JP7259969B2 - 地震観測装置、地震観測方法、プログラム、及び、コンフィギュレーションプログラム - Google Patents
地震観測装置、地震観測方法、プログラム、及び、コンフィギュレーションプログラム Download PDFInfo
- Publication number
- JP7259969B2 JP7259969B2 JP2021540718A JP2021540718A JP7259969B2 JP 7259969 B2 JP7259969 B2 JP 7259969B2 JP 2021540718 A JP2021540718 A JP 2021540718A JP 2021540718 A JP2021540718 A JP 2021540718A JP 7259969 B2 JP7259969 B2 JP 7259969B2
- Authority
- JP
- Japan
- Prior art keywords
- wave
- observation
- start time
- time
- observation start
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
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
- G01V1/30—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
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/18—Receiving elements, e.g. seismometer, geophone or torque detectors, for localised single point measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/24—Recording seismic data
- G01V1/242—Seismographs
-
- 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
- G01V1/284—Application of the shear wave component and/or several components of the seismic signal
-
- 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
- G01V1/303—Analysis for determining velocity profiles or travel times
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/63—Seismic attributes, e.g. amplitude, polarity, instant phase
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/65—Source localisation, e.g. faults, hypocenters or reservoirs
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
Description
本発明は、地震観測装置、地震観測方法、プログラム、及び、コンフィギュレーションプログラムに関する。
大規模な地震が発生した場合、可能な限り早急に報知されることが望まれている。そのような要望に応えて、例えば、日本国においては、地震波に基づいて大規模な地震が発生したと判定された場合に、テレビジョン放送やケータイ通信などを介して、緊急地震速報が報知されるシステムが構築されている。
特許文献１には、関連する技術として、地震波の分析に用いられるＢ－Δ法を機械学習で実現する技術が開示されている。
特許文献１には、関連する技術として、地震波の分析に用いられるＢ－Δ法を機械学習で実現する技術が開示されている。
地震の発生を可能な限り早急に報知するためには、地震波の観測点におけるＰ波（primary wave, pressure wave）の観測開始時刻とＳ波(secondary wave, share wave)の観測開始時刻とを早急に特定し、地震の震源を特定する必要がある。
そして、技術的には特定することが困難であるＳ波の観測開始時刻を早急に特定することのできる技術が求められている。
そして、技術的には特定することが困難であるＳ波の観測開始時刻を早急に特定することのできる技術が求められている。
本発明の各態様の目的の一例は、上記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、プログラム、及び、コンフィギュレーションプログラムを提供することである。
上記目的を達成するために、本発明の一態様によれば、地震観測装置は、Ｐ波の観測開始時刻を含む所定期間の波形データを取得する波形取得手段と、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する遅れ時間特定手段と、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する観測時刻推定手段と、前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定する探索範囲決定手段と、前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定する観測時刻特定手段と、を備える。
上記目的を達成するために、本発明の別の態様によれば、地震観測方法は、Ｐ波の観測開始時刻を含む所定期間の波形データを取得することと、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得することと、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定することと、前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定することと、前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定することと、を含む。
上記目的を達成するために、本発明の一態様によれば、プログラムは、コンピュータに、Ｐ波の観測開始時刻を含む所定期間の波形データを取得することと、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得することと、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定することと、前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定することと、前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定することと、を実行させる。
上記目的を達成するために、本発明の一態様によれば、コンフィギュレーションプログラムは、Ｐ波の観測開始時刻を含む所定期間の波形データを取得する波形取得手段、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する遅れ時間特定手段、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する観測時刻推定手段、前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定する探索範囲決定手段、前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定する観測時刻特定手段のそれぞれをハードウェアとして構成させる。
本発明の各態様によれば、Ｓ波の観測開始時刻を早急に特定することができる。
以下、図面を参照しながら実施形態について詳しく説明する。
＜実施形態＞
