[論文レビュー] Deep learning for magnitude prediction in earthquake early warning

Yanwei Wang, Zifa Wang+2 more|arXiv (Cornell University)|Dec 2, 2019

Seismology and Earthquake Studies被引用数 4

ひとこと要約

本稿では、特徴工学を経由せずに、原始的な垂直成分加速度計記録を用いて地震のマグニチュードを予測する深層学習モデル、EEWNetを提案する。入力長に応じてアーキテクチャを適応的に変更し、10,000件以上の記録で学習させることで、τlog、τc、Pdといった従来のパrameterベースの手法に比べ、より優れたマグニチュード予測精度を達成する。

ABSTRACT

Fast and accurate magnitude prediction is the key to the success of earthquake early warning. We have proposed a new approach based on deep learning for P-wave magnitude prediction (EEWNet), which takes time series data as input instead of feature parameters. The architecture of EEWNet is adaptively adjusted according to the length of the input, thus eliminates the need of complicated tuning of hyperparameters for deep learning. Only the unfiltered accelerograms of vertical components are used. EEWNet is trained on a moderate number of data set (10,000s of records), but it achieves excellent results in magnitude prediction compared with approaches using parameters τlog, τc and Pd.

研究の動機と目的

• 早期警戒システムにおける地震マグニチュード予測の精度と速度を向上させること。
• マグニチュード推定において、τlog、τc、Pdといった手作業で設計された特徴量に依存しないようにすること。
• 入力長に応じて動的に適応する深層学習モデルを構築することにより、ハイパーパramータのチューニングを最小限に抑えること。
• 中規模のデータセットからの未フィルタリングな垂直成分加速度計記録のみを用いて、頑健なモデルを学習させること。
• 原始的な地震時系列データからエンドツーエンド学習を活用することで、より高速かつ信頼性の高い早期警戒を実現すること。

提案手法

• EEWNetは、特徴抽出を回避するため、原始的で未フィルタリングな垂直成分加速度計記録時系列を入力として処理する。
• モデルは入力長に応じて自動的に調整されるアーキテクチャを採用しており、手動によるハイパーパramータチューニングの必要性を低減する。
• 畳み込み層と全結合層を備えた深層ニューラルネットワークを用いて、地震信号から直接時間的パターンを学習する。
• マグニチュードを予測するために、約10,000件の地震記録からなるデータセット上でエンドツーエンドに学習する。
• 事前処理や特徴工学（例：τlog、τc、Pdの計算を含まない）は一切施さず、原始的な加速度計記録のみを用いる。
• リアルタイムの地震早期警戒アプリケーションに適した高速推論を最適化する。

実験結果

リサーチクエスチョン

• RQ1 原始的な地震時系列データに直接学習させた深層学習モデルは、従来のマグニチュード予測手法を上回ることができるか？
• RQ2 適応的アーキテクチャ設計は、地震マグニチュード予測におけるハイパーパramータチューニングの必要性をどの程度低減できるか？
• RQ3 垂直成分加速度計記録のみを用いた場合、EEWNetの性能は、τlog、τc、Pdといった既存手法と比べてどうなるか？
• RQ4 中規模のデータセット（10,000件以上）で学習したモデルが、リアルタイムのマグニチュード推定において高い精度を達成できるか？
• RQ5 原始データからのエンドツーエンド学習は、地震早期警戒システムにおける予測速度と精度を向上させることができるか？

主な発見

• EEWNetは、τlog、τc、Pdといった従来の手法に比べ、優れたマグニチュード予測精度を達成する。
• フィルタリングやパラメータ抽出を一切行わず、原始的な加速度計記録を直接処理することで、特徴工学の必要性を排除する。
• 適応的アーキテクチャ設計により、手動によるハイパーパramータ調整なしに、可変長入力を処理できる。
• 10,000件以上の記録からなる中規模のデータセットで学習したにもかかわらず、EEWNetはマグニチュード予測において優れた性能を発揮する。
• 原始的な地震信号に基づく深層学習を活用することで、より高速かつ信頼性の高い早期警戒が可能になる。
• 結果から、リアルタイムの地震マグニチュード推定にエンドツーエンドの深層学習を適用する可能性と有効性が示された。