今週のセミナーについてお知らせいたします。

Here is information of the Unagi-seminar(12/27) this week.

************** うなぎセミナーのご案内 (Unagi-seminar) **************

日時：12月27日（木）14:00～16:00
場所：宇治キャンパス本館E棟2階E-232D
　　　（地震予知研究センター本館セミナー室）

Date and time: 27th Dec., 14:00 ~ 16:00
Room: E-232D @ Main building
Map: http://www.uji.kyoto-u.ac.jp/campus/map.html

====

[発表者 (Presenter)]
井上 智裕（Tomohiro INOUE）

[題目 (Title)]
非潮汐成分の振幅補正を用いた海底圧力計の海底地殻変動の推定
Detection of seafloor crustal deformation from ocean bottom pressure data using amplitude correction of non-tidal components

[要旨 (Abstract)]
　海底圧力計(OBP)は海底の上下動成分を解像度良く記録することができるが、デメリットとして海洋起源のノイズ（潮汐性、非潮汐性）を含んでしまう点がある。潮汐成分はプログラムBaytap08を用いて、比較的容易に除去できるが、非潮汐成分は取り除くのが困難である。私の先輩である村本さんは海洋物理学モデル(Inazu et al. 2012)を導入し、非潮汐性海洋変動による圧力変化を評価した。その後、確立した手法でヒクランギ沈み込み帯に適用した。
　非潮汐成分の観測値とモデル値は非常に相関が高いが、振幅が合っていないという問題がある。そこで、私は最小二乗法を用いて、モデル値を補正することで非潮汐成分の低減に試みた。考察では補正係数を時間方向に変化させた場合、それが時間的に変化することがわかり、深さ方向にも非常に依存していることがわかった。補正係数の特徴はわかってきたが、それらがどのような物理現象を反映しているのかはっきり分からないのが現状である。最後に、補正係数の物理的解釈とそれを用いた補正方法を理解するために、これからの方針を述べる。

[発表者 (Presenter)]
原 将太（Shota HARA）

[題目 (Title)]
深層学習を用いたP波初動の極性検出
P-wave polarity determination from waveform data using deep learning

[要旨 (Abstract)]
　地震のメカニズム解を決定するためには，P波の初動極性の検出が必要である．これまで様々な自動検出アルゴリズムの研究が進められてきたが，P波初動極性について専門家よりも精度が低い．そのため，P波初動極性の自動検出アルゴリズムをを用いる際は通常，専門家のチェックを経て使用される．
　本研究では，規格化のみ行った生の地震波形データとP波の到達時刻から，直接P波初動極性を検出することの可能な畳み込みニューラルネットワーク（CNN；Convolutional Neural Network）のモデルを開発した．訓練・検証データとして，250 Hzの地震波形（約10万個）と定常観測の100 Hzの地震波形（約3万個）を用いた．正解データには専門家によるP波初動極性の検出結果を用いて訓練を行った．訓練に用いていない地震波形に対するCNNによる初動極性検出結果は，人の専門家が検出した結果に対し，約98 %（250 Hz）と約95 %（100 Hz）の一致精度を有する．

===

皆さまのご来聴をお待ちしております。

=== 今後の予定(Schedule) ===
1/3  (正月休み!)
1/10  佐脇(Sawaki), 藤田(Fujita)
1/17  Mpuang, 劉(Liu)
1/24  予備日
1月末  修論発表予行