本発明の一実施形態による地震観測システム１は、地震波に含まれるＰ波の観測開始時刻を含む所定期間の波形データを入力としてＰ波の観測開始時刻（Ｐ波の観測が開始された時刻）から地震波に含まれるＳ波の観測開始時刻（Ｓ波の観測が開始された時刻）までの遅れ時間を学習させた学習済みモデルを用いてＳ波の観測開始時刻（Ｓ波の観測が開始される時刻）を推定するシステムである。地震波とは、地震が発生し、その地震の震源における揺れが観測点（例えば、後述する地震検知装置１０が設置されている位置）まで伝わった場合の観測点における揺れを時系列に示したものである。Ｐ波とは、地震発生時に観測点に最初に到達する地震波であり、初期微動を示す波である。Ｓ波とは、地震発生時に観測点にＰ波に続いて到達する地震波であり、主要動と呼ばれる大きな揺れを示す波である。
＜実施形態＞
本発明の一実施形態による地震観測システム１は、地震波に含まれるＰ波の観測開始時刻を含む所定期間の波形データを入力としてＰ波の観測開始時刻（Ｐ波の観測が開始された時刻）から地震波に含まれるＳ波の観測開始時刻（Ｓ波の観測が開始された時刻）までの遅れ時間を学習させた学習済みモデルを用いてＳ波の観測開始時刻（Ｓ波の観測が開始される時刻）を推定するシステムである。地震波とは、地震が発生し、その地震の震源における揺れが観測点（例えば、後述する地震検知装置１０が設置されている位置）まで伝わった場合の観測点における揺れを時系列に示したものである。Ｐ波とは、地震発生時に観測点に最初に到達する地震波であり、初期微動を示す波である。Ｓ波とは、地震発生時に観測点にＰ波に続いて到達する地震波であり、主要動と呼ばれる大きな揺れを示す波である。
地震観測システム１は、図１に示すように、地震検知装置１０と、地震観測装置２０と、地震解析装置３０と、を備える。
地震検知装置１０は、地震波を検知する装置である。地震観測装置２０は、Ｐ波とＳ波の検測を行う装置である。地震検知装置１０は、地震検知装置１０が検知した地震波を入力としてＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間（時間差）を学習させた学習済みモデルを用いてＳ波の観測開始時刻を推定する。地震解析装置３０は、地震観測装置２０が検測したＰ波とＳ波の検測データを用いて地震を解析する装置である。
地震検知装置１０は、地震波を検知する装置である。地震観測装置２０は、Ｐ波とＳ波の検測を行う装置である。地震検知装置１０は、地震検知装置１０が検知した地震波を入力としてＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間（時間差）を学習させた学習済みモデルを用いてＳ波の観測開始時刻を推定する。地震解析装置３０は、地震観測装置２０が検測したＰ波とＳ波の検測データを用いて地震を解析する装置である。
地震検知装置１０は、図２に示すように、地震計１０１と、通信部１０２と、を備える。
地震計１０１は、地震波を検知する。
通信部１０２は、地震観測装置２０と通信を行う。例えば、通信部１０２は、地震計１０１が検知した地震波を地震観測装置２０に送信する。
地震計１０１は、地震波を検知する。
通信部１０２は、地震観測装置２０と通信を行う。例えば、通信部１０２は、地震計１０１が検知した地震波を地震観測装置２０に送信する。
地震観測装置２０は、図３に示すように、Ｐ波観測時刻特定部２０１と、波形取得部２０２と、モデル生成部２０３と、誤差分布生成部２０４と、遅れ時間特定部２０５と、Ｓ波観測時刻推定部２０６（観測時刻推定部の一例）と、探索範囲決定部２０７と、地震分析部２０８（観測時刻特定部の一例）と、記憶部２０９と、を備える。
Ｐ波観測時刻特定部２０１は、波形取得部２０２から取得した地震波の波形データを用いてＰ波の観測開始時刻を特定する。
例えば、Ｐ波観測時刻特定部２０１は、波形データが示す地震波の振幅が予め設定したノイズレベルの１０倍の振幅を超えたか否かを判定する。ここで示したノイズレベルの１０倍の振幅は、設定値（しきい値）の一例である。設定値は、任意の値に設定してよい。
Ｐ波観測時刻特定部２０１は、波形データが示す地震波の振幅が予め設定したノイズレベルの１０倍の振幅を超えていないと判定した場合、その判定を再度行う。
Ｐ波観測時刻特定部２０１は、波形データが示す地震波の振幅が予め設定したノイズレベルの１０倍の振幅を超えたと判定した場合、その判定を行った時刻から遡って、波形データが示す地震波の振幅が予め設定したノイズレベルを超えた時刻を特定する。この波形データが示す地震波の振幅が予め設定したノイズレベルを超えた時刻が、Ｐ波の観測開始時刻である。
Ｐ波観測時刻特定部２０１は、特定したＰ波の観測開始時刻を波形取得部２０２及びＳ波観測時刻推定部２０６に出力する。
なお、Ｐ波観測時刻特定部２０１がＰ波の観測開始時刻を特定する方法は、Ｐ波の観測開始時刻を正しく特定することができる限り、どのようなものであってもよい。
例えば、Ｐ波観測時刻特定部２０１は、波形データが示す地震波の振幅が予め設定したノイズレベルの１０倍の振幅を超えたか否かを判定する。ここで示したノイズレベルの１０倍の振幅は、設定値（しきい値）の一例である。設定値は、任意の値に設定してよい。
Ｐ波観測時刻特定部２０１は、波形データが示す地震波の振幅が予め設定したノイズレベルの１０倍の振幅を超えていないと判定した場合、その判定を再度行う。
Ｐ波観測時刻特定部２０１は、波形データが示す地震波の振幅が予め設定したノイズレベルの１０倍の振幅を超えたと判定した場合、その判定を行った時刻から遡って、波形データが示す地震波の振幅が予め設定したノイズレベルを超えた時刻を特定する。この波形データが示す地震波の振幅が予め設定したノイズレベルを超えた時刻が、Ｐ波の観測開始時刻である。
Ｐ波観測時刻特定部２０１は、特定したＰ波の観測開始時刻を波形取得部２０２及びＳ波観測時刻推定部２０６に出力する。
なお、Ｐ波観測時刻特定部２０１がＰ波の観測開始時刻を特定する方法は、Ｐ波の観測開始時刻を正しく特定することができる限り、どのようなものであってもよい。
波形取得部２０２は、地震検知装置１０から地震計１０１が検知した地震波の波形データを取得する。そして、波形取得部２０２は、取得した波形データをＰ波観測時刻特定部２０１に出力する。
また、波形取得部２０２は、地震計１０１が検知したＰ波の観測開始時刻を含む所定期間の波形データを取得する。
例えば、所定期間は、Ｐ波観測時刻特定部２０１が特定したＰ波の観測開始時刻の前後それぞれ１秒間（つまり、合計２秒間）である。この場合、波形取得部２０２は、例えば図４に示すような、地震検知装置１０から取得した波形データの中から、Ｐ波の観測開始時刻の前後それぞれ１秒間の地震波の波形データを含む波形データを特定する。
波形取得部２０２は、Ｐ波の観測開始時刻の地震波の波形データを含む波形データを遅れ時間特定部２０５に出力する。
例えば、所定期間は、Ｐ波観測時刻特定部２０１が特定したＰ波の観測開始時刻の前後それぞれ１秒間（つまり、合計２秒間）である。この場合、波形取得部２０２は、例えば図４に示すような、地震検知装置１０から取得した波形データの中から、Ｐ波の観測開始時刻の前後それぞれ１秒間の地震波の波形データを含む波形データを特定する。
波形取得部２０２は、Ｐ波の観測開始時刻の地震波の波形データを含む波形データを遅れ時間特定部２０５に出力する。
モデル生成部２０３は、モデル化されたニューラルネットワークを、複数の学習データを用いて機械学習することにより、学習済みモデルを生成する。ニューラルネットワークは、例えば、入力層と、中間層と、出力層とを有する折り畳みニューラルネットワークである。また、ここでの学習データは、Ｐ波の観測開始時刻を含む所定期間の波形データと、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの予め解析などによって求めた遅れ時間（実際の遅れ時間の一例）とを一対一で対応付けられたデータである。
