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ID | S-TT38 | ||
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 | ベイズ地震データ解析 | |
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 | 矢野 恵佑 |
英文 | Keisuke Yano | ||
所属 | 和文 | 統計数理研究所 | |
英文 | The Institute of Statistical Mathematics | ||
共同コンビーナ 3 | 氏名 | 和文 | 椎名 高裕 |
英文 | Takahiro Shiina | ||
所属 | 和文 | 産業技術総合研究所 | |
英文 | National Institute of Advanced Industrial Science and Technology | ||
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 |
野田 朱美 (気象庁気象研究所) 森川 耕輔 (大阪大学) |
時間 | 講演番号 | タイトル | 発表者 |
---|---|---|---|
口頭発表 5月27日 PM1 | |||
13:45 - 14:00 | STT38-01 | 3次元モーメント密度テンソル・インバージョンによる地殻変形構造の客観的推定 | 野田 朱美 |
14:00 - 14:15 | STT38-02 | 深層学習を用いた複数トレースを入力とする深部低周波地震検知手法の開発 | 加藤 慎也 |
14:15 - 14:30 | STT38-03 | Various field data applications of cSPM analysis for comprehensive evaluation of 3D particle motion | 椋平 祐輔 |
14:30 - 14:45 | STT38-04 | 地震波と地震カタログの統合による本震直後の早期余震活動推定 | 森川 耕輔 |
14:45 - 15:00 | STT38-05 | Bayesian non-parametric inference for the ETAS model | 牛 源源 |
講演番号 | タイトル | 発表者 |
---|---|---|
ポスター発表 5月27日 PM3 | ||
STT38-P01 | 少量データに適用可能な地震波検出モデルの転移学習:マルチプル・クラスタリングを用いた二段階アプローチ | 徳田 智磯 |
STT38-P02 | Objective clustering of GNSS velocities based on parallel translation and Euler-vector estimation for the identification of crustal blocks | 矢野 恵佑 |
STT38-P03 | Creating slow earthquake template catalogs with You Only Search Once algorithm | Gerardo Manuel Mendo Perez |
STT38-P04 | 歴史地震の発生場所の制約に向けた震度分布の空間特徴量の抽出 | 石瀬 素子 |
STT38-P05 | 最適輸送理論に基づく地震波形データからのイベント検出とその分類 | 長尾 大道 |
STT38-P06 | 物理深層学習におけるHessian行列を用いた不確実性定量化:摩擦パラメータ空間分布推定への応用 | 福嶋 陸斗 |
STT38-P07 | 深層学習を用いた地震波形データからの低周波微動を特徴づける確率微分方程式表現の獲得 | 楠井 俊朗 |