特許 6429042 地盤特性を自動校正する現地型地震早期警報システム及び関連方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6429042

(24)【登録日】2018年11月9日

(45)【発行日】2018年11月28日

(54)【発明の名称】地盤特性を自動校正する現地型地震早期警報システム及び関連方法

(51)【国際特許分類】

   G01V 1/00 20060101AFI20181119BHJP

   G08B 27/00 20060101ALI20181119BHJP

   G08B 29/24 20060101ALI20181119BHJP

【ＦＩ】

   G01V1/00 D

   G08B27/00 C

   G08B29/24

【請求項の数】16

【全頁数】10

(21)【出願番号】特願2017-377(P2017-377)

(22)【出願日】2017年1月5日

(65)【公開番号】特開2018-87799(P2018-87799A)

(43)【公開日】2018年6月7日

【審査請求日】2017年1月5日

(31)【優先権主張番号】105139172

(32)【優先日】2016年11月29日

(33)【優先権主張国】TW

(73)【特許権者】

【識別番号】512107846

【氏名又は名称】財團法人國家實驗研究院

【氏名又は名称原語表記】ＮＡＴＩＯＮＡＬ ＡＰＰＬＩＥＤ ＲＥＳＥＡＲＣＨ ＬＡＢＯＲＡＴＯＲＩＥＳ

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(74)【代理人】

【識別番号】100091214

【弁理士】

【氏名又は名称】大貫 進介

(72)【発明者】

【氏名】許 丁友

(72)【発明者】

【氏名】▲呉▼ 日騰

(72)【発明者】

【氏名】▲呉▼ 秉儒

(72)【発明者】

【氏名】林 沛暘

(72)【発明者】

【氏名】▲黄▼ 謝恭

(72)【発明者】

【氏名】江 宏偉

(72)【発明者】

【氏名】盧 恭君

(72)【発明者】

【氏名】張 國鎮

【審査官】 山口 剛

(56)【参考文献】

【文献】 特開２０１６−１９４５３０（ＪＰ，Ａ）

【文献】 特開２０１６−１５６７１２（ＪＰ，Ａ）

【文献】 特開２０１５−０４５６１６（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｖ １／００ − ９９／００

(57)【特許請求の範囲】

【請求項1】

地盤特性を自動校正する現地型地震早期警報システムであって、
地震プレ特徴情報及び地動情報を生成するための現地型感震器；
前記現地型感震器に結合され、前記地動情報に基づいて、少なくとも１つの地盤特性パラメターを生成するための地震データベース；
前記現地型感震器及び前記地震データベースに結合され、前記地震プレ特徴情報及び前記少なくとも１つの地盤特性パラメターに基づいて、地震早期警報情報を生成するためのAI（Artificial Intelligence）計算モジュール；及び
前記AI計算モジュールに結合され、前記地震早期警報情報を発するための地震警報モジュールを含み、
前記地震プレ特徴情報は、圧力波の、所定測定期間における絶対加速度積分値及び最大速度絶対値であり、
前記所定測定期間は、地震イベントが起こってからの３秒間の期間である、システム。

【請求項2】

請求項１に記載のシステムであって、
前記圧力波は、地震イベントによるものである、システム。

【請求項3】

請求項１に記載のシステムであって、
前記少なくとも１つの地盤特性パラメターは、地盤分類、Vs30（Average Shear-Wave Velocity of the Upper 30 Meters of Sediment）、HVSR（Horizontal-to-Vertical Spectral Ratio）及び該HVSRに対応する優位周波数を含む、システム。

【請求項4】

請求項３に記載のシステムであって、
前記HVSR及び前記HVSRに対応する優位周波数（dominant frequency）は、地震イベント又は環境震動イベントに基づいて計算されるものである、システム。

【請求項5】

請求項３に記載のシステムであって、
前記HVSRに対応する優位周波数は、２０個のHVSR情報のうち、最大HVSR数値に対応する周波数である、システム。

【請求項6】

請求項３に記載のシステムであって、
前記地盤特性パラメターは、平均HVSRをさらに含み、該平均HVSRは、前記現地型地震早期警報システムで記録された全ての地震記録のHVSR曲線の平均値である、システム。