例えば、モデル生成部２０３は、複数の学習データを、訓練データと、評価データと、テストデータとに分ける。モデル生成部２０３は、訓練データの波形データをニューラルネットワークに入力する。ニューラルネットワークは、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を出力する。モデル生成部２０３は、訓練データの波形データがニューラルネットワークに入力され、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間がニューラルネットワークから出力される度に、その出力に応じてバックプロパゲーションを行うことにより、ノード間のデータの結合の重み付けを変更する（すなわち、ニューラルネットワークのモデルを変更する）。次に、モデル生成部２０３は、訓練データの波形データによって変更されたモデルのニューラルネットワークに、評価データの波形データを入力する。ニューラルネットワークは、入力された評価データの波形データに応じたＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を出力する。モデル生成部２０３は、必要に応じてニューラルネットワークの出力に基づいてノード間のデータの結合の重み付けを変更する。このようにモデル生成部２０３によって生成されたニューラルネットワークが、学習済みモデルである。次に、モデル生成部２０３は、最終確認として、学習済みモデルのニューラルネットワークに、テストデータの波形データを入力する。学習済みモデルのニューラルネットワークは、入力されたテストデータの波形データに応じたＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を出力する。すべてのテストデータに対して、学習済みモデルのニューラルネットワークが出力する遅れ時間が、入力されたテストデータの波形データに関連付けられているＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間に対して所定の誤差の範囲内にある場合、モデル生成部２０３は、学習済みモデルのニューラルネットワークが所望のモデルであると判定する。また、テストデータのうちの１つでも、学習済みモデルのニューラルネットワークが出力する遅れ時間が、入力されたテストデータの波形データに関連付けられているＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間に対して所定の誤差の範囲内にない場合、モデル生成部２０３は、新たな学習データを用いて学習済みモデルを生成する。
上記のモデル生成部２０３による学習済みモデルの生成は、所望の学習済みモデルが得られるまで繰り返される。
モデル生成部２０３は、生成した学習済みモデルを記憶部２０９に記録する。
上記のモデル生成部２０３による学習済みモデルの生成は、所望の学習済みモデルが得られるまで繰り返される。
モデル生成部２０３は、生成した学習済みモデルを記憶部２０９に記録する。
誤差分布生成部２０４は、最終的な学習済みモデルのニューラルネットワークと、複数の学習データとに基づいて、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差についての度数の分布を生成する。
例えば、誤差分布生成部２０４は、学習データの波形データをニューラルネットワークに入力する。誤差分布生成部２０４は、入力した波形データに対するニューラルネットワークの出力（遅れ時間）を取得する。誤差分布生成部２０４は、学習データにおいて、その波形データに対応付けられているＰ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間を特定する。誤差分布生成部２０４は、特定した実際の遅れ時間から取得したニューラルネットワークの出力を減算することによって、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差を算出する。誤差分布生成部２０４は、複数の学習データについて、前記誤差を算出する。誤差分布生成部２０４は、複数の学習データについて算出した、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布を生成する。誤差分布生成部２０４が生成する学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布は、例えば、図５に示すような分布である。図５に示す分布は、２５０００個の学習データの波形データを学習済みモデルに入力して、求めた学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布である。図５において、横軸は、１目盛り１００分の１秒で表した時間であり、誤差０を中心に誤差の時間が示されている。また、図５において、縦軸は、２５０００個の学習データの波形データを学習済みモデルに入力した場合に、それぞれの誤差の時間が発生した度数（回数）を示している。なお、図５に示す誤差の分布の例では、標準偏差σは１６４．１８（１．６４１８秒）である。
誤差分布生成部２０４は、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布を記憶部２０９に記録する。
誤差分布生成部２０４は、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布を記憶部２０９に記録する。
遅れ時間特定部２０５は、Ｐ波の観測開始時刻の地震波の波形データを含む波形データを波形取得部２０２から取得する。
遅れ時間特定部２０５は、波形取得部２０２から取得した地震波の波形データに含まれるＰ波の観測開始時刻の地震波の波形データを、モデル生成部２０３が生成した学習済みモデルに入力する。ここで、遅れ時間特定部２０５が学習済みモデルに入力する地震波の波形データは、例えば、Ｐ波の観測開始時刻の前後それぞれ１秒間の波形データである。
また、遅れ時間特定部２０５は、その学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を取得する。遅れ時間特定部２０５は、取得したＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間をＳ波観測時刻推定部２０６に出力する。
遅れ時間特定部２０５は、波形取得部２０２から取得した地震波の波形データに含まれるＰ波の観測開始時刻の地震波の波形データを、モデル生成部２０３が生成した学習済みモデルに入力する。ここで、遅れ時間特定部２０５が学習済みモデルに入力する地震波の波形データは、例えば、Ｐ波の観測開始時刻の前後それぞれ１秒間の波形データである。
また、遅れ時間特定部２０５は、その学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を取得する。遅れ時間特定部２０５は、取得したＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間をＳ波観測時刻推定部２０６に出力する。
例えば“緊急地震速報の概要や処理手法に関する技術的参考資料”、［ｏｎｌｉｎｅ］、平成２８年１２月１３日、気象庁地震火山部、［令和１年７月２３日検索］、インターネット（ＵＲＬ：ｈｔｔｐｓ：／／ｗｗｗ．ｄａｔａ．ｊｍａ．ｇｏ．ｊｐ／ｓｖｄ／ｅｅｗ／ｄａｔａ／ｎｃ／ｋａｔｓｕｙｏｕ／ｒｅｆｅｒｅｎｃｅ．ｐｄｆ）に記載されているように、主成分分析法とＢ－Δ法を用いることにより、１つの観測点で観測された地震波から震源の位置を特定することができる。
また、特許文献である国際公開第２０１８／００８７０８には、Ｂ－Δ法を機械学習で実現した構成が記載されている。
遅れ時間特定部２０５が行う上記の処理は、Ｂ－Δ法を根拠とし、観測点から震源までの距離と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間とに相関関係がある（具体的には、観測点から震源までの距離が短いと遅れ時間も短くなり、観測点から震源までの距離が長いと遅れ時間も長くなる）ことに基づいて行う。
また、特許文献である国際公開第２０１８／００８７０８には、Ｂ－Δ法を機械学習で実現した構成が記載されている。
遅れ時間特定部２０５が行う上記の処理は、Ｂ－Δ法を根拠とし、観測点から震源までの距離と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間とに相関関係がある（具体的には、観測点から震源までの距離が短いと遅れ時間も短くなり、観測点から震源までの距離が長いと遅れ時間も長くなる）ことに基づいて行う。
Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間とに基づいてＳ波の観測開始時刻を推定する。
