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。

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.