【請求項7】

請求項３に記載のシステムであって、
前記地盤分類は、米国NEHRP（National Earthquake Hazard Reduction Program）が策定した地盤特性分類に従って設定されるものである、システム。

【請求項8】

請求項１に記載のシステムであって、
前記地震早期警報情報とは、予測されたPGA（peak ground acceleration）を指す、システム。

【請求項9】

地盤特性を自動校正する現地型地震早期警報方法であって、
前記現地型地震早期警報方法は、現地型地震早期警報システムに用いられ、
前記現地型地震早期警報方法は、
AI（Artificial Intelligence）計算モデルにより、地震プレ特徴情報及び少なくとも１つの地盤特性パラメターに基づいて、地震早期警報情報を生成するステップを含み、
前記地震プレ特徴情報は、圧力波の、所定測定期間における絶対加速度積分値及び最大速度絶対値であり、
前記所定測定期間は、地震イベントが起こってからの３秒間の期間である、方法。

【請求項10】

請求項９に記載の方法であって、
前記圧力波は、地震イベントによるものである、方法。

【請求項11】

請求項９に記載の方法であって、
前記少なくとも１つの地盤特性パラメターは、地盤分類、Vs30（Average Shear-Wave Velocity of the Upper 30 Meters of Sediment）、HVSR（Horizontal-to-Vertical Spectral Ratio）及び該HVSRに対応する優位周波数を含む、方法。

【請求項12】

請求項１１に記載の方法であって、
前記HVSR及び前記HVSRに対応する優位周波数（dominant frequency）は、地震イベント又は環境震動イベントに基づいて計算されるものである、方法。

【請求項13】

請求項１１に記載の方法であって、
前記HVSRに対応する優位周波数は、２０個のHVSR情報のうち、最大HVSR数値に対応する周波数である、方法。

【請求項14】

請求項１１に記載の方法であって、
前記地盤特性パラメターは、平均HVSRをさらに含み、該平均HVSRは、前記現地型地震早期警報システムで記録された全ての地震記録のHVSR曲線の平均値である、方法。

【請求項15】

請求項１１に記載の方法であって、
前記地盤分類は、米国NEHRP（National Earthquake Hazard Reduction Program）が策定した地盤特性分類に従って設定されるものである、方法。

【請求項16】

請求項９に記載の方法であって、
前記地震早期警報情報とは、予測されたPGA（peak ground acceleration）を指す、方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、現地型地震早期警報システム及び関連方法に関し、特に、地盤特性を自動校正することができる現地型地震早期警報システム及び関連方法に関する。

【背景技術】

【0002】

地震学、デジタル自動計算処理、通信伝送技術、及び、大量の地震パラメターを分析するための計算モデルの進化により、地震早期警報（Earthquake early warning、EEW）技術が、過去数十年間で幅広く研究されていた。一般的に言えば、地震早期警報技術は、広域型（Regional）地震早期警報技術及び現地型（On-Site）地震早期警報技術という２種類に分けられている。広域型地震早期警報技術が震源地（震央）付近に設置される複数の地震観測点からの測定データを使用するため、広域型地震早期警報技術が推定した地震パラメターの正確度は、通常、現地型地震早期警報技術が推定したものの正確度より高い。

【0003】

しかし、地震活動頻発地域に位置する建物については、しばしば、地震による破壊や損失に直面する必要がある。特に、震源地に近い地域の震度が、往々にして、震源地に遠い周辺地域の震度より遥かに大きいため、破壊性のある地震波が周辺地域に到着する前に、広域型地震早期警報により提供されるリードタイム（lead-time）が誤っている可能性がある。これに鑑み、従来技術を改善する必要がある。

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明の目的は、地盤特性を自動校正することができる現地型地震早期警報システム及び関連方法を提供することにある。