例えば、Ｓ波観測時刻推定部２０６は、Ｐ波観測時刻特定部２０１からＰ波の観測開始時刻を取得する。また、Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を、遅れ時間特定部２０５から取得する。Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻にＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を加えた時刻を、Ｓ波の観測開始時刻と推定する。
Ｓ波観測時刻推定部２０６は、推定したＳ波の観測開始時刻を探索範囲決定部２０７に出力する。また、Ｓ波観測時刻推定部２０６は、推定したＳ波の観測開始時刻を地震分析部２０８に出力する。
例えば、Ｓ波観測時刻推定部２０６は、Ｐ波観測時刻特定部２０１からＰ波の観測開始時刻を取得する。また、Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を、遅れ時間特定部２０５から取得する。Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻にＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を加えた時刻を、Ｓ波の観測開始時刻と推定する。
Ｓ波観測時刻推定部２０６は、推定したＳ波の観測開始時刻を探索範囲決定部２０７に出力する。また、Ｓ波観測時刻推定部２０６は、推定したＳ波の観測開始時刻を地震分析部２０８に出力する。
探索範囲決定部２０７は、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布と、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻とに基づいて、波形データにおけるＳ波の探索範囲を決定する。
例えば、探索範囲決定部２０７は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻をＳ波観測時刻推定部２０６から取得する。また、探索範囲決定部２０７は、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布を記憶部２０９から読み出す。探索範囲決定部２０７は、その誤差が発生する度数の分布から誤差の範囲（例えば、±２σの時間範囲）を決定する。なお、σは標準偏差を表す。そして、探索範囲決定部２０７は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻を基準として誤差の範囲（例えば、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻の前後それぞれ２σの時間範囲）を、波形データにおけるＳ波の探索範囲と決定する。
探索範囲決定部２０７は、決定したＳ波の探索範囲を記憶部２０９に記録する。
探索範囲決定部２０７は、決定したＳ波の探索範囲を記憶部２０９に記録する。
地震分析部２０８は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻と、探索範囲決定部２０７が決定したＳ波の探索範囲とに基づいて、波形データにおいてＳ波の観測開始時刻を特定する。
例えば、地震分析部２０８は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻をＳ波観測時刻推定部２０６から取得する。また、地震分析部２０８は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶部２０９から取得する。そして、地震分析部２０８は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻を基準とした、探索範囲決定部２０７が決定したＳ波の探索範囲において、Ｓ波を検測すること（Ｓ波を探索することの一例）により、波形データにおいてＳ波の観測開始時刻を特定する。
また、地震分析部２０８は、Ｐ波を検測する。
例えば、地震分析部２０８は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻をＳ波観測時刻推定部２０６から取得する。また、地震分析部２０８は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶部２０９から取得する。そして、地震分析部２０８は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻を基準とした、探索範囲決定部２０７が決定したＳ波の探索範囲において、Ｓ波を検測すること（Ｓ波を探索することの一例）により、波形データにおいてＳ波の観測開始時刻を特定する。
また、地震分析部２０８は、Ｐ波を検測する。
なお、地震分析部２０８が行うＰ波及びＳ波の検測は、例えば、“[Automatic picking of P and S phases using a neural tree] Journal of Seismology (2006) 10: 39-63”に記載されているＡＩを用いた検測技術を用いて行えばよい。
記憶部２０９は、地震観測装置２０が行う処理に必要な種々の情報を記憶する。
例えば、記憶部２０９は、誤差分布生成部２０４が生成した、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布を記憶する。また、例えば、記憶部２０９は、学習データを記憶する。また、例えば、記憶部２０９は、モデル生成部２０３が生成した学習済みモデルを記憶する。また、例えば、記憶部２０９は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶する。
例えば、記憶部２０９は、誤差分布生成部２０４が生成した、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布を記憶する。また、例えば、記憶部２０９は、学習データを記憶する。また、例えば、記憶部２０９は、モデル生成部２０３が生成した学習済みモデルを記憶する。また、例えば、記憶部２０９は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶する。
次に、地震観測システム１によるＳ波の観測開始時刻を推定する処理について説明する。
ここでは、図６に示す地震観測システム１の処理フローについて説明する。
次のような場合を例として説明する。モデル生成部２０３は、記憶部２０９が記憶する学習データを用いて、学習済みモデルを生成し、生成した学習モデルを記憶部２０９に記録している。また、探索範囲決定部２０７は、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布と、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻とに基づいて、波形データにおけるＳ波の探索範囲を決定している。また、記憶部２０９は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶している。
ここでは、図６に示す地震観測システム１の処理フローについて説明する。
次のような場合を例として説明する。モデル生成部２０３は、記憶部２０９が記憶する学習データを用いて、学習済みモデルを生成し、生成した学習モデルを記憶部２０９に記録している。また、探索範囲決定部２０７は、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布と、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻とに基づいて、波形データにおけるＳ波の探索範囲を決定している。また、記憶部２０９は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶している。
波形取得部２０２は、地震検知装置１０から地震計１０１が検知した地震波の波形データを取得する（ステップＳ１）。波形取得部２０２は、取得した波形データをＰ波観測時刻特定部２０１に出力する。
Ｐ波観測時刻特定部２０１は、波形取得部２０２から地震波の波形データを取得する。Ｐ波観測時刻特定部２０１は、取得した地震波の波形データを用いてＰ波の観測開始時刻を特定する（ステップＳ２）。Ｐ波観測時刻特定部２０１は、特定したＰ波の観測開始時刻を波形取得部２０２及びＳ波観測時刻推定部２０６に出力する。
