status information indicates the trigger detection status as the vibration detection status.
  • Each observation point is also called a single observation point.
  • the earthquake determination unit 233 determines whether or not an earthquake has occurred based on the determination results of the triggers at a plurality of observation points. For example, the earthquake determination unit 233 determines that an earthquake has occurred when the ratio of the observation points for which the trigger derived from the earthquake is determined is equal to or more than the predetermined ratio among the observation points included in the predetermined range.
  • the phase inspection unit 234 inspects seismic waves (for example, P wave, S wave, and T wave) of each phase when the earthquake determination unit 233 determines the occurrence of an earthquake.
  • an existing method may be used.
  • the epicenter estimation unit 235 estimates the epicenter based on the inspection results of the phase inspection unit 234.
  • An existing method may be used as the method for estimating the epicenter.
  • the notification processing unit 236 notifies the epicenter estimated by the epicenter estimation unit 235 and the tsunami information generated by the tsunami processing device 250 as a predetermined notification destination. Notify to.
  • the data server device 240 stores various data related to earthquake observation, such as measurement data by the sensor 210. Further, the data server device 240 stores parameter values for the seismic processing device 230 to perform various processes. For example, when the seismic processing device 230 processes each part using the trained model by machine learning, the data server device 240 may store the model parameter value of the machine learning result.
  • the tsunami processing device 250 estimates the presence or absence of a tsunami when the earthquake determination unit 233 determines the occurrence of an earthquake.
  • a known method can be used as a method for the tsunami processing apparatus 250 to estimate the presence or absence of the occurrence of a tsunami.
  • the tsunami processing device 250 transmits tsunami information indicating an estimation result of the presence or absence of a tsunami to the notification processing unit 236.
  • the notification processing unit 236 collects the epicenter information and the tsunami information and notifies the notification destination.
  • the real-time display terminal device 261 displays the measurement data by the sensor 210 in real time.
  • the maintenance terminal device 262 is a terminal device for maintenance of the seismic processing system 1.
  • the maintenance worker of the seismic processing system 1 uses the maintenance terminal device 262 to update the model parameter value stored in the data server device 240. Further, the maintenance worker of the seismic processing system 1 confirms whether or not each of the sensors 210 is operating normally by using the maintenance terminal device 262, and performs maintenance of the sensor 210 as necessary.
  • the interactive processing terminal device 263 interactively presents to the user the portion of the processing of the earthquake processing system 1 that requires manual processing, and receives the processing by the user. For example, when the user processes the inspection of the phase inspection unit 234, the interactive processing terminal device 263 may display information for inspection such as an earthquake waveform and accept the processing by the user.
  • the earthquake determination unit 233 is associated with the earthquake observation device 100.
  • the earthquake observation device 100 When a plurality of earthquakes occur in close proximity in time and position, the earthquake observation device 100 not only detects that an earthquake has occurred, but also determines the correspondence relationship of which earthquake the trigger is caused by.
  • the seismic observation device 100 may perform the processing of the seismic determination unit 233.
  • the seismic processing device 230 may be configured as one device, and the seismic observation device 100 and a part of the seismic processing device 230 may be associated with each other.
  • the seismic processing device 230 may be configured as a plurality of devices including the seismic observation device 100.
  • the communication unit 110 of the seismic observation device 100 communicates with other devices.
  • the communication unit 110 receives the trigger detection status information for each observation point from the single observation point trigger processing unit 232.
  • the communication unit 110 corresponds to the example of the vibration detection status information acquisition unit.
  • the display unit 120 includes a display screen such as a liquid crystal panel or an LED (Light Emitting Diode) panel, and displays various images.
  • the display unit 120 displays the trigger detection status information generated by the multidimensional unit 191 in two dimensions on the geographical position axis and the time axis.
  • the operation input unit 130 includes an input device such as a keyboard and a mouse, and accepts user operations.
  • the storage unit 180 stores various data.
  • the storage unit 180 is configured by using the storage device included in the seismic observation device 100.
  • the model storage unit 181 stores the trained model.
  • the trained model referred to here is a model obtained by machine learning.
  • the model storage unit 181 may store a learned model for a part or all of the processing of the multidimensional unit 191 and the group identification unit 192.
  • the model storage unit 181 stores the trained model obtained as a result of machine learning.
  • the model storage unit 181 may store the model including the parameters and the parameter values obtained by machine learning as a trained model.
  • a model containing parameters is, for example, a convolutional neural network. It may be a neural network such as Neural Network; CNN), but is not limited to this.
  • the control unit 190 controls each unit of the seismic observation device 100 to execute various processes.
  • the function of the control unit 190 is executed by the CPU (Central Processing Unit, central processing unit) included in the seismic observation device 100 reading a program from the storage unit 180 and executing the program.
  • CPU Central Processing Unit, central processing unit
  • the multidimensional unit 191 generates trigger detection status information of two or more dimensions related to the geographical position and time from the trigger detection status information at each of the plurality of observation points.
  • the group identification unit 192 is elemental information that constitutes two-dimensional or higher-dimensional trigger detection status information generated by the multidimensional unit 191 and indicates each of the elemental information indicating the trigger detection status at a certain geographical position and at a certain time. Classify into groups for each vibration generating factor. That is, the group identification unit 192 uses the trigger detection status information that the multidimensional unit 191 has multidimensionalized to obtain the trigger detection status information at each observation point and individual time that is an element of the group identification unit 192 for each event ( For example, for each earthquake).
  • ⁇ Visualization method> One of the methods by which the seismic observation device 100 groups the triggers by using the trigger detection status information of two dimensions or more related to the geographical position and the time is called a visualization method.
  • the seismic observation device 100 performs the following steps 11 to 15.
  • the multidimensional unit 191 detects a two-dimensional trigger between a geographical position axis (a coordinate axis indicating a position on a straight line connecting these multiple observation points) and a time axis to which a plurality of observation points arranged in a straight line are assigned. Generate status information.
  • FIG. 3 is a diagram showing an arrangement example of observation points arranged in a straight line. In the example of FIG. 3, the observation points are indicated by circles ( ⁇ ). In region A11, the observation points are arranged substantially linearly.
  • the multidimensional unit 191 assigns the observation points arranged in a straight line to the coordinate axes of the geographical position in the two dimensions of the geographical position and the time.
  • the multidimensional unit 191 generates two-dimensional trigger detection status information by indicating the trigger detection status for each time at each assigned observation point in the two-dimensional coordinates.
  • Each time mentioned here is, for example, each division in which the time axis is divided into predetermined unit times.
  • FIG. 4 is a diagram showing an example of vibration measurement data at each of the observation points arranged in a straight line.
  • the horizontal axis of the graph in FIG. 4 indicates the time.
  • the vertical axis indicates the position in the longitudinal direction of the position on the straight line where the observation points are arranged (region A11 in the example of FIG. 3).
  • Each of the observation points arranged in a straight line is assigned to this vertical axis.
  • the amplitude for each time at the observation point is shown in the horizontal direction (direction parallel to the time axis) of the position to which the observation point is assigned.
  • the trigger is a vibration different from the normal vibration (for example, vibration below the noise level), and the portion having a large amplitude (black portion) in the graph of FIG. 4 is the portion where the trigger is detected.
  • the multidimensional unit 191 may generate a graph plotting the trigger detection status for each observation point and each time instead of the graph for the amplitude for each observation point and each time. For example, a black plot may indicate that a trigger has been detected, and a white plot or nothing may be used to indicate that no trigger has been detected. The plot that the trigger is detected is also called the trigger plot.
  • the group identification unit 192 determines the trigger group.
  • the group identification unit 192 classifies the triggers for each event (vibration generating factor such as an individual earthquake).
  • the group obtained by this classification is called a trigger group.
  • the group identification unit 192 may classify the triggers into groups based on the geometric shape in the two-dimensional trigger detection status information.
  • the trigger Since the observation points are arranged in a straight line, if the seismic wave spreads concentrically from the epicenter, the trigger shows a concentric circle or an arc shape even on a two-dimensional graph (two-dimensional trigger detection status information).
  • the start time of the trigger (that is, the arrival time of the seismic wave to the observation point) indicates a concentric circle or an arc shape.
  • the sequence of times when the amplitude becomes large, which corresponds to the start of the trigger is approximately arc-shaped. If the distances between the observation points arranged in a straight line vary, even on the geographical position axis, the observation points are arranged at equal intervals by allocating the observation points at intervals proportional to the intervals between the observation points. The same shape as when the points are assigned to the vertical axis at equal intervals is shown.
  • the group identification unit 192 classifies triggers whose trigger start times are arranged in an approximately arc shape in the two-dimensional trigger detection status information into the same trigger group.
  • the group identification unit 192 may automatically perform this classification, or this classification may be performed manually, and the group identification unit 192 associates the trigger with the trigger group according to the user operation (trigger). Is classified into a trigger group).
