講演情報
[S15-05]周期帯を考慮した条件付き敵対的生成ネットワークとスペクトルインバージョン解析による時刻歴波形群生成
*山口 純輝1、友澤 裕介1、李 陽洋1、坂 敏秀1 (1. 鹿島建設株式会社 技術研究所)
１．はじめに
既報（Yamaguchi et al.(2024)）では，条件付き敵対的生成ネットワーク(conditional generative adversarial networks; cGAN)とスペクトルインバージョン解析(generalized inversion technique; GIT)を組み合わせ，振幅特性と経時特性の両方にばらつきを有した時刻歴波形群を出力する手法（Site-Specific Ground-Motion waveform Generation; SS-GMG）を提案している。この手法の課題の一つは，長周期側の周波数特性の精度が悪い点である。その点に対応するために，本研究では，長周期と短周期を分離して学習させる手法を提案する。さらに，九州圏で発生した観測記録を用い，出力波形の精度を検証する。
２．長周期と短周期を分離した学習によるSS-GMG
既存手法であるSS-GMGにおいては，まずcGANにより基準化振幅を持つ時刻歴波形を出力する。またGITによってフーリエ振幅スペクトルの平均と標準偏差を推定した上で，その平均と標準偏差を満たす時刻歴波形群を出力する。SS-GMGへの入力条件はモーメントマグニチュード，震源深さ，震源距離，観測点，地震タイプであり，出力は時刻歴波形群である。ここで，地震タイプは内陸地殻内地震，フィリピン海プレートで発生するプレート間地震とプレート内地震の3種類をカテゴリ変数として与えている。
本検討における手法の概要図を図1に示す。今回の拡張では，教師データとなる観測記録をRadial，Transverse，Verticalに方位変換し，各成分に対して1 Hz以上をhigh cutした長周期の波形と1 Hz以下をlow cutした短周期の波形に分離した計6つの波形の組としてcGANに学習させる。cGANはLoss関数にWasserstein距離を用いるConditional WaveGAN（Lee et al. (2018)）のアーキテクチャを採用する。cGANの学習に用いる観測記録は， 6波形の最大振幅の絶対値で基準化する。Generatorの出力と観測記録をそれぞれDiscriminatorに入力し，その出力の平均同士の差が小さくなるように学習することで，Generatorの出力と観測記録が近づくことを目指す。モデル構造としては，Generatorの出力層とDiscriminatorの入力層をそれぞれ6チャネルに変更することで6波形を扱うことができるようにする。これによりGeneratorは，一つの乱数と入力条件から6波形の組を出力するため，入力乱数を変えることで6波形の組を学習させた観測記録の分布に従って生成することができる。出力された6組の波形は成分ごとに1 Hzを中心周波数とするコサイン型のマッチングフィルターを用いて合成する。
GITにおいては，水平動と上下動を同時にインバージョンし，それぞれの経験的サイト特性を評価する。なお，水平動は水平2成分のベクトル和から評価する。
３．九州圏で発生した地震の観測記録を用いた精度検証
2016年4月14日21時26分の熊本地震のK-NET多良木（KMM017）の観測記録（Mw 6.1，震源深さ11.39 km，震源距離56.0 km）を例にとる。観測記録と本手法を用いて同じ条件で生成した波形，そのフーリエ振幅スペクトルの比較を図2に示す。なお，本手法によって生成したRadial，Transverse成分は，NS，EW成分に変換して比較する。また，図中のHighは高周波数帯（1 Hz以上），Lowは低周波数帯（1 Hz以下）を表す。時刻歴波形は地震発生時刻を時刻0秒として表示しており，Ｐ波，Ｓ波の着震時刻が観測と計算で整合している。また，高周波数帯の波形ではＳ波主要動区間の継続時間が対応し，低周波数帯では後続位相も含めて再現できていることを確認した。また，フーリエ振幅スペクトルにおいても広帯域で観測記録と類似した特徴がみられる。従来手法では1Hzより低い周波数帯に関しては生成波形が過大評価となっていたが，本検討では0.5Hzほどまで観測記録と近い傾向が確認できる。よって長周期成分の精度向上が見られた。
次に，本手法の精度を検証するために，九州圏で発生した地震の17,876記録を用いて観測記録と同条件の波形を生成し，観測記録との定量的な比較を行った。震度，PGA，D5-95による比較を図３に示す。なお，計算結果は生成した10波のうちターゲットのフーリエ振幅スペクトルの平均に最も近いものを代表波として観測記録と比較する。震度に関しては誤差の平均が0に近く，誤差のばらつきも小さい。継続時間D5-95に関して若干過大評価している傾向があり，その影響がPGAの過小評価につながっていると推測される。
４．まとめ
本検討では，cGANに長周期と短周期の波形に分離して学習させ，課題であった長周期成分の精度を向上させた。今後は全国を対象としたより大規模なデータセットに対して適用を進める予定である。
謝辞