波形取得部２０２は、Ｐ波観測時刻特定部２０１が特定したＰ波の観測開始時刻をＰ波観測時刻特定部２０１から取得する。波形取得部２０２は、地震計１０１が検知した地震波の波形データにおいて、取得したＰ波の観測開始時刻を含む所定期間の波形データを特定する（ステップＳ３）。波形取得部２０２は、Ｐ波の観測開始時刻の地震波の波形データを含む波形データを遅れ時間特定部２０５に出力する。
遅れ時間特定部２０５は、Ｐ波の観測開始時刻の地震波の波形データを含む波形データを波形取得部２０２から取得する。遅れ時間特定部２０５は、取得した地震波の波形データに含まれるＰ波の観測開始時刻の地震波の波形データを、モデル生成部２０３が生成した学習済みモデルに入力する。遅れ時間特定部２０５は、その学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を取得する（ステップＳ４）。遅れ時間特定部２０５は、取得したＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間をＳ波観測時刻推定部２０６に出力する。
Ｓ波観測時刻推定部２０６は、Ｐ波観測時刻特定部２０１が特定したＰ波の観測開始時刻をＰ波観測時刻特定部２０１から取得する。また、Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を遅れ時間特定部２０５から取得する。Ｓ波観測時刻推定部２０６は、Ｐ波の観測開始時刻と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間とに基づいてＳ波の観測開始時刻を推定する（ステップＳ５）。Ｓ波観測時刻推定部２０６は、推定したＳ波の観測開始時刻を地震分析部２０８に出力する。
地震分析部２０８は、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻をＳ波観測時刻推定部２０６から取得する。また、地震分析部２０８は、探索範囲決定部２０７が決定したＳ波の探索範囲を記憶部２０９から取得する。地震分析部２０８は、取得したＳ波の観測開始時刻と、取得したＳ波の探索範囲とに基づく時間範囲において、Ｓ波を検測することにより、Ｓ波の観測開始時刻を特定する（ステップＳ６）。
また、地震分析部２０８は、Ｐ波を検測する。そして、地震分析部２０８は、Ｐ波とＳ波を検測した検測データを地震解析装置３０に出力する。
また、地震分析部２０８は、Ｐ波を検測する。そして、地震分析部２０８は、Ｐ波とＳ波を検測した検測データを地震解析装置３０に出力する。
なお、地震解析装置３０は、地震観測装置２０から地震分析部２０８が検測した検測データを取得する。地震解析装置３０は、取得した検測データを用いて地震を解析する。
以上、本発明の一実施形態による地震観測システム１について説明した。
地震観測システム１の地震観測装置２０において、波形取得部２０２は、Ｐ波の観測開始時刻を含む所定期間の波形データを取得する。遅れ時間特定部２０５は、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する。Ｓ波観測時刻推定部２０６（観測時刻推定部の一例）は、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する。
こうすることで、地震観測システム１は、Ｓ波が発生していない時刻のＰ波からＳ波の観測開始時刻を推定することができる。その結果、地震観測システム１は、Ｓ波の観測開始時刻を早急に特定することができる。
地震観測システム１の地震観測装置２０において、波形取得部２０２は、Ｐ波の観測開始時刻を含む所定期間の波形データを取得する。遅れ時間特定部２０５は、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する。Ｓ波観測時刻推定部２０６（観測時刻推定部の一例）は、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する。
こうすることで、地震観測システム１は、Ｓ波が発生していない時刻のＰ波からＳ波の観測開始時刻を推定することができる。その結果、地震観測システム１は、Ｓ波の観測開始時刻を早急に特定することができる。
本発明の別の実施形態による地震観測装置２０の構成について説明する。
この実施形態による地震観測装置２０は、図７に示すように、波形取得部２０２と、遅れ時間特定部２０５と、Ｓ波観測時刻推定部（観測時刻推定部）２０６と、を備える。
波形取得部２０２は、Ｐ波の観測開始時刻を含む所定期間の波形データを取得する。
遅れ時間特定部２０５は、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する。
Ｓ波観測時刻推定部（観測時刻推定部）２０６は、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する。
この実施形態による地震観測装置２０は、図７に示すように、波形取得部２０２と、遅れ時間特定部２０５と、Ｓ波観測時刻推定部（観測時刻推定部）２０６と、を備える。
波形取得部２０２は、Ｐ波の観測開始時刻を含む所定期間の波形データを取得する。
遅れ時間特定部２０５は、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する。
Ｓ波観測時刻推定部（観測時刻推定部）２０６は、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する。
本発明の各実施形態における記憶部、その他の記憶装置等は、適切な情報の送受信が行われる範囲においてどこに備えられていてもよい。また、記憶部、その他の記憶装置等は、適切な情報の送受信が行われる範囲において複数存在しデータを分散して記憶していてもよい。
本発明の実施形態における処理は、適切な処理が行われる範囲において、処理の順番が入れ替わってもよい。
本発明の一実施形態では、地震観測装置２０は探索範囲決定部２０７を備え、探索範囲決定部２０７が、学習済みモデルが出力するＰ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間と、Ｐ波の観測開始時刻からＳ波の観測開始時刻までの実際の遅れ時間との誤差が発生する度数の分布と、Ｓ波観測時刻推定部２０６が推定したＳ波の観測開始時刻とに基づいて、波形データにおけるＳ波の探索範囲を決定する場合について説明した。
しかしながら、本発明の別の実施形態では、学習モデルに波形データにおけるＳ波の探索範囲を決定するモデルを含め、モデル生成部２０３が、学習データを用いて波形データにおけるＳ波の探索範囲を決定するモデルを含む学習済みモデルを生成してもよい。
しかしながら、本発明の別の実施形態では、学習モデルに波形データにおけるＳ波の探索範囲を決定するモデルを含め、モデル生成部２０３が、学習データを用いて波形データにおけるＳ波の探索範囲を決定するモデルを含む学習済みモデルを生成してもよい。
なお、本発明の一実施形態では、モデル生成部２０３が、学習済みモデルをソフトウェアとして生成し、記憶部２０９に記憶する場合について説明した。
しかしながら、本発明の別の実施形態では、学習済みモデルをハードウェアとして実現してもよい。
例えば、モデル生成部２０３が、記憶部２０９の記憶する学習済みモデルが行う処理を実現させるコンフィギュレーションプログラムを、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのプログラム可能なハードウェアに書き込んでもよい。
しかしながら、本発明の別の実施形態では、学習済みモデルをハードウェアとして実現してもよい。
例えば、モデル生成部２０３が、記憶部２０９の記憶する学習済みモデルが行う処理を実現させるコンフィギュレーションプログラムを、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）などのプログラム可能なハードウェアに書き込んでもよい。
本発明の実施形態について説明したが、上述の地震観測システム１、地震検知装置１０、地震観測装置２０、地震解析装置３０、その他の制御装置は内部に、コンピュータ装置を有していてもよい。そして、上述した処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。コンピュータの具体例を以下に示す。
