固体地球科学(S)
セッション小記号計測技術・研究手法(TT)
セッションIDS-TT46
タイトル和文最先端ベイズ統計学が拓く地震ビッグデータ解析
英文Seismic Big Data Analysis Based on the State-of-the-Art of Bayesian Statistics
タイトル短縮名和文Seismic Big Data Analysis Based on the State-of-the-Art of Bayesian Statistics
英文Bayesian Analysis of Seismic Big Data
代表コンビーナ 氏名和文長尾 大道
英文Hiromichi Nagao
所属和文東京大学地震研究所
英文Earthquake Research Institute, The University of Tokyo
共同コンビーナ 1氏名和文加藤 愛太郎
英文Aitaro Kato
所属和文東京大学地震研究所
英文Earthquake Research Institute, the University of Tokyo
共同コンビーナ 2氏名和文前田 拓人
英文Takuto Maeda
所属和文弘前大学大学院理工学研究科
英文Graduate School of Science and Technology, Hirosaki University
共同コンビーナ 3氏名和文矢野 恵佑
英文Keisuke Yano
所属和文東京大学
英文The university of Tokyo
発表言語J
スコープ和文近年,従来の定常地震観測点に加え,臨時の高密度稠密地震観測網や建物・ライフライン・スマートフォン等が持つ振動計を利活用した次世代の地震ビッグデータベースが構築されつつある。しかし,これらの多種多様な地震データを包括的に解析する方法やアルゴリズムは未整備のままであり,地震防災・減災や地震現象の解明に最大限に活かすためにも,超大容量の地震データ向けに最適化された解析手法の開発に着手することが極めて重要である。一方,近年のベイズ統計学の進展は著しく,機械学習,特に深層学習に代表される,あらゆるビッグデータ解析手法の数理基盤となっており,地震データ解析への応用展開にも大きな期待が寄せられている。
本セッションでは,地震ビッグデータ解析に焦点を当てた講演を募集する。特に,機械学習・スパースモデリング・データ同化等のベイズ統計学を活かした解析手法開発,およびそれらの地震データへの応用研究を中心に,地震データ解析に資する数理科学・統計学の理論的研究や,将来的な実データ応用を目指す解析アルゴリズムのフィージビリティスタディ,さらには地震ビッグデータやその解析結果の現状に関する講演等を幅広く歓迎する。
英文Recently, a big seismic database has been being constructed that collects data of vibrators implemented in such as buildings, lifelines and smartphones, in addition to seismic data of the conventional continuous/temporal dense seismic observation arrays. Development of methodologies and algorithms, which are inadequate at this moment, optimized to comprehensively analyze the seismic big data is essential in order to utilize the big database as much as possible for prevention/mitigation of earthquake disasters and clarification of earthquake phenomena. On the other hand, recent progress of Bayesian statistics is significant, which is the mathematical basis of various methodologies, such as machine learning, especially deep learning, to extract valuable information from big data. The state-of-the-art of Bayesian statistics is expected to substantially advance seismic big data analyses.
This session mainly accepts presentations that focus on analyses of seismic big data, especially related to analysis methods based on Bayesian statistics such as machine learning, sparse modeling and data assimilation, and their applications to real seismic data. Presentations related to mathematical or statistical theories beneficial to data analyses, feasibility studies of algorithms eventually applicable to real seismic data, and the current status of seismic observations and analysis results are also highly welcome.
発表方法口頭および(または)ポスターセッション
招待講演深畑 幸俊 (京都大学防災研究所)
近江 崇宏 (東京大学生産技術研究所)
時間講演番号タイトル発表者予稿原稿
口頭発表 5月27日 PM1
13:45 - 14:00STT46-01A bad inversion result suggests bad modeling: 悪いインバージョン結果には理由がある深畑 幸俊予稿
14:00 - 14:15STT46-02稠密地震観測網における地震波動場の推定:MeSO-netにおける最適化椎名 高裕予稿
14:15 - 14:30STT46-03Uncertainty quantification based on 4DVar data assimilation for massive simulation models伊藤 伸一予稿
14:30 - 14:45STT46-04ベイズ統計を用いた余震活動のモデリングと確率予測近江 崇宏予稿
14:45 - 15:00STT46-05Bias Correction for the Distribution of Aftershocks Within Short-Term Period Immediately After Large Main Shock森川 耕輔予稿
15:00 - 15:15STT46-06Deep-learning-based Earthquake Detection for Continuous Seismic Network Records矢野 恵佑予稿
講演番号タイトル発表者予稿原稿
ポスター発表 5月27日 PM2
STT46-P01深層学習を用いたP波初動の極性検出原 将太予稿
STT46-P02Trans-dimensional Bayesian inversion for a radially anisotropic S-wave velocity model in the crust and upper mantle: Application to the Australian continent平 亨予稿
STT46-P03Seismic wavefield imaging based on dense seismic networks using replica exchange Monte Carlo method加納 将行予稿
STT46-P04ベイズ振動子分解による地震波データの解析松田 孟留予稿
STT46-P05Uncertainty evaluation of source parameter estimates by MCMC in Oklahoma吉光 奈奈予稿