  • the group identification unit 192 determines both the time and the distance between the observation points among the trigger start times shown in the two-dimensional trigger detection status information. You may choose 3 or more trigger start times within the range of.
  • the group identification unit 192 may calculate an arc that passes through all the selected points or an arc that approximates all the selected points. The least squares method can be used for the approximation in this case, but the approximation is not limited to this.
  • the group identification unit 192 may classify the triggers whose trigger start time is within a predetermined time from the calculated arc into the same trigger group.
  • the group identification unit 192 When manually classifying a trigger into a trigger group, the group identification unit 192 performs an arc passing through the start time of the trigger selected by the user operation on the display screen of the two-dimensional trigger detection status information, or the user operation. An arc that approximates the start time of the trigger selected by may be calculated and displayed on the screen. The user (worker of this classification) can determine the start time of the trigger which is hidden by noise and is difficult to see by referring to the displayed arc, and decide whether or not to include the trigger in the trigger group. Even if the group identification unit 192 or a person classifies the trigger into a trigger group based on other information such as a vibration waveform in addition to the shape indicated by the trigger start time in the two-dimensional trigger detection status information. Good.
  • the multidimensional unit 191 estimates the position of the hypocenter.
  • the temporary epicenter here is a hypocenter that is temporarily set. It is called a temporary epicenter because the epicenter is re-estimated by the processing of the epicenter estimation unit 235 of the seismic processing device 230 (FIG. 2).
  • the multidimensional unit 191 performs inspection processing on the vibration waveform at each observation point based on the classification of the trigger into the trigger group, and estimates the position of the hypocenter based on the inspection result.
  • a known hypocenter calculation method such as a grid search method can be used.
  • the multidimensional unit 191 may automatically estimate the position of the hypocenter.
  • a person may estimate the position of the temporary hypocenter, and the multidimensional unit 191 may set the position of the temporary hypocenter on the two-dimensional trigger detection status information according to the user operation.
  • the multidimensional unit 191 generates two-dimensional trigger detection status information of the geographical position axis and the time axis to which all the observation points are assigned in the order of distance from the hypocenter.
  • the epicenter distance may be used, or the epicenter distance may be used.
  • the time axis is on the horizontal axis
  • the geographical position axis is on the vertical axis
  • the observation points closest to the hypocenter are assigned in order (in order of shortest epicenter distance)
  • the geographical position axis is assigned from the bottom to the top.
  • the seismic wave trigger from the hypocenter is plotted on an upward-sloping line (or upward-sloping band shape).
  • the distance from the position corresponding to the hypocenter to the position to which the observation point is assigned on the geographical position axis is the distance from the hypocenter to the observation point (earthquake source). Distance) may be proportional. If the seismic wave from this hypocenter spreads concentrically, the trigger by the seismic wave from this hypocenter is plotted in a linear shape (or rectangular shape). If the hypocenter is in a shallow position, the same applies even if the epicenter distance to the observation point is used as the distance from the hypocenter to the observation point.
  • the group identification unit 192 determines the trigger group. As described above, in the two-dimensional graph generated by the multidimensional section 191 the trigger by the seismic wave from this hypocenter is plotted on a line (or band shape). Therefore, the group identification unit 192 classifies the triggers plotted as the same line (or the same band shape) in the two-dimensional graph generated by the multidimensional unit 191 into the same group. When a plurality of earthquakes that are close in position and time occur, the multidimensional unit 191 estimates the position of the temporary hypocenter for each earthquake. Next, the multidimensional unit 191 and the group identification unit 192 group the triggers for each hypocenter.
  • the seismic observation device 100 may repeat the processes of steps 13 to 15. For example, the seismic observation device 100 may repeat the processes of steps 13 to 15 until the positions of the temporary hypocenters converge. Further, for example, when the multidimensional unit 191 performs the process of estimating the position of the temporary hypocenter twice or more in step 13, the position of the temporary hypocenter obtained in this process and the temporary source obtained in the previous process are tentative. Calculate the distance to the location of the epicenter until the distance falls below a predetermined threshold The processing of steps 13 to 15 may be repeated.
  • the seismic observation device 100 may suppress (do not perform) the processing of steps 13 to 15.
  • the group identification unit 192 evaluates the error between the arc that approximates the trigger start position and the trigger start position in the two-dimensional trigger detection status information for each of the trigger groups obtained in the process of step 12. It may be.
  • the group identification unit 192 may suppress the processing of steps 13 to 15 when this error becomes equal to or less than a predetermined threshold value.
  • ⁇ Code-coding method> Another method in which the seismic observation device 100 groups the triggers by using the trigger detection status information of two dimensions or more related to the geographical position and the time is called a coding method.
  • the seismic observation device 100 performs the processes shown in steps 21 to 22 below.
  • the multidimensional unit 191 generates trigger detection status information of three or more dimensions by a coordinate axis of one dimension or more and a time axis in which a plurality of observation points are arranged.
  • the multidimensional unit 191 expands the trigger detection status information (plots the trigger) in a multidimensional coordinate space having a geographical position axis and a time axis, as in the case of the visualization method.
  • the coding method is different from the visualization method in that the target observation point is not limited to the observation points on one straight line.
  • the coding method differs from the visualization method in that the order of allocating observation points to the geographical position axis is arbitrary.
  • the order of assignment of observation points to the geographical position axis is fixed.
  • the order of allocating the observation points to the geographical position axis is the same at the time of learning and at the time of operation.
  • the coding method is different from the visualization method in that the multidimensional unit 191 may expand the trigger detection status information in a coordinate space of three or more dimensions.
  • the multidimensional unit 191 may set the latitude and longitude of the observation point as two axes, and expand the trigger detection status information in the three-dimensional coordinate space including the time axis.
  • the multidimensional unit 191 may add additional information to the element information (plotted, trigger for each observation point and each time) of the trigger detection status information of two or more dimensions.
  • the single observation point trigger processing unit 232 (FIG. 2) classifies the triggers according to the type of event (for example, teleseism, near-field earthquake, low-frequency earthquake, artificial earthquake, etc.), and multidimensional unit 191.
  • information on the type of trigger event may be added to the element information. By increasing the amount of information to be referred to, it is expected that the grouping for each event of the trigger by the group identification unit 192 will be performed with higher accuracy.
  • FIG. 5 is a diagram showing an example of trigger detection status information having two or more dimensions in the coding method.
  • the horizontal axis of the graph of FIG. 5 indicates the time, and the vertical axis is assigned observation points.
  • observation points arranged in a straight line are assigned to the vertical axis in the order of arrangement.
  • the arrangement of the observation points on the geographical position axis is arbitrary as described above.
  • the type of trigger event is shown for each element information (for each observation point and for each time).
  • FIG. 6 is a diagram showing an example of a trigger group determined by the group identification unit 192.
  • FIG. 6 shows an example of grouping the triggers shown in FIG.
  • the trigger is generated by four earthquakes, earthquake A, earthquake B, earthquake C, and earthquake D, and the group identification unit 192 sets the event for each earthquake as "A", "B", and "C”.
  • And "D" are classified into four groups.
  • An "x" indicates that the event is not an earthquake and therefore does not belong to any of the four groups.
  • the order in which observation points are assigned to the geographical position axis is arbitrary, so geographically adjacent observation points are not always assigned adjacent to each other even on the geographical position axis. Therefore, the triggers caused by the same earthquake are not always represented as a group on the trigger generation status information in the coding method. Further, as in Group C and Group D in FIG. 6, triggers due to a plurality of earthquakes may be represented as a group.
  • the arrival time difference of the seismic wave between the observation points is shown in FIG.
  • This arrival time difference indicates the positional relationship between the observation points and the positional relationship between the observation points and the epicenter, and serves as a clue for grouping the triggers for each earthquake. Therefore, a model that receives input of trigger generation status information (trigger generation status information of two or more dimensions) in the coding method and outputs a trigger group may be generated by machine learning. In this model, it is expected that the trigger grouping will be performed with high accuracy by reflecting the seismic wave arrival time difference between the observation points in the grouping rules.
  • the statistical information that the trigger detection status information of two dimensions or more often has this positional relationship is included in the machine learning result (trained model). Expected to be reflected. Based on this reflection, if the trigger detection status information of two or more dimensions to be processed has this positional relationship, it is determined that the trigger is caused by the same earthquake, or this trigger is the same earthquake as this trigger group. It is expected that the triggers will be properly grouped by making a determination that the trigger is caused by.
  • the grouping process performed by the trained model can be regarded as the process of receiving the trigger generation status information of two dimensions or more as an input code and statistically analyzing the input code to determine the trigger group. it can. For this reason, the name of the coding method is used.
  • the seismic observation device 100 may use both the visualization method and the coding method in combination, and integrate the classification results (grouping results) of both methods.
  • the group identification unit 192 may integrate the classification result by the visualization method and the classification result by the coding method by performing the following steps 31 to 32.
  • the group identification unit 192 associates the trigger group in the visualization method with the trigger group in the coding method.