図８は、少なくとも１つの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。
コンピュータ５は、図８に示すように、ＣＰＵ６、メインメモリ７、ストレージ８、インターフェース９を備える。
例えば、上述の地震観測システム１、地震検知装置１０、地震観測装置２０、地震解析装置３０、その他の制御装置のそれぞれは、コンピュータ５に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ８に記憶されている。ＣＰＵ６は、プログラムをストレージ８から読み出してメインメモリ７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、ＣＰＵ６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メインメモリ７に確保する。
図８は、少なくとも１つの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。
コンピュータ５は、図８に示すように、ＣＰＵ６、メインメモリ７、ストレージ８、インターフェース９を備える。
例えば、上述の地震観測システム１、地震検知装置１０、地震観測装置２０、地震解析装置３０、その他の制御装置のそれぞれは、コンピュータ５に実装される。そして、上述した各処理部の動作は、プログラムの形式でストレージ８に記憶されている。ＣＰＵ６は、プログラムをストレージ８から読み出してメインメモリ７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、ＣＰＵ６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メインメモリ７に確保する。
ストレージ８の例としては、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、半導体メモリ等が挙げられる。ストレージ８は、コンピュータ５のバスに直接接続された内部メディアであってもよいし、インターフェース９または通信回線を介してコンピュータ５に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ５に配信される場合、配信を受けたコンピュータ５が当該プログラムをメインメモリ７に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、ストレージ８は、一時的でない有形の記録媒体である。
また、上記プログラムは、前述した機能の一部を実現してもよい。さらに、上記プログラムは、前述した機能をコンピュータ装置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ファイル、いわゆる差分ファイル（差分プログラム）であってもよい。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例であり、発明の範囲を限定しない。これらの実施形態は、発明の要旨を逸脱しない範囲で、種々の追加、省略、置き換え、変更を行ってよい。
この出願は、２０１９年８月２０日に出願された日本国特願２０１９－１５０６２４を基礎とする優先権を主張し、その開示の全てをここに取り込む。
本発明は、地震観測装置、地震観測方法、及び、記録媒体に適用してもよい。
１・・・地震観測システム
５・・・コンピュータ
６・・・ＣＰＵ
７・・・メインメモリ
８・・・ストレージ
９・・・インターフェース
１０・・・地震検知装置
２０・・・地震観測装置
３０・・・地震解析装置
１０１・・・地震計
１０２・・・通信部（通信手段）
２０１・・・Ｐ波観測時刻特定部（Ｐ波観測時刻特定手段）
２０２・・・波形取得部（波形取得手段）
２０３・・・モデル生成部（モデル生成手段）
２０４・・・誤差分布生成部（誤差分布生成手段）
２０５・・・遅れ時間特定部（遅れ時間特定手段）
２０６・・・Ｓ波観測時刻推定部（観測時刻推定部、観測時刻推定手段）
２０７・・・探索範囲決定部（探索範囲決定手段）
２０８・・・地震分析部（地震分析手段）
２０９・・・記憶部（記憶手段）
５・・・コンピュータ
６・・・ＣＰＵ
７・・・メインメモリ
８・・・ストレージ
９・・・インターフェース
１０・・・地震検知装置
２０・・・地震観測装置
３０・・・地震解析装置
１０１・・・地震計
１０２・・・通信部（通信手段）
２０１・・・Ｐ波観測時刻特定部（Ｐ波観測時刻特定手段）
２０２・・・波形取得部（波形取得手段）
２０３・・・モデル生成部（モデル生成手段）
２０４・・・誤差分布生成部（誤差分布生成手段）
２０５・・・遅れ時間特定部（遅れ時間特定手段）
２０６・・・Ｓ波観測時刻推定部（観測時刻推定部、観測時刻推定手段）
２０７・・・探索範囲決定部（探索範囲決定手段）
２０８・・・地震分析部（地震分析手段）
２０９・・・記憶部（記憶手段）
Claims (4)
- Ｐ波の観測開始時刻を含む所定期間の波形データを取得する波形取得手段と、
学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する遅れ時間特定手段と、
前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する観測時刻推定手段と、
前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定する探索範囲決定手段と、
前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定する観測時刻特定手段と、
を備える地震観測装置。 - Ｐ波の観測開始時刻を含む所定期間の波形データを取得することと、
学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得することと、
前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定することと、
前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定することと、
前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定することと、
を含む地震観測方法。 - コンピュータに、
Ｐ波の観測開始時刻を含む所定期間の波形データを取得することと、
学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得することと、
前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定することと、
前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定することと、
前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定することと、
を実行させるプログラム。 - Ｐ波の観測開始時刻を含む所定期間の波形データを取得する波形取得手段、学習済みモデルに前記波形データを入力し、前記Ｐ波の観測開始時刻からＳ波の観測開始時刻までの遅れ時間を前記学習済みモデルから取得する遅れ時間特定手段、前記Ｐ波の観測開始時刻と前記遅れ時間とに基づいて前記Ｓ波の観測開始時刻を推定する観測時刻推定手段、前記学習済みモデルが出力する前記遅れ時間と実際の遅れ時間との誤差についての度数の分布と、前記推定された前記Ｓ波の観測開始時刻とに基づいて、前記波形データにおける前記Ｓ波の探索範囲を決定する探索範囲決定手段、前記探索範囲において前記Ｓ波を探索することにより、前記Ｓ波の観測開始時刻を特定する観測時刻特定手段のそれぞれをハードウェアとして構成させるコンフィギュレーションプログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019150624 | 2019-08-20 | ||
| JP2019150624 | 2019-08-20 | ||