【課題を解決するための手段】

【0005】

本発明の一側面によれば、現地型地震早期警報システム及び方法が提供され、それは、単一観察点が測定したVGA（Vertical Ground Acceleration；VGA）のうちから、地震イベントによる圧力波（P-wave）の一部のプレ特徴（pre-feature）を取得し、これにより、間もなく同一観察点に到着する地震の震度を予測する。また、サイト効果（Site Effect）を考慮した前提で、観察点の地盤条件及び地盤パラメターは、現地型地震早期警報システムの予測結果に影響を与えることがあり、例えば、Vs30（Average Shear-Wave Velocity of the Upper 30 Meters of Sediment；Vs30）、HVSR（Horizontal-to-Vertical Spectral Ratio；HVSR）、及び該HVSRに対応する優位周波数（主周波数とも言う）（dominant frequency）である。よって、このようなパラメターは、異なる観察点及びサイト効果を識別するための地盤パラメターとされても良い。従って、本発明は、AI（Artificial Intelligence；AI）計算法により、圧力波の一部のプレ特徴、Vs30、HVSR及びその優位周波数などのパラメターに対して自動校正計算を行い、PGA（peak ground acceleration；PGA）を推定することで、PGAの推定値と実際の測定値との間の誤差を低減することができる。これにより、現地型地震早期警報システムの正確性を向上させ、地震による人的被害及び経済的損失を低減することができる。

【図面の簡単な説明】

【0006】

【図1】本発明の実施例における現地型地震早期警報システムを示す図である。

【図2A】特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示す図である。

【図2B】特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示す図である。

【図2C】特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示す図である。

【図2D】特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示す図である。

【図3A】他の特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示すである。

【図3B】他の特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示すである。

【図3C】他の特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示すである。

【図3D】他の特定条件の下で現地型地震早期警報システムにより予測されたPGAと、測定されたPGAとの相関性を示すである。

【図4】本発明の実施例における現地型地震早期警報方法のフローチャートである。

【発明を実施するための形態】

【0007】

以下、添付した図面を参照しながら、本発明の好適な実施例を詳しく説明する。

【0008】

AI計算法は、非線形統計情報モデルのツールの１つとすることができ、これにより、入力情報と出力情報との間の複雑な関連性をモデル化することができる。AIモデルを用いて現地型地震早期警報システムを開発する手順は、２段階に分けることができ、第一段階では、AIモデルにより、異なる地表運動間の交互作用及び異なる伝播径路による非線形関係をシミュレーションし、PGAを予測することができ、続いて、AIモデルにより、現地型感震器が記録した圧力波の一部の初期信号に基づいて地震の地震波のリードタイムを予測することができ、第二段階では、AIモデルのループ構造により、入力情報及び出力情報に基づいて繰り返して処理を行うことで、可能な最大構造レスポンス（maximum structural response）を得ることができ、また、自動校正を行うこともできる。

【0009】

言い換えると、AIモデルは、圧力波の特徴と地震のキー特徴との間の複雑な非線形回帰モデルを実現（形成）するために用いられ得るため、圧力波の特徴に基づいてPGAを予測することができると共に、最大構造レスポンスを計算することができ、また、自動校正を行うこともできるので、予測されたPGAの誤差を低減し、地震による人的被害及び経済的損失を正確に評価することができる。AIモデルは、複数のサブ計算法に基づいて形成することができ、例えば、ANN（Artificial Neural Network；ANN）、マシン学習（Machine learning）のうちの教師あり学習（Supervised learning）を含み、そのうち、教師あり学習は、SVM（Support Vector Machine；SVM）、回帰分析、及び統計分類などの計算法を含む。

【0010】

図1は、本発明の実施例における現地型地震早期警報システム10を示す図である。現地型地震早期警報システム10は、AI計算モジュール100、現地型感震器110、地震データベース120、及び地震警報モジュール130を含む。現地型感震器110は、AI計算モジュール100への地震プレ特徴情報E_infoを生成し、また、地震データベース120への地動情報S_infoを生成するために用いられる。地震データベース120は、地動情報S_infoに基づいて、AI計算モジュール100への少なくとも１つの地盤特性パラメターS_paraを生成するために用いられる。