  • Classification by visualization method and coding method before integration is called provisional classification.
  • provisional classification In both the visualization method and the coding method, a trigger group is required for each observation point and each time. Therefore, the group identification unit 192 associates the trigger group in the visualization method with the trigger group in the coding method for each observation point and each time.
  • the group identification unit 192 evaluates the classification result based on the degree of matching of the classification result (the degree of matching of the trigger group). If the triggers are classified into the same trigger group by the visualization method and the coding method (that is, if the classification results match), the reliability of this classification is considered to be relatively high. Therefore, the group identification unit 192 gives a high evaluation to the classification result in this case. For example, the group identification unit 192 adds a relatively large weighting coefficient (for example, “1”) to the trigger group (trigger group for each observation point and each time) in this case.
  • a relatively large weighting coefficient for example, “1”
  • the group identification unit 192 gives a low evaluation to the classification result in this case.
  • the group identification unit 192 adds a relatively small weighting coefficient (for example, “0.3”) to the trigger group (trigger group for each observation point and each time) in this case.
  • the weighting coefficient added to the trigger group by the group identification unit 192 can be used, for example, when the epicenter estimation unit 235 (FIG. 2) estimates the epicenter. If the correspondence between the trigger and the earthquake that generated the trigger is correct, using the information about this trigger (for example, the arrival time of the seismic wave) to estimate the epicenter of the earthquake will increase the information for estimating the epicenter. It is expected that the estimation accuracy will improve. On the other hand, if the association between the trigger and the earthquake that generated the trigger is incorrect, and if the information about this trigger is used to estimate the epicenter of the earthquake, it will act as noise for the estimation of the epicenter, and the estimation accuracy will decrease. Be done.
  • the epicenter estimation unit 235 FOG. 2
  • the epicenter estimation unit 235 uses the above weighting coefficient when estimating the epicenter to reduce the contribution of the information associated with the unreliable classification result to the hypocenter estimation. As a result, even if the association between the trigger and the earthquake from which the trigger occurs is incorrect, the effect on the estimation accuracy of the epicenter can be small.
  • the group identification unit 192 may leave only one of the trigger groups. For example, the group identification unit 192 may delete the trigger group obtained by the coding method. Alternatively, the group identification unit 192 may leave both trigger groups. Alternatively, the group identification unit 192 may delete both trigger groups so that they are excluded from the target of use in the processing of the subsequent process.
  • the group identification unit 192 may refer to the waveform of the seismic wave in addition to the trigger detection status information.
  • the group identification unit 192 can classify the triggers when the waveforms are similar by referring to the waveforms of the seismic waves into the same trigger group with relatively high accuracy.
  • the method used by the seismic observation device 100 is not limited to the visualization method and the coding method. Even if the seismic observation device 100 uses in addition to the visualization method and the coding method, or in place of any of these methods, other methods for classifying the trigger into the seismic group of the cause of the trigger. Good.
  • the seismic observation device 100 may execute the machine learning, or a device other than the seismic observation device 100 may perform the machine learning. May be good.
  • a model generation device 300 other than the seismic observation device 100 executes machine learning will be described with reference to FIG. 7.
  • FIG. 7 is a schematic block diagram showing an example of the functional configuration of the model generator according to the embodiment.
  • the model generation device 300 includes a machine learning data generation unit 310, a trigger information learning unit 321, a false hypocenter estimation processing learning unit 322, and a visualization method grouping learning unit 323.
  • the model generation device 300 executes machine learning to generate a model used for processing each part of the control unit 190.
  • the model generator 300 is configured using a computer such as a workstation or mainframe.
  • the machine learning data generation unit 310 generates supervised machine learning data. Specifically, the machine learning data generation unit 310 acquires trigger detection status information (encoding), trigger detection status information (temporary hypocenter estimation), and trigger detection status information (visualization) as input data to the model. ..
  • the trigger detection status information (encoding) is two-dimensional or higher-dimensional trigger detection status information generated by the multidimensional unit 191 by the coding method.
  • the trigger detection status information (temporary seismic source estimation) is provisional to the two-dimensional trigger detection status information at the observation points arranged in a straight line, which is generated by the multidimensional unit 191 for estimating the temporary seismic source by the visualization method.
  • This data includes information on the trigger detection status at observation points located on other than the straight line for determining which side of the straight line the seismic source is located on.
  • the trigger detection status information (visualization) is generated by the multidimensional unit 191 for determining the trigger group by the visualization method, and the observation points are assigned to the geographical position axes according to the distance from the hypocenter. Dimensional trigger detection status information.
  • the machine learning data generation unit 310 acquires event discrimination data (encoding), hypocenter estimation position information, and event discrimination data (visualization) as correct answer data.
  • the event discrimination data (encoding) is information indicating the trigger group of the correct answer for the trigger detection status information (encoding).
  • the hypocenter estimated position information is information indicating the position of the correct hypocenter with respect to the trigger detection status information (temporary hypocenter estimation).
  • the event discrimination data (visualization) is information indicating a correct trigger group for the trigger detection status information (visualization).
  • the machine learning data generation unit 310 inputs the teacher data, which is a combination of the input data and the correct answer data, for each learning unit (that is, the trigger information learning unit 321 and the false earthquake source estimation processing learning unit 322, and the visualization method grouping learning unit 323. Generate (for each) and provide for machine learning.
  • the machine learning data generation unit 310 generates a combination of the trigger detection status information (encoding) and the corresponding event discrimination data (encoding) as the learning data for the trigger information learning unit 321.
  • the machine learning data generation unit 310 generates a combination of the trigger detection status information (temporary hypocenter estimation) and the corresponding hypocenter estimation position information as learning data for the hypocenter estimation processing learning unit 322.
  • the machine learning data generation unit 310 generates a combination of trigger detection status information (visualization) and corresponding event discrimination data (visualization) as learning data for the visualization method grouping learning unit 323.
  • the trigger information learning unit 321 adjusts the parameter value (learning parameter value) of the coding model by machine learning.
  • the coding model is a model for performing the processing of the coding method.
  • the coding model receives the input of the trigger detection status information of two dimensions or more in the coding method, and outputs the classification result of classifying the trigger into a group for each earthquake (trigger group).
  • the hypocenter estimation processing learning unit 322 adjusts the parameter value (learning parameter value) of the hypocenter estimation model by machine learning.
  • the hypocenter estimation model is a model for estimating the position of the hypocenter.
  • the temporary seismic source estimation model receives the input of the two-dimensional trigger detection status information at the observation points arranged in a straight line and the trigger detection status information at the observation points located on other than the straight line, and determines the estimated position of the temporary earthquake source. Output.
  • a person may estimate the position of the hypocenter. In this case, it is not necessary for the model generator 300 to include the hypocenter estimation processing learning unit 322.
  • the visualization method grouping learning unit 323 adjusts the parameter value (learning parameter value) of the visualization model by machine learning.
  • the visualization model is a model for classifying triggers into groups for each earthquake (trigger group) by the visualization method.
  • the visualization model receives input of two-dimensional trigger detection status information assigned to the geographical position axis according to the distance from the hypocenter, and classifies the triggers into groups for each earthquake (trigger group). Output the classification result.
  • the communication unit 110 acquires the vibration detection status information at each of the plurality of observation points.
  • the multidimensional unit 191 generates vibration detection status information of two or more dimensions related to the geographical position and time from the vibration detection status information at each of the plurality of observation points.
  • the group identification unit 192 classifies each of the element information into a group for each vibration generating factor.
  • the element information referred to here is information that constitutes two-dimensional or higher-dimensional vibration detection status information generated by the multidimensional unit 191 and indicates a vibration detection status at a certain geographical position and at a certain time.
  • the seismic observation device 100 can use the information of the trigger generation time in order to obtain the correspondence relationship between the trigger and the earthquake that caused the trigger, and in this respect, a relatively large amount of information can be used. it can.
  • the seismic wave arrival time difference between observation points can be calculated from the information on the trigger generation time, which indicates the positional relationship between the observation points. It is expected that the seismic observation device 100 can use this information to group triggers with relatively high accuracy.
  • the multidimensional unit 191 generates two-dimensional vibration detection status information of the geographical position axis and the time axis to which the observation points are assigned in the order of the distance from the temporarily set epicenter.
  • this two-dimensional vibration detection status information the triggers caused by the same earthquake are shown in a linear or strip shape. It is expected that the group identification unit 192 can group the triggers with relatively high accuracy based on this information.