| PCT/JP2020/030015 WO2021033547A1 (ja) | 2019-08-20 | 2020-08-05 | 地震観測装置、地震観測方法、及び、記録媒体 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JPWO2021033547A1 JPWO2021033547A1 (ja) | 2021-02-25 |
| JPWO2021033547A5 JPWO2021033547A5 (ja) | 2022-02-10 |
| JP7259969B2 true JP7259969B2 (ja) | 2023-04-18 |
Family
ID=74661034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021540718A Active JP7259969B2 (ja) | 2019-08-20 | 2020-08-05 | 地震観測装置、地震観測方法、プログラム、及び、コンフィギュレーションプログラム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11867858B2 (ja) |
| JP (1) | JP7259969B2 (ja) |
| CN (1) | CN114222934B (ja) |
| TW (1) | TWI801749B (ja) |
| WO (1) | WO2021033547A1 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6509290B2 (ja) | 2017-09-08 | 2019-05-08 | 三菱日立パワーシステムズ株式会社 | コバルト基合金積層造形体、コバルト基合金製造物、およびそれらの製造方法 |
| SG11202012575WA (en) | 2019-03-07 | 2021-09-29 | Mitsubishi Power Ltd | Cobalt based alloy product |
| EP3733885A4 (en) | 2019-03-07 | 2020-12-30 | Mitsubishi Power, Ltd. | HEAT EXCHANGER |
| WO2020179082A1 (ja) | 2019-03-07 | 2020-09-10 | 三菱日立パワーシステムズ株式会社 | コバルト基合金粉末、コバルト基合金焼結体およびコバルト基合金焼結体の製造方法 |
| US11414728B2 (en) | 2019-03-07 | 2022-08-16 | Mitsubishi Heavy Industries, Ltd. | Cobalt based alloy product, method for manufacturing same, and cobalt based alloy article |
| EP3725902B1 (en) | 2019-03-07 | 2023-03-01 | Mitsubishi Heavy Industries, Ltd. | Cobalt-based alloy product and method for producing same |
| CN117872474B (zh) * | 2024-03-12 | 2024-05-17 | 山东省地震局 | 地震预警台网波形数据质量分析方法和系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014169960A (ja) | 2013-03-05 | 2014-09-18 | Taisei Corp | 地震の主要動到達時刻の予測方法 |
| JP2014215208A (ja) | 2013-04-26 | 2014-11-17 | 大成建設株式会社 | 地震の主要動強さの予測方法および予測システム |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4227198A (en) * | 1979-01-02 | 1980-10-07 | Dallas Instruments | Seismic triggered seismograph |
| JP2813769B2 (ja) * | 1995-09-21 | 1998-10-22 | 郵政省通信総合研究所長 | 電磁界の観測による地震の規模と震源域の算出方法及びその装置 |
| JP2006112999A (ja) | 2004-10-18 | 2006-04-27 | Meisei Electric Co Ltd | 地震警報装置 |
| JP4465489B2 (ja) * | 2007-11-07 | 2010-05-19 | 株式会社エイツー | 緊急地震速報システム |
| JP4472769B2 (ja) * | 2007-12-28 | 2010-06-02 | 株式会社シグネット | リアルタイム震度計とそれを用いた震度等の予知方法 |
| US20120095690A1 (en) * | 2008-08-01 | 2012-04-19 | Higginbotham Joseph H | Methods and computer-readable medium to implement inversion of angle gathers for rock physics reflectivity attributes |
| JP4510128B1 (ja) * | 2009-05-29 | 2010-07-21 | 株式会社エイツー | 地震判定システム及び地震解析方法 |
| WO2013027664A1 (ja) * | 2011-08-19 | 2013-02-28 | 日本電気株式会社 | マグニチュード推定装置、マグニチュード推定方法、及びコンピュータ読み取り可能な記録媒体 |
| TWI459019B (zh) | 2011-08-19 | 2014-11-01 | Nat Applied Res Laboratories | 現地型地震即時分析系統與方法及其儲存媒體 |
| JP5616392B2 (ja) * | 2012-05-09 | 2014-10-29 | 年晃 菊池 | 地震前兆観測装置及びその方法、地震前兆観測プログラム |
| JP5896854B2 (ja) * | 2012-07-26 | 2016-03-30 | 株式会社日立製作所 | 目標運動解析方法及び目標運動解析装置 |
| EP3076169A4 (en) * | 2013-11-12 | 2017-06-21 | Nec Corporation | Analysis device, analysis method, and analysis program |
| JP6291648B2 (ja) * | 2014-05-09 | 2018-03-14 | 大成建設株式会社 | 地震の主要動の到達判定方法および判定システム |
| US9753166B2 (en) * | 2014-05-20 | 2017-09-05 | Cgg Services Sas | P-wave and S-wave separation of seismic data in the presence of statics and irregular geometry |
| CN106019359A (zh) * | 2016-05-17 | 2016-10-12 | 浪潮集团有限公司 | 一种基于神经网络的地震预测系统 |
| WO2018008708A1 (ja) | 2016-07-08 | 2018-01-11 | 日本電気株式会社 | 震央距離推定装置、震央距離推定方法、及びコンピュータ読み取り可能な記録媒体 |
| CN107422379B (zh) * | 2017-07-27 | 2019-01-11 | 中国海洋石油集团有限公司 | 基于局部自适应凸化方法的多尺度地震全波形反演方法 |
| CN107942386B (zh) * | 2017-11-15 | 2019-05-07 | 河南理工大学 | 一种计算槽波地震数据激发延迟时间的方法 |
| CN109633741B (zh) * | 2019-01-04 | 2019-11-05 | 吉林大学 | 基于双凸优化稀疏约束的混合震源数据一次波分离方法 |
-
2020