【0011】

AI計算モジュール100は、AI計算モデルを実現（形成）することができ、地震プレ特徴情報E_info及び地盤特性パラメターS_paraに基づいて、地震警報モジュール130への計算結果RSTを生成するために用いられ、これにより、地震警報モジュール130は、計算結果RSTに基づいて、地震警報ALTを発することができる。そのうち、地震プレ特徴情報E_infoは、地震イベントによる圧力波のプレ特徴を表し、地盤特性パラメターS_paraは、少なくとも、地盤分類、Vs30、HVSR、及びHVSRに対応する優位周波数を表す。一実施例では、Vs30、HVSR、及びHVSRに対応する優位周波数は、もう１つの計算モジュールにより計算された後に（例えば、Vs30及びHVSRに基づいてフーリエ変換を行うことで、HVSRに対応する優位周波数を計算する）、地震データベース120に格納されても良い。

【0012】

なお、現地型地震早期警報技術は、圧力波及びせん断波（S波）の異なる伝播レート（速度）の特性を用いて、地震の震度を予測し、そのうち、単一観察点が地震初期に記録した圧力波の信号は、主にせん断波による地表の揺れを推定するために用いられ得る。実際には、単一観察点（例えば、現地型感震器110）の測定結果に基づいて、最初の数秒間に測定された圧力波のプレ特徴及び最後の地震の震度を取得し、そして、経験的回帰法則により、主にせん断波による地表の揺れを予測（推定）することができる。

【0013】

研究によれば、圧力波の６つの特徴、即ち、最大加速度絶対値、最大速度絶対値（PV）、最大変位絶対値、EPP（effective predominant period；EPP）、IAA（integral of absolute acceleration；IAA）、及び速度平方積分に基づいて、最も正確なPGAを得ることができる。しかし、本発明では、最大速度絶対値及び絶対加速度積分を用いて得られたPGA推定値は、圧力波の６つの特徴を用いて予測されたPGA推定値に十分に接近し得る。これにより、システムの計算量を低減するために、本発明では、最大速度絶対値及び絶対加速度積分のみを用いて、PGA推定値を計算する。一実施例では、絶対加速度積分の積分区間t_pは、現地型感震器110が圧力波の信号を検出してから（即ち、地震イベントが起こってから）の３秒間（０〜３秒）の期間であり、即ち、t_p=3秒である。絶対加速度積分の計算式は、

【0014】

【数1】

である。
そのうち、
（外１）

は、圧力波が到着した後に、地表運動の加速度時間歴史（経時）垂直成分を表す。一実施例では、現地型感震器110が記録した全ての加速度信号に対して積分を行うことにより、圧力波に対応する速度値を得ることができる。

【0015】

また、サイト効果（On-site effect）は、地域地質特性の、特定周波数の地震波に対しての拡大作用の現象であり、地震学の研究では、かなり重要性をもつ。また、地動は、各種の自然現象（例えば、風、波、雨なお）及び人為的な活動（例えば、交通、機械震動など）による地表の小さい震動である。地震に比べ、その利点は、震動の出所（ソース）が随時に存在し、短い測定時間で十分な可用情報を得ることができることにある。

【0016】

現地型感震器110は、地動測定器であっても良く、地動記録（即ち、現地の地動情報S_info）を測定するために用いられ、これにより、特定の観察点におけるサイト効果を評価することができる。よって、地震イベント又は環境震動イベントにより、Vs30、HVSR、及びHVSRに対応する優位周波数を生成することができるため、地震イベント及び環境震動イベント（即ち、地動によるサイト効果）間の交互作用も地震早期警報の生成に取り込むことができる。そのため、AI計算モジュール100は、地盤特性パラメターS_paraが示す地盤分類、Vs30、HVSR、及びそれに対応する優位周波数に基づいて、PGAを推定し、予測の誤差を低減することができる。

【0017】

一実施例では、現地型地震早期警報システム10は、広域型地震早期警報のために用いられても良い。例えば、現地型地震早期警報システム10の検出範囲以外の地域の地質環境が該検出範囲内の地質環境に類似し、且つ対応するサイト効果もある程度似ている場合、現地型地震早期警報システム10が検出した地震イベントは、該地域に発生した地震イベントの予測に用いることもできる。

【0018】

一実施例では、Vs30に対応する地盤分類は、米国NEHRP（National Earthquake Hazard Reduction Program；NEHRP）が策定した地盤特性分類に従って設定されても良く、具体的には、表１を参照することができる。