  • the multidimensional unit 191 generates vibration detection status information of a two-dimensional constellation of a coordinate axis and a time axis indicating a position on a straight line connecting a plurality of observation points arranged in a straight line, and the vibration detection status information. Temporarily set the seismic source using. In this vibration detection status information of the two-dimensional constellation, the direction of the hypocenter is geometrically shown. It is expected that the multidimensional unit 191 can estimate the position of the buying epicenter relatively easily by using this information.
  • the multidimensional unit 191 generates vibration detection status information of two or more dimensions by a coordinate axis of one dimension or more and a time axis in which a plurality of observation points are arranged.
  • this two-dimensional or higher-dimensional vibration detection status information there is a correlation between the code pattern indicated by the trigger and the correspondence between the trigger and the earthquake that causes the trigger.
  • the time axis is provided in the trigger generation status information in the coding method, the arrival time difference of the seismic wave between the observation points is shown in the graph. This arrival time difference shows the positional relationship between the observation points and the positional relationship between the observation points and the epicenter. It is expected that the group identification unit 192 can group the triggers with relatively high accuracy based on this information.
  • the multidimensional unit 191 acquires the type information indicating the type of the vibration generating factor of the vibration indicated by the element information, and generates the vibration detection status information of two or more dimensions including the acquired type information. It is expected that the group identification unit 192 can use a relatively large amount of information by grouping the triggers using this information, and can perform the grouping with relatively high accuracy.
  • the group identification unit 192 adds evaluation information for the classification result of the element information to the group based on the matching status of a plurality of provisional classifications in which the element information is classified into the group. By reflecting this evaluation information in estimating the position of the epicenter, it is expected that the position of the epicenter can be estimated with relatively high accuracy.
  • the seismic observation device 100 it is possible to evaluate the temporal relationship and the distance relationship of the triggers, whereby the triggers caused by a plurality of proximity earthquakes can be separated for each proximity earthquake. Further, by performing statistical processing using machine learning on the earthquake observation device 100, it is possible to eliminate the possibility of associating the trigger with the earthquake that caused the trigger.
  • the earthquake observation device 100 even when different types of earthquakes coexist, the earthquakes that cause the triggers can be separately grasped if they can be separated at the trigger level. As a result, the earthquake observation device 100 can avoid grasping a plurality of earthquakes as one earthquake, and can avoid a decrease in the accuracy of hypocenter estimation, for example.
  • the earthquake observation device 100 by machine learning the determination of the correspondence relationship between the trigger and the earthquake of the cause by the earthquake observation device 100, it is possible to make a determination close to the determination made by a person. According to the seismic observation device 100, at this point, the possibility of erroneous determination of the correspondence between the trigger and the earthquake that caused the trigger is small, and at this point, the epicenter position can be estimated with relatively high accuracy.
  • FIG. 8 shows a seismic observation device according to an embodiment having a minimum configuration.
  • the seismic observation device 400 shown in FIG. 8 includes a vibration detection status information acquisition unit 401, a multidimensional unit 402, and a group identification unit 403.
  • the vibration detection status information acquisition unit 401 acquires vibration detection status information at each of the plurality of observation points.
  • the multidimensional unit 402 generates vibration detection status information of two or more dimensions related to the geographical position and time from the vibration detection status information at each of the plurality of observation points.
  • the group identification unit 403 classifies the element information that constitutes the vibration detection status information of two or more dimensions, and each of the element information indicating the vibration detection status at a certain geographical position and at a certain time into a group for each vibration generation factor. To do.
  • the seismic observation device 400 can use the information of the vibration occurrence time in order to obtain the correspondence relationship between the vibration and the earthquake that caused the vibration, and in this respect, a relatively large amount of information can be used. ..
  • the seismic wave arrival time difference between observation points can be calculated from the vibration occurrence time information, which indicates the positional relationship between the observation points.
  • FIG. 9 shows a processing procedure in the seismic observation method according to the embodiment of the minimum configuration.
  • the process shown in FIG. 9 is based on the vibration detection status information acquisition step (step S211) for acquiring the vibration detection status information at each of the plurality of observation points and the vibration detection status information at each of the plurality of observation points.
  • the information of the vibration generation time can be used to obtain the correspondence relationship between the vibration and the earthquake that caused the vibration, and in this respect, a relatively large amount of information can be used.
  • the seismic wave arrival time difference between observation points can be calculated from the vibration occurrence time information, which indicates the positional relationship between the observation points.
  • the correspondence relationship between the vibration and the earthquake that caused the vibration can be obtained with relatively high accuracy.
  • FIG. 10 is a schematic block diagram showing a configuration of a computer according to at least one of the above embodiments.
  • the computer 700 includes a CPU (Central Processing Unit) 710, a main storage device 720, an auxiliary storage device 730, and an interface 740. Any one or more of the above-mentioned seismic observation device 100, seismic processing device 230, model generation device 300, and seismic observation device 400 may be mounted on the computer 700.
  • the operation of each of the above-mentioned processing units is stored in the auxiliary storage device 730 in the form of a program.
  • the CPU 710 reads the program from the auxiliary storage device 730, expands it to the main storage device 720, and executes the above processing according to the program. Further, the CPU 710 secures a storage area corresponding to each of the above-mentioned storage units in the main storage device 720 according to the program.
  • the operations of the control unit 190 and each unit thereof are stored in the auxiliary storage device 730 in the form of a program.
  • the CPU 710 reads the program from the auxiliary storage device 730, deploys it to the main storage device 720, and executes the processing of the control unit 190 and each unit according to the program. Further, the CPU 710 secures the storage unit 180 and the storage area corresponding to each unit in the main storage device 720 according to the program.
  • the communication performed by the communication unit 110 is executed by having the interface 740 have a communication function and performing communication according to the control of the CPU 710.
  • the function of the display unit 120 is executed by the interface 740 having a display screen and displaying according to the control of the CPU 710.
  • the function of the operation input unit 130 is executed by having the interface 740 have an input device and accepting a user operation according to the control of the CPU 710.
  • the operations of the single observation point trigger processing unit 232, the seismic determination unit 233, the phase inspection unit 234, the epicenter estimation unit 235, and the notification processing unit 236 are in the form of a program. Is stored in the auxiliary storage device 730.
  • the CPU 710 reads the program from the auxiliary storage device 730, deploys it to the main storage device 720, and executes the processing of each of these parts according to the program.
  • the communication performed by the receiving unit 231 is executed by the interface 740 having a communication function and performing communication according to the control of the CPU 710.
  • the operations of the machine learning data generation unit 310, the trigger information learning unit 321 and the pseudo-earthquake source estimation processing learning unit 322 and the visualization method grouping learning unit 323 are in the form of a program. Is stored in the auxiliary storage device 730.
  • the CPU 710 reads the program from the auxiliary storage device 730, deploys it to the main storage device 720, and executes the processing of each of these parts according to the program.
  • the operations of the multidimensional unit 402 and the group identification unit 403 are stored in the auxiliary storage device 730 in the form of a program.
  • the CPU 710 reads the program from the auxiliary storage device 730, deploys it to the main storage device 720, and executes the processing of each of these parts according to the program.
  • the data acquisition performed by the vibration detection status information acquisition unit 401 is executed by the interface 740 having a communication function and performing communication according to the control of the CPU 710.
  • a computer-readable recording medium is used to record a program for executing all or part of the processing performed by the seismic observation device 100, the seismic processing device 230, the model generation device 300, and the seismic observation device 400, and this recording medium.
  • the processing of each part may be performed by loading the program recorded in the above into a computer system and executing the program.
  • the term "computer system” as used herein includes hardware such as an OS and peripheral devices.
  • the "computer-readable recording medium” refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, or a CD-ROM, or a storage device such as a hard disk built in a computer system.
  • the above-mentioned program may be a program for realizing a part of the above-mentioned functions, and may further realize the above-mentioned functions in combination with a program already recorded in the computer system.
  • the present invention can be applied to an earthquake observation device that measures the seismic intensity of an earthquake and estimates the epicenter, and uses a relatively large amount of information to determine the correspondence between the observed vibration and the earthquake that caused the vibration. be able to.
  • Seismic processing system 100 400 Seismic observation device 110 Communication unit 120 Display unit 130 Operation input unit 180 Storage unit 181 Model storage unit 190 Control unit 191, 402 Multidimensional unit 192, 403 Group identification unit 210 Sensor 220 Sensor data collection device 230 Earthquake processing device 231 Reception unit 232 Single observation point Trigger processing unit 233 Earthquake judgment unit 234 Phase detection unit 235 Earthquake source estimation unit 236 Notification processing unit 240 Data server equipment 250 Tsunami processing equipment 261 Real-time display terminal equipment 262 Maintenance terminal equipment 263 Type processing terminal device 300 Model generation device 310 Machine learning data generation unit 321 Trigger information learning unit 322 Temporary earthquake source estimation processing learning unit 401 Vibration detection status information acquisition unit