- 2020-08-05 CN CN202080058009.1A patent/CN114222934B/zh active Active
- 2020-08-05 WO PCT/JP2020/030015 patent/WO2021033547A1/ja not_active Ceased
- 2020-08-05 JP JP2021540718A patent/JP7259969B2/ja active Active
- 2020-08-05 US US17/635,070 patent/US11867858B2/en active Active
- 2020-08-11 TW TW109127172A patent/TWI801749B/zh not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014169960A (ja) | 2013-03-05 | 2014-09-18 | Taisei Corp | 地震の主要動到達時刻の予測方法 |
| JP2014215208A (ja) | 2013-04-26 | 2014-11-17 | 大成建設株式会社 | 地震の主要動強さの予測方法および予測システム |
Also Published As
| Publication number | Publication date |
|---|---|
| TWI801749B (zh) | 2023-05-11 |
| WO2021033547A1 (ja) | 2021-02-25 |
| US11867858B2 (en) | 2024-01-09 |
| CN114222934A (zh) | 2022-03-22 |
| JPWO2021033547A1 (ja) | 2021-02-25 |
| TW202113396A (zh) | 2021-04-01 |
| CN114222934B (zh) | 2025-08-12 |
| US20220291409A1 (en) | 2022-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7259969B2 (ja) | 地震観測装置、地震観測方法、プログラム、及び、コンフィギュレーションプログラム | |
| TWI687711B (zh) | 震央距離推定裝置、震央距離推定方法及電腦可讀取之記錄媒體 | |
| Boore et al. | Processing of strong-motion accelerograms: needs, options and consequences | |
| Trebuňa et al. | Experimental modal analysis performed by high-speed digital image correlation system | |
| JP6001740B1 (ja) | 構造物の伝達関数の高精度評価・地震応答予測・劣化診断システム及びその方法 | |
| Shrestha et al. | Development of a smart‐device‐based vibration‐measurement system: Effectiveness examination and application cases to existing structure | |
| Meruane | Online sequential extreme learning machine for vibration-based damage assessment using transmissibility data | |
| JP6429042B2 (ja) | 地盤特性を自動校正する現地型地震早期警報システム及び関連方法 | |
| CN108873063B (zh) | 一种微地震矩张量反演的方法及装置 | |
| JP5281475B2 (ja) | 常時微動計測に基づく建物の健全性診断法、診断装置及び診断プログラム | |
| Chen et al. | DIC‐Based Operational Modal Analysis of Bridges | |
| Sadhu et al. | Decentralized modal identification of a pony truss pedestrian bridge using wireless sensors | |
| Impraimakis et al. | Input–parameter–state estimation of limited information wind‐excited systems using a sequential Kalman filter | |
| Davis et al. | Force estimation and event localization (feel) of impacts using structural vibrations | |
| TW202111352A (zh) | 地震觀測裝置、地震觀測方法以及記錄地震觀測程式的記錄媒體 | |
| Käufl et al. | Robust and fast probabilistic source parameter estimation from near‐field displacement waveforms using pattern recognition | |
| Thomas et al. | Deep learning for denoising high-rate global navigation satellite system data | |
| JP2014006158A (ja) | 模擬地震波を作成する方法および模擬地震波作成プログラムならびに模擬地震波作成プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| Arras | On the use of Frequency Response Functions in the finite element model updating | |
| WO2025042284A1 (en) | Seismic data processing | |
| JP2006275696A (ja) | 早期地震諸元推定方法及びそのシステム | |
| Stein et al. | Subband decomposition based output-only modal analysis | |
| Scognamiglio et al. | A test of a physically-based strong ground motion prediction methodology with the 26 September 1997, Mw= 6.0 Colfiorito (Umbria–Marche sequence), Italy earthquake | |
| Çağlar et al. | Estimation of the response of non‐instrumented floors using the Timoshenko and Bernoulli‐Euler Beam Theories | |
| Li et al. | Adaptive quantification of noise variance using subspace technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211111 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211111 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221114 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230307 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230320 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7259969 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |