Core Concepts
深層グラフ学習を用いて、地震波データの高次元情報を活用し、より正確で安定した地震波初動ピッキングを実現する。
Abstract
本研究では、地震波データを高次元グラフとして表現し、深層グラフ学習を用いて初動ピッキングを行う新しい手法を提案している。具体的には以下の通りである:
地震波データを大規模なグラフとして構築する。各地震波トレースをノードとし、近接するトレース間をエッジで接続する。
学習と推論の効率化のため、大規模グラフからサブグラフをサンプリングする手法を開発した。
深層グラフエンコーダを用いてサブグラフの大域的特徴を抽出し、局所的な波形情報と組み合わせる。
ResUNetベースの1次元セグメンテーションネットワークにより、最終的な初動ピッキングを行う。
提案手法は、従来の2次元U-Netベースの手法と比較して、より高い精度と安定性を示した。特に、RMSE指標で99.3%の改善が確認された。また、可視化結果からも、提案手法が人手によるピッキングに近い高精度な結果を得られることが分かった。
Stats
地震波初動ピッキングの精度は、従来手法の76.3%に対し、提案手法は81.8%と7.2%の改善が得られた。
RMSEでは、従来手法の460.0に対し、提案手法は3.24と99.3%の改善が確認された。
Quotes
"深層グラフ学習を用いて、地震波データの高次元情報を活用し、より正確で安定した地震波初動ピッキングを実現する。"
"提案手法は、従来の2次元U-Netベースの手法と比較して、より高い精度と安定性を示した。"