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)

Abstract

地震観測装置が、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部と、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部と、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、各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報を、振動発生要因毎のグループに分類するグループ特定部とを備える。

Description

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
　本発明は、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に関する。
　地震の観測のために、複数個所に地震計を設置してそれぞれの場所において震度の測定が行われている（例えば、特許文献１）。
特開２０１６－１５６７１２号公報
　複数の地震が時刻的かつ位置的に近接して発生した場合、それぞれの地震の震源を推定するために、観測された振動とその振動の要因となった地震との対応関係を求める必要がある。この対応関係を高精度に求めるために、例えば観測点の位置関係だけでなく比較的多くの情報を用いることができることが好ましい。
　本発明は、上述の課題を解決することのできる地震観測装置、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を提供することを目的としている。　
　本発明の第１の態様によれば、地震観測装置は、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手段と、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手段と、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、各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報を振動発生要因毎のグループに分類するグループ特定手段とを備える。
　本発明の第２の態様によれば、地震観測方法は、複数の観測点の各々における振動検出状況情報を取得し、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し、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、各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報を振動発生要因毎のグループに分類する。
　本発明の第３の態様によれば、地震観測プログラムを記録した記録媒体は、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させ、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各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報を振動発生要因毎のグループに分類させる地震観測プログラムを記録する。
　この発明によれば、観測された振動とその振動の要因となった地震との対応関係を求めるために、比較的多くの情報を用いることができる。
実施形態に係る地震観測装置の機能構成の例を示すブロック図である。 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ブロック図である。 実施形態に係る、直線状に配置された観測点の配置例を示すグラフである。 実施形態に係る、直線状に配置された観測点を用いて生成される２次元のトリガ検出状況情報の例を示すグラフである。 実施形態に係る符号化法における２次元以上のトリガ検出状況所法の例を示すグラフである。 実施形態に係るグループ特定部が決定したトリガグループの例を示すグラフである。 実施形態に係るモデル生成装置の機能構成の例を示すブロック図である。 本発明の最小構成の実施形態に係る地震観測装置を示すブロック図である。 本発明の最小構成の実施形態に係る地震観測方法における処理手順を示すフローチャートである。 少なくとも１つの上記実施形態に係るコンピュータの構成を示すブロック図である。
　以下、本発明の実施形態を説明するが、以下の実施形態は請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
　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、複数の観測点の各々で観測された振動を、その振動の原因となったイベント（Event）毎にグループ分けする。特に、地震観測装置１００は、時刻方向および空間方向の広がりを持つ２次元以上のデータ上にトリガ（Trigger）として示される振動を、その振動の原因となったイベント毎にグループ分けする。
　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。
　上記観測点は、地震等の揺れ（振動）を観測するためのセンサが設置される地点である。観測点は、地震観測点または震度観測点とも称される。観測点のセンサが測定する振動を、その観測点における振動とも称する。
　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。
　例えば、２つの地震が時刻的かつ位置的に近接して発生した場合、２つの地震それぞれの震源地を推定するために、個々の観測点で観測された振動が何れの地震に起因するものかを特定する必要がある。この特定の精度が低いと、震源地の推定に用いられる情報に、別の地震の情報が含まれることになる。この別の地震の情報がノイズとして作用することで、震源地の推定精度が低下してしまう。このため、地震観測装置１００が、振動のイベント毎のグループ分けを高精度に行うことが望まれる。
　上記トリガは、日常の生活に伴って発生する通常時の振動（例えばノイズレベル以下の振動）と異なる振動である。地震観測装置１００は通常時の振動と異なる振動を検出すると、その振動に対して地震観測のための処理を行う。この点で、通常時の振動と異なる振動が、地震観測装置１００が地震観測のための処理を行うトリガになっている。
　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。
　地震観測装置１００は、地震の震源を推定することに用いることができる。
　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。
　地震処理システム１は、地震発生時に地震速報を通知する。地震処理システム１では、観測点に設置されているセンサ２１０による測定データを、センサデータ収集装置２２０が収集して地震処理装置２３０へ送信し、また、データサーバ装置２４０に登録する。
　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。
　受信部２３１は、センサ２１０による測定データをセンサデータ収集装置２２０から受信し、後段の各部へ出力する。
　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。
　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。振動検出状況情報は観測点における振動の検出状況を示す情報である。振動検出状況情報のうち、振動の検出状況としてトリガの検出状況を示すものがトリガ検出状況情報である。
　個々の観測点を単独観測点とも称する。
　地震判定部２３３は、複数の観測点におけるトリガの判定結果に基づいて、地震発生の有無を判定する。例えば、地震判定部２３３は、所定の範囲に含まれる観測点のうち、地震由来のトリガが判定された観測点の割合が所定の割合以上である場合に、地震が発生したと判定する。
　相検測部２３４は、地震判定部２３３が地震の発生を判定した場合に、各相の地震波（例えば、Ｐ波、Ｓ波およびＴ波）を検測する。検測方法として、既存の方法を用いるようにしてもよい。
　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。
　データサーバ装置２４０は、センサ２１０による測定データなど、地震の観測に関する各種データを記憶する。また、データサーバ装置２４０は、地震処理装置２３０が各種処理を行うためのパラメータ値を記憶する。例えば、地震処理装置２３０が機械学習による学習済みモデルを用いて各部の処理を行う場合、データサーバ装置２４０が機械学習結果のモデルパラメータ値を記憶するようにしてもよい。
　津波処理装置２５０は、地震判定部２３３が地震の発生を判定した場合に、津波の発生の有無を推定する。津波処理装置２５０が津波の発生の有無を推定する方法として、公知の方法を用いることができる。津波処理装置２５０は、津波の発生の有無の推定結果を示す津波情報を通知処理部２３６へ送信する。上記のように、通知処理部２３６が、震源地の情報と津波情報とを取りまとめて通知先へ通知する。
　リアルタイム表示端末装置２６１は、センサ２１０による測定データをリアルタイムで表示する。
　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。
　対話型処理端末装置２６３は、地震処理システム１の処理のうち人手による処理が必要な部分について、対話形式でユーザに提示してユーザによる処理を受ける。例えば、相検測部２３４の検測についてユーザの処理を受ける場合、対話型処理端末装置２６３が地震波形など検測用の情報を表示し、ユーザによる処理を受け付けるようにしてもよい。
　かかる地震処理システム１の構成のうち、地震判定部２３３が地震観測装置１００に対応付けられる。複数の地震が時刻的かつ位置的に近接して発生した場合、地震観測装置１００は、地震が発生したことを検出するだけでなく、トリガがどの地震によるものかの対応関係を判定する。
　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。
　地震観測装置１００（図１）の通信部１１０は、他の装置と通信を行う。例えば通信部１１０は、単独観測点トリガ処理部２３２から観測点毎のトリガ検出状況情報を受信する。通信部１１０は振動検出状況情報取得部の例に該当する。
　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。
　記憶部１８０は、各種データを記憶する。記憶部１８０は、地震観測装置１００が備える記憶デバイスを用いて構成される。
　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。
　例えば、モデル記憶部１８１が、パラメータを含むモデルと機械学習で得られたパラメータ値とを学習済みモデルとして記憶するようにしてもよい。パラメータを含むモデルは、例えば畳み込みニューラルネットワーク（Convolutional 
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。
　制御部１９０は、地震観測装置１００の各部を制御して各種処理を実行する。制御部１９０の機能は、地震観測装置１００が備えるＣＰＵ（Central Processing Unit、中央処理装置）が、記憶部１８０からプログラムを読み出して実行することで実行される。