防災科学技術研究所K-NET，KiK-netの観測記録とF-netのメカニズム解を活用させていただきました。記して感謝します。
既報（Yamaguchi et al.(2024)）では，条件付き敵対的生成ネットワーク(conditional generative adversarial networks; cGAN)とスペクトルインバージョン解析(generalized inversion technique; GIT)を組み合わせ，振幅特性と経時特性の両方にばらつきを有した時刻歴波形群を出力する手法（Site-Specific Ground-Motion waveform Generation; SS-GMG）を提案している。この手法の課題の一つは，長周期側の周波数特性の精度が悪い点である。その点に対応するために，本研究では，長周期と短周期を分離して学習させる手法を提案する。さらに，九州圏で発生した観測記録を用い，出力波形の精度を検証する。
２．長周期と短周期を分離した学習によるSS-GMG
既存手法であるSS-GMGにおいては，まずcGANにより基準化振幅を持つ時刻歴波形を出力する。またGITによってフーリエ振幅スペクトルの平均と標準偏差を推定した上で，その平均と標準偏差を満たす時刻歴波形群を出力する。SS-GMGへの入力条件はモーメントマグニチュード，震源深さ，震源距離，観測点，地震タイプであり，出力は時刻歴波形群である。ここで，地震タイプは内陸地殻内地震，フィリピン海プレートで発生するプレート間地震とプレート内地震の3種類をカテゴリ変数として与えている。
本検討における手法の概要図を図1に示す。今回の拡張では，教師データとなる観測記録をRadial，Transverse，Verticalに方位変換し，各成分に対して1 Hz以上をhigh cutした長周期の波形と1 Hz以下をlow cutした短周期の波形に分離した計6つの波形の組としてcGANに学習させる。cGANはLoss関数にWasserstein距離を用いるConditional WaveGAN（Lee et al. (2018)）のアーキテクチャを採用する。cGANの学習に用いる観測記録は， 6波形の最大振幅の絶対値で基準化する。Generatorの出力と観測記録をそれぞれDiscriminatorに入力し，その出力の平均同士の差が小さくなるように学習することで，Generatorの出力と観測記録が近づくことを目指す。モデル構造としては，Generatorの出力層とDiscriminatorの入力層をそれぞれ6チャネルに変更することで6波形を扱うことができるようにする。これによりGeneratorは，一つの乱数と入力条件から6波形の組を出力するため，入力乱数を変えることで6波形の組を学習させた観測記録の分布に従って生成することができる。出力された6組の波形は成分ごとに1 Hzを中心周波数とするコサイン型のマッチングフィルターを用いて合成する。
GITにおいては，水平動と上下動を同時にインバージョンし，それぞれの経験的サイト特性を評価する。なお，水平動は水平2成分のベクトル和から評価する。
３．九州圏で発生した地震の観測記録を用いた精度検証
2016年4月14日21時26分の熊本地震のK-NET多良木（KMM017）の観測記録（Mw 6.1，震源深さ11.39 km，震源距離56.0 km）を例にとる。観測記録と本手法を用いて同じ条件で生成した波形，そのフーリエ振幅スペクトルの比較を図2に示す。なお，本手法によって生成したRadial，Transverse成分は，NS，EW成分に変換して比較する。また，図中のHighは高周波数帯（1 Hz以上），Lowは低周波数帯（1 Hz以下）を表す。時刻歴波形は地震発生時刻を時刻0秒として表示しており，Ｐ波，Ｓ波の着震時刻が観測と計算で整合している。また，高周波数帯の波形ではＳ波主要動区間の継続時間が対応し，低周波数帯では後続位相も含めて再現できていることを確認した。また，フーリエ振幅スペクトルにおいても広帯域で観測記録と類似した特徴がみられる。従来手法では1Hzより低い周波数帯に関しては生成波形が過大評価となっていたが，本検討では0.5Hzほどまで観測記録と近い傾向が確認できる。よって長周期成分の精度向上が見られた。
次に，本手法の精度を検証するために，九州圏で発生した地震の17,876記録を用いて観測記録と同条件の波形を生成し，観測記録との定量的な比較を行った。震度，PGA，D5-95による比較を図３に示す。なお，計算結果は生成した10波のうちターゲットのフーリエ振幅スペクトルの平均に最も近いものを代表波として観測記録と比較する。震度に関しては誤差の平均が0に近く，誤差のばらつきも小さい。継続時間D5-95に関して若干過大評価している傾向があり，その影響がPGAの過小評価につながっていると推測される。
４．まとめ
本検討では，cGANに長周期と短周期の波形に分離して学習させ，課題であった長周期成分の精度を向上させた。今後は全国を対象としたより大規模なデータセットに対して適用を進める予定である。
謝辞
防災科学技術研究所K-NET，KiK-netの観測記録とF-netのメカニズム解を活用させていただきました。記して感謝します。