【表1】

【0019】

圧力波のプレ特徴、絶対加速度積分、地盤分類、Vs30、HVSR、及びそれに対応する優位周波数などのパラメターの、予測されたPGAの正確度への影響程度を探究するために、AI計算モジュール100は、AI計算法により、異なる入力パラメターの条件に基づいて、予測されたPGAの誤差の標準偏差を計算し、表２に纏めた。

【表2】

【0020】

なお、表２における条件（a）〜(e)は、それぞれ、
条件（a）：Pv、IAA
条件（b）：Pv、IAA、NEHRPによる地盤分類
条件（c）：Pv、IAA、Vs30
条件（d）：Pv、IAA、HVSRに対応する優位周波数
条件（e）：Pv、IAA、平均HVSR
である。

【0021】

そのうち、HVSRに対応する優位周波数は、２０個のHVSR情報のうち、最大HVSRに対応する周波数である。平均HVSRは、同じ観察点で記録された全ての地震記録のHVSR曲線の平均値であり、言い換えると、２つの異なる震動イベントは、同一観察点で記録された場合、同じ優位周波数を有する可能性がある。

【0022】

図2A〜図2Dは、条件（c）の下で現地型地震早期警報システム10により予測されたPGAと、測定されたPGAとの相関性を示す。図3A〜図3Dは、条件（e）の下で現地型地震早期警報システム10により予測されたPGAと、測定されたPGAとの相関性を示す。表2及び図2A〜図2Dから分かるように、地盤分類B、C、Dの、条件（c）の下で予測された標準偏差は、条件（a）の下で予測された標準偏差より低い。しかし、地盤分類A、Eの、条件（c）の下で予測された標準偏差は、条件（a）、（b）の下で予測された標準偏差より高い。表2及び図3A〜図3Dから分かるように、地盤分類A、B、C、D、Eの、条件（e）の下で予測された標準偏差は、最も低い。

【0023】

これによって分かるように、圧力波のプレ特徴、絶対加速度積分、及び平均HVSRは、PGAの正確度に影響するキーポイントであり、そのうち、平均HVSRは、地震記録に基づいて計算されたものであり、環境震動記録によるものではない。

【0024】

上述の現地型地震早期警報システム10に関する動作は、図4に示すように、現地型地震早期警報方法40に纏めることもできる。図4に示すように、現地型地震早期警報方法40は、次のステップを含む。

【0025】

ステップ400：スタート；
ステップ401：AI計算モデルにより、地震プレ特徴情報及び少なくとも１つの地盤特性パラメターに基づいて、地震早期警報情報を生成し、そのうち、地震プレ特徴情報は、圧力波のプレ特徴を表し、少なくとも１つの地盤特性パラメターは、地盤分類、Vs30、HVSR及びその対応する優位周波数を含み；
ステップ402：エンド。

【0026】

なお、現地地震早期警報方法40の詳細な説明は、上述の記載を参照することができるため、ここでは、その詳しい記載を省略する。

【0027】

以上を纏めると、本発明は、AI計算モデルにより、圧力波の一部のプレ特徴、地盤分類、Vs30、HVSR及びその優位周波数などのパラメターに対して自動校正計算を行い、PGAを推定することにより、PGAの推定値と実際の測定値との間の誤差を低減することができる。よって、本発明は、現地型地震早期警報システムの正確性を向上させ、地震による人的被害及び経済的損失を低減することができる。

【0028】

以上、本発明の好ましい実施形態を説明したが、本発明はこの実施形態に限定されず、本発明の趣旨を離脱しない限り、本発明に対するあらゆる変更は本発明の技術的範囲に属する。

【符号の説明】

【0029】

10 現地型地震早期警報システム
100 AI計算モジュール
110 現地型感震器
120 地震データベース
130 地震警報モジュール
E_info 地震プレ特徴情報
S_info 地動情報
S_para 地盤特性パラメター
RST 計算結果
ALT 地震警報
40 方法
400、401、402 ステップ

【図1】

【図2A】

【図2B】

【図2C】

【図2D】

【図3A】

【図3B】

【図3C】

【図3D】

【図4】