Core Concepts
グラフニューラルネットワークとスペースタイムトランスフォーマーを組み合わせた手法を用いて、地理測量時系列データからゆっくりすべり事象を抽出する。
Abstract
本研究では、地理測量データ(GNSS)の時系列を効率的に除雑音し、ゆっくりすべり事象を抽出するための手法を提案している。
地理測量データは時間的・空間的に相関のある雑音に影響されるため、従来の単一地点での処理では限界がある。
本手法では、グラフニューラルネットワークを用いて空間的な関係性を学習し、さらにスペースタイムトランスフォーマーを組み合わせることで、時間的・空間的な特徴を抽出する。
合成データを用いた評価では、従来手法と比べて高い除雑音性能を示した。
実際のカスケード沈み込み帯のデータに適用した結果、ゆっくりすべり事象の時空間的な変化が、独立に観測された地震トレモルの分布と良く一致することが確認された。
本手法は、ゆっくりすべり事象の抽出に加え、地理測量データの除雑音一般に適用可能な汎用的な手法である。
Stats
地理測量データの雑音成分は空間的・時間的に相関がある
ゆっくりすべり事象の変位振幅は小さく、他の信号に隠れてしまうことが多い
本手法を用いることで、ゆっくりすべり事象の変位を数ミリメートルの精度で抽出できる
Quotes
"グラフニューラルネットワークとスペースタイムトランスフォーマーを組み合わせることで、時間的・空間的な特徴を効果的に抽出できる"
"本手法は、ゆっくりすべり事象の抽出に加え、地理測量データの除雑音一般に適用可能な汎用的な手法である"