　多次元化部１９１は、複数の観測点の各々におけるトリガ検出状況情報から、地理的位置および時刻に係る２次元以上のトリガ検出状況情報を生成する。
　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。
＜視覚化法＞
　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。
（ステップ１１）
　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。
　図４は、直線状に配置された観測点の各々における振動測定データの例を示す図である。図４のグラフの横軸は時刻を示す。縦軸は、観測点が配置される直線上の位置（図３の例では、領域Ａ１１）の長手方向における位置を示す。この縦軸に、直線状に配置された観測点の各々が割り当てられている。図４のグラフは、防災科学技術研究所のウェブページ（アドレス：http://www.hinet.bosai.go.jp/mtrace/?tm=&pv=&eq=&LANG=ja）で公開されている、１００トレース連続波形画像を引用している。
　観測点が割り当てられた位置の水平方向（時刻軸に平行な方向）に、その観測点における時刻毎の振幅が示されている。上述したように、トリガは、通常時の振動（例えばノイズレベル以下の振動）と異なる振動であり、図４のグラフで振幅の大きい部分（黒くなっている部分）はトリガが検出されている部分と見做すことができる。
　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。
（ステップ１２）
　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。
　観測点が直線状に配置されていることで、地震波が震源から同心円状に広がれば、２次元のグラフ上（２次元のトリガ検出状況情報上）でもトリガが同心円状または円弧形状を示す。特に、トリガの開始時刻（すなわち、観測点への地震波の到達時刻）が、同心円状または円弧形状を示す。図４の例でも、トリガの開始に相当する、振幅が大きくなる時刻の並びが、およそ円弧形状になっている。
　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は、２次元のトリガ検出状況情報でトリガの開始時刻がおよそ円弧形状に並んでいるトリガを同一のトリガグループに分類する。グループ特定部１９２が、この分類を自動的に行うようにしてもよい、あるいは、この分類を人手で行い、グループ特定部１９２が、ユーザ操作に従って、トリガとトリガグループとの紐付けを行う（トリガを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が上記の分類を自動的に行う場合、例えば、グループ特定部１９２は、２次元のトリガ検出状況情報に示されるトリガの開始時刻のうち、時刻および観測点間の距離が共に所定の範囲内にあるトリガの開始時刻を３点以上選択するようにしてもよい。グループ特定部１９２は、選択した全ての点を通る円弧、あるいは、選択した全ての点を近似する円弧を算出するようにしてもよい。この場合の近似には最小二乗法を用いることができるが、これに限定されない。
　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。
　トリガのトリガグループへの分類を人手で行う場合、グループ特定部１９２が、２次元のトリガ検出状況情報の表示画面上で、ユーザ操作によって選択されたトリガの開始時刻を通る円弧、または、ユーザ操作によって選択されたトリガの開始時刻を近似する円弧を算出して画面に表示するようにしてもよい。ユーザ（この分類の作業者）は、表示された円弧を参考にして、ノイズに隠れて見えにくいトリガの開始時刻を判定し、トリガをトリガグループに含めるか否かを決定することができる。
　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。
（ステップ１３）
　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。
（ステップ１４）
　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。
　さらに例えば、仮震源から観測点までの距離にばらつきがある場合、地理的位置軸上で仮震源に相当する位置から観測点を割り当てる位置までの距離を、仮震源から観測点までの距離（震源距離）に比例させるようにしてもよい。この仮震源からの地震波が同心円状に広がれば、この仮震源からの地震波によるトリガが直線形状（または矩形状）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。
（ステップ１５）
　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。
　地震観測装置１００が、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。
　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。
　また、ステップ１２の処理におけるトリガのグループ分けの精度が十分に高いと判定される場合、地震観測装置１００が、ステップ１３からステップ１５の処理を抑制する（行わない）ようにしてもよい。例えば、グループ特定部１９２が、ステップ１２の処理で得られたトリガグループの各々について、２次元のトリガ検出状況情報でトリガの開始位置を近似する円弧とトリガの開始位置との誤差を評価するようにしてもよい。次に、グループ特定部１９２は、この誤差が所定の閾値以下になった場合にステップ１３からステップ１５の処理を抑制するようにしてもよい。
＜符号化法＞
　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。
（ステップ２１）
　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）。
　一方、符号化法では、対象となる観測点が１直線上の観測点に限定されない点で、視覚化法の場合と異なる。また、符号化法では、地理的位置軸へ観測点の割当の並び順が任意である点で、視覚化法の場合と異なる。
　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。
　また、符号化法では、多次元化部１９１がトリガ検出状況情報を３次元以上の座標空間に展開するようにしてもよい点で、視覚化法の場合と異なる。例えば、多次元化部１９１が、観測点の緯度および経度で２軸とし、時刻軸を加えた３次元の座標空間にトリガ検出状況情報を展開するようにしてもよい。
　符号化法で、多次元化部１９１が、２次元以上のトリガ検出状況情報の要素情報（プロットされる、観測点毎かつ時刻毎のトリガ）に、付加情報を加えるようにしてもよい。例えば、単独観測点トリガ処理部２３２（図２）が、トリガをイベントの種類（例えば、遠地地震、近地地震、低周波地震、人工地震など）毎に分類しておき、多次元化部１９１が、要素情報に対してトリガのイベントの種類の情報を付加するようにしてもよい。
　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は、符号化法における２次元以上のトリガ検出状況情報の例を示す図である。図５のグラフの横軸は時刻を示し、縦軸には、観測点が割り当てられている。
　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。
（ステップ２２）
　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。
　符号化法では、観測点を地理的位置軸に割り当てる順番は任意なので、地理的に隣接する観測点が地理的位置軸でも隣接して割り当てられるとは限らない。従って、同一の地震によるトリガが、符号化法におけるトリガ発生状況情報上で一まとまりに表されるとは限らない。また、図６のグループＣおよびグループＤのように、複数の地震によるトリガが一まとまりに表される場合もある。
　一方、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図６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おり、トリガを地震毎にグループ分けする手掛かりとなる。
　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。
　すなわち、複数の観測点におけるトリガが同一の地震に起因する場合、２次元以上のトリガ検出状況情報ではこの位置関係になることが多い、という統計的情報が、機械学習結果（学習済みモデル）に反映されると期待される。この反映に基づいて、処理対象の２次元以上のトリガ検出状況情報でこの位置関係であれば、同一の地震に起因するトリガであるという判定、あるいは、このトリガは、このトリガグループと同一の地震に起因するという判定が行われることで、トリガのグループ分けが適切に行われることが期待される。
　この場合、学習済みモデルが行うグループ分けの処理は、２次元以上のトリガ発生状況情報を入力符号として受け取り、この入力符号を統計的に解析してトリガグループを決定する処理と見做すことができる。このことから、符号化法との名称を用いている。
＜視覚化法と符号化法の併用＞
　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。
（ステップ３１）
　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。
（ステップ３２）
　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。
　一方、トリガが視覚化法と符号化法とで異なるトリガグループに分類された場合、この分類の信頼性は比較的低いと考えられる。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低い評価を加える。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）に比較的小さい重み係数（例えば、「０．３」）を加える。
　グループ特定部１９２がトリガグループに加える重み係数は、例えば、震源推定部２３５（図２）が震源地を推定する際に用いることができる。
　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。
　そこで、震源推定部２３５が、震源地を推定する際に上記の重み係数を用いることで、信頼性の低い分類結果に対応付けられる情報の、震源地推定への寄与を小さくする。これにより、トリガとトリガ発生元の地震との対応付けが誤っていた場合でも、震源地の推定精度への影響が小さくて済む。
　なお、トリガが視覚化法と符号化法とで分類結果のトリガグループが異なる場合、グループ特定部１９２が、どちらか一方のトリガグループのみを残すようにしてもよい。例えば、グループ特定部１９２が、符号化法で得られたトリガグループを削除するようにしてもよい。あるいは、グループ特定部１９２が両方のトリガグループを残すようにしてもよい。あるいは、グループ特定部１９２が、両方のトリガグループを削除することで、後の工程の処理での使用対象から除外するようにしてもよい。
　なお、グループ特定部１９２が、トリガをその発生原因の地震毎のグループ（トリガグループ）に分類する際に、トリガ検出状況情報に加えて地震波の波形を参照するようにしてもよい。特に、遠地地震の場合、複数の観測点で同様の波形が観測される可能性が高い。グループ特定部１９２が、地震波の波形を参照して波形が類似する場合のトリガを同一のトリガグループに分類することで、比較的高精度に分類を行えると期待される。
　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。
　制御部１９０の各部の処理を機械学習で生成する場合、地震観測装置１００が機械学習を実行するようにしてもよいし、地震観測装置１００とは別の装置が機械学習を実施するようにしてもよい。以下では図７を参照して、地震観測装置１００とは別のモデル生成装置３００が機械学習を実行する場合について説明する。
　図７は、実施形態に係るモデル生成装置の機能構成の例を示す概略ブロック図である。
　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。
　機械学習データ生成部３１０は、教師有りの機械学習データを生成する。具体的には、機械学習データ生成部３１０は、モデルへの入力データとして、トリガ検出状況情報（符号化）、トリガ検出状況情報（仮震源推定）およびトリガ検出状況情報（視覚化）を取得する。
　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（仮震源推定）は、視覚化法で仮震源の推定のために多次元化部１９１が生成する、直線状に配置された観測点における２次元のトリガ検出状況情報に、仮震源が直線のどちら側に位置するかの判定のための、直線上以外に位置する観測点におけるトリガ検出状況情報を加えたデータである。
　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。
　また、機械学習データ生成部３１０は、正解データとして、イベント判別データ（符号化）、仮震源推定位置情報およびイベント判別データ（視覚化）を取得する。
　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、入力データと正解データとを組み合わせた教師データを、学習部毎に（すなわち、トリガ情報学習部３２１、仮震源推定処理学習部３２２、視覚化法グルーピング学習部３２３の各々について）生成し、機械学習用に提供する。
　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、仮震源推定処理学習部３２２用の学習データとして、トリガ検出状況情報（仮震源推定）と、それに対応する仮震源推定位置情報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。
　トリガ情報学習部３２１は、機械学習により符号化モデルのパラメータ値（学習パラメータ値）を調整する。符号化モデルは、符号化法の処理を行うためのモデルである。符号化モデルは、符号化法における２次元以上のトリガ検出状況情報の入力を受けて、トリガを地震毎のグループ（トリガグループ）に分類する分類結果を出力する。
　仮震源推定処理学習部３２２は、機械学習により仮震源推定モデルのパラメータ値（学習パラメータ値）を調整する。仮震源推定モデルは、仮震源の位置推定を行うためのモデルである。仮震源推定モデルは、直線状に配置された観測点における２次元のトリガ検出状況情報と、直線上以外に位置する観測点におけるトリガ検出状況情報との入力を受けて、仮震源の推定位置を出力する。
　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。
　視覚化法グルーピング学習部３２３は、機械学習により視覚化モデルのパラメータ値（学習パラメータ値）を調整する。視覚化モデルは、視覚化法でトリガを地震毎のグループ（トリガグループ）に分類するためのモデルである。視覚化モデルは、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の入力を受けて、トリガを地震毎のグループ（トリガグループ）に分類する分類結果を出力する。
　以上のように、通信部１１０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。多次元化部１９１は、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。グループ特定部１９２は、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。ここでいう要素情報は、多次元化部１９１が生成した２次元以上の振動検出状況情報を構成する情報であり、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。
　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。
　また、多次元化部１９１は、仮設定された震源からの距離順に観測点を割り当てた地理的位置軸と時刻軸との２次元の振動検出状況情報を生成する。
　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。
　また、多次元化部１９１は、直線状に配置された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次元座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。
　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。
　また、多次元化部１９１は、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２次元以上の振動検出状況情報を生成する。
　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。
　また、多次元化部１９１は、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、取得した種類情報を含む２次元以上の振動検出状況情報を生成する。
　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。
　また、グループ特定部１９２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。
　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によれば、トリガの時間的な関係および距離的な関係を評価することができ、これによって複数の近接地震に起因するトリガを、近接地震毎に分離し得る。
　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。
　また、地震観測装置１００によれば、種類の異なる地震が混在する場合でも、トリガレベルで分離が可能であれば、トリガの原因の地震を分けて把握できる。これにより、地震観測装置１００では、複数の地震を１つの地震と把握してしまうことを回避でき、例えば震源推定精度の低下を回避できる。
　また、地震観測装置１００で、トリガとその原因の地震との対応関係の判定を機械学習することで、人が行う判定に近い判定を行うことができる。地震観測装置１００によれば、この点で、トリガとその原因の地震との対応関係の誤判定の可能性が小さく、この点で、震源位置の推定を比較的高精度に行うことができる。
　次に、図８および図９を参照して、本発明の最小の構成の実施形態の構成について説明する。
　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。
　かかる構成で、振動検出状況情報取得部４０１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。多次元化部４０２は、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。グループ特定部４０３は、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。
　これにより、地震観測装置４００では、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。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は、最小の構成の実施形態に係る地震観測方法における処理手順を示す。
　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は、少なくとも１つの上記実施形態に係るコンピュータの構成を示す概略ブロック図である。
　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。
　地震観測装置１００がコンピュータ７００に実装される場合、制御部１９０およびその各部の動作は、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制御部１９０およびその各部の処理を実行する。
　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。
　地震処理装置２３０がコンピュータ７００に実装される場合、単独観測点トリガ処理部２３２、地震判定部２３３、相検測部２３４、震源推定部２３５および通知処理部２３６の各部の動作は、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これら各部の処理を実行する。受信部２３１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。
　モデル生成装置３００がコンピュータ７００に実装される場合、機械学習データ生成部３１０、トリガ情報学習部３２１、仮震源推定処理学習部３２２および視覚化法グルーピング学習部３２３の各部の動作は、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これら各部の処理を実行する。
　地震観測装置４００がコンピュータ７００に実装される場合、多次元化部４０２およびグループ特定部４０３の各部の動作は、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これら各部の処理を実行する。
　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。
　なお、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が行う処理の全部または一部を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
　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。
　以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
　本願は、２０１９年８月２０日に、日本に出願された特願２０１９－１５０６３１号に基づき優先権を主張し、その内容をここに援用する。
　本発明は、地震の震度を測定し震源を推定する地震観測装置に適用でき、観測された振動とその振動の要因となった地震との対応関係を求めるために、比較的多くの情報を用いることができる。
　１　地震処理システム
　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 (8)

  1. 　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手段と、
    　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、各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報を振動発生要因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。
  2. 　前記多次元化手段は、仮設定された震源からの距離順に前記観測点を割り当てた地理的位置軸と時刻軸との２次元の振動検出状況情報を生成する、
    　請求項１に記載の地震観測装置。
  3. 　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２に記載の地震観測装置。
  4. 　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から３の何れか一項に記載の地震観測装置。
  5. 　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４に記載の地震観測装置。
  6. 　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から３の何れか一項に記載の地震観測装置。
  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し、
    　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し、
    　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、各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報を振動発生要因毎のグループに分類する、
    　地震観測方法。
  8. 　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させ、
    　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、各地理的位置かつ各時刻における振動検出状況を示す各々の要素情報、振動発生要因毎のグループに分類させる、
    　地震観測プログラムを記録した記録媒体。
PCT/JP2020/028863 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 WO2021033502A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/631,550 US20220276402A1 (en) 2019-08-20 2020-07-28 Seismic observation device, seismic observation method, and recording medium for recording seismic observation program
CN202080057804.9A CN114222933A (zh) 2019-08-20 2020-07-28 地震观测设备、地震观测方法以及记录地震观测程序的记录介质
JP2021540696A 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

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-150631 2019-08-20
JP2019150631 2019-08-20

Publications (1)

Publication Number Publication Date
WO2021033502A1 true WO2021033502A1 (ja) 2021-02-25

Family

ID=74660844

Family Applications (1)

Application Number Title Priority Date Filing Date
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

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)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
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
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

Citations (8)

* Cited by examiner, † Cited by third party
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
JPH1019654A (ja) * 1996-07-03 1998-01-23 Matsushita Electric Ind Co Ltd 感震装置
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
JP2007198813A (ja) * 2006-01-25 2007-08-09 Matsushita Electric Works Ltd 震度計
US20100274492A1 (en) * 2009-04-24 2010-10-28 Susanne Rentsch Determining attributes of seismic events
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
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

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9526099D0 (en) * 1995-12-20 1996-02-21 Univ Edinburgh Signatures of arrays of marine seismic sources
FR2873823B1 (fr) 2004-08-02 2006-09-15 Inst Francais Du Petrole Methode pour construire un modele d'un milieu heterogene decrit par plusieurs parametres a partir de donnees exprimees dans des echelles de temps differentes
US7392139B2 (en) * 2006-03-27 2008-06-24 Swiss Reinsurance Company System and method for providing earthquake data
JP2008107225A (ja) 2006-10-26 2008-05-08 Akebono Brake Ind Co Ltd 津波検知装置
JP5367079B2 (ja) * 2008-08-21 2013-12-11 スイス リインシュランス カンパニー リミテッド 地震影響インデックスを決定するためのコンピュータシステム及び方法
JP5294266B2 (ja) 2009-03-31 2013-09-18 株式会社オーシーシー 海底観測システム
JP5847425B2 (ja) 2011-04-01 2016-01-20 本田技研工業株式会社 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
JP6399947B2 (ja) 2015-02-25 2018-10-03 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
JP6598706B2 (ja) 2016-02-26 2019-10-30 株式会社竹中工務店 津波検知装置
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
CN110065077B (zh) 2019-04-25 2021-03-26 王荩立 一种用于考古的环境探测方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
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
JPH1019654A (ja) * 1996-07-03 1998-01-23 Matsushita Electric Ind Co Ltd 感震装置
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
JP2007198813A (ja) * 2006-01-25 2007-08-09 Matsushita Electric Works Ltd 震度計
US20100274492A1 (en) * 2009-04-24 2010-10-28 Susanne Rentsch Determining attributes of seismic events
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
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DEL PEZZO, E. ET AL.: "Discrimination of Earthquakes and Underwater Explosions Using Neural Networks", vol. 93, no. 1, 2003, pages 215 - 223 *
SCARPETTA S., GIUDICEPIETRO F., EZIN E. C., PETROSINO S., DEL PEZZO E., MARTINI M., MARINARO M: "Automatic Classification of Seismic Signals at Mt", VESUVIUS VOLCANO, ITALY, USING NEURAL NETWORKS, vol. 95, no. 1, February 2005 (2005-02-01), pages 185 - 196, XP055803264 *

Also Published As

Publication number Publication date
US20220276402A1 (en) 2022-09-01
JPWO2021033502A1 (ja) 2021-02-25
CN114222933A (zh) 2022-03-22
TWI803767B (zh) 2023-06-01
TW202122827A (zh) 2021-06-16
JP7282305B2 (ja) 2023-05-29

Similar Documents

Publication Publication Date Title
JP2021532355A (ja) 音響画像にタグを付けて関連付けるためのシステム及び方法
US7457195B2 (en) Estimating the time of arrival of a seismic wave
WO2021033502A1 (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を記録した記録媒体
JP4129879B2 (ja) 画像解析装置、画像解析方法及びプログラム
CN103793606A (zh) 多源传感器目标综合识别系统性能评估方法
RU2018132850A (ru) Способы и системы для определения компьютером наличия объектов
US9733374B2 (en) Repeatability indicator based on shot illumination for seismic acquisition
CN110045829A (zh) 利用用户接口的事件的设备和方法
KR102340184B1 (ko) 콘솔 단말기에서 인공지능 학습기법을 이용하여 수동 표적을 추적하는 장치 및 방법
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
Woollam et al. Hex: Hyperbolic event extractor, a seismic phase associator for highly active seismic regions
US11906678B2 (en) Seismic observation device, seismic observation method, and recording medium on which seismic observation program is recorded
Preston et al. Uncertainty-aware visualization for analyzing heterogeneous wildfire detections
CN114207479A (zh) 地震观测设备、地震观测方法以及记录地震观测程序的记录介质
Fornasari et al. A Machine‐Learning Approach for the Reconstruction of Ground‐Shaking Fields in Real Time
Elmquist et al. A performance contextualization approach to validating camera models for robot simulation
Jacquez Cluster morphology analysis
CN111695048B (zh) 疫情溯源方法及介质
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
Doula et al. Visualization of machine learning uncertainty in ar-based see-through applications
JP5770051B2 (ja) 大地震の破壊領域の即時的推定方法
JP4518551B2 (ja) リアルタイム地震危険度予測の方法
CN104685542A (zh) 用于检测和表征水道系统的方法和系统
WO2022215260A1 (ja) 監視システム
US12073652B2 (en) Image data processing device and image data processing system

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20855140

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021540696

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20855140

Country of ref document: EP

Kind code of ref document: A1