特許 7487054 地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置

(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】

(24)【登録日】2024-05-10

(45)【発行日】2024-05-20

(54)【発明の名称】地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置

(51)【国際特許分類】

   G01V 1/28 20060101AFI20240513BHJP

   G06N 20/00 20190101ALI20240513BHJP

【ＦＩ】

G01V1/28

G06N20/00 130

【請求項の数】 7

(21)【出願番号】P 2020148339

(22)【出願日】2020-09-03

(65)【公開番号】P2022042763

(43)【公開日】2022-03-15

【審査請求日】2023-08-30

(73)【特許権者】

【識別番号】000002299

【氏名又は名称】清水建設株式会社

(74)【代理人】

【識別番号】100214260

【弁理士】

【氏名又は名称】相羽 昌孝

(74)【代理人】

【識別番号】100139114

【弁理士】

【氏名又は名称】田中 貞嗣

(74)【代理人】

【識別番号】100139103

【弁理士】

【氏名又は名称】小山 卓志

(74)【代理人】

【氏名又は名称】片寄 武彦

(72)【発明者】

【氏名】和田 健介

(72)【発明者】

【氏名】石井 透

(72)【発明者】

【氏名】小穴 温子

【審査官】山口 剛

(56)【参考文献】

【文献】特開２００６－１７０７３９（ＪＰ，Ａ）

【文献】特開２０１９－１９４８２７（ＪＰ，Ａ）

【文献】特開２００７－０７１７０７（ＪＰ，Ａ）

【文献】特開２００３－２８７５７４（ＪＰ，Ａ）

【文献】中国特許出願公開第１１１５８０１５１（ＣＮ，Ａ）

【文献】中国特許出願公開第１０２９９８９７６（ＣＮ，Ａ）

【文献】小田義也、岩楯敞広，“２地点の計測震度と微動Ｈ／Ｖおよび地形・地質分類を利用した面的震度分布の即時推定”，物理探査，日本，物理探査学会，2008年，第６１巻，第６号，ｐｐ．５２３－５３２，https://doi.org/10.3124/segj.61.523

(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】

コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
複数の地震と当該複数の地震による地震動が観測された少なくとも１つの観測点との各組み合わせについて、前記地震動が観測されたときの複数種類の地震動諸特性パラメータ及び地震動観測記録を関連付けて記憶するデータベースから、所定の地震動評価式の変数として用いられる評価式用の前記地震動諸特定パラメータとは異なる種類の前記地震動諸特定パラメータを少なくとも含む学習用の前記地震動諸特性パラメータを特徴量とし、前記評価式用の前記地震動諸特性パラメータを前記地震動評価式に代入して得られる地震動指標計算値と当該地震動諸特性パラメータに関連付けられた前記地震動観測記録から得られる地震動指標観測値との差による地震動指標差分値を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含む、
地震動評価モデル生成方法。

【請求項2】

前記生成工程は、
前記目的変数に対して所定の変換処理を施し、前記特徴量及び前記変換処理後の目的変数の相関関係を前記機械学習により学習することにより、前記地震動評価モデルを生成する、
請求項１に記載の地震動評価モデル生成方法。

【請求項3】

前記学習用の前記地震動諸特性パラメータは、
前記評価式用の前記地震動諸特定パラメータの全部又は一部と、前記評価式用の前記地震動諸特定パラメータとは異なる種類の前記地震動諸特定パラメータとを組み合わせたものである、
請求項１又は請求項２に記載の地震動評価モデル生成方法。

【請求項4】

コンピュータを用いて、請求項１に記載の地震動評価モデル生成方法により生成された前記地震動評価モデルに基づいて前記地震動の特性を評価する地震動評価方法であって、
予測対象の前記地震動諸特性パラメータとして、前記評価式用の前記地震動諸特定パラメータ及び前記学習用の前記地震動諸特性パラメータを受け付ける受付工程と、
前記受付工程にて受け付けられた前記予測対象の前記評価式用の前記地震動諸特性パラメータを前記地震動評価式に代入して得られる前記地震動指標計算値と、前記受付工程にて受け付けられた前記予測対象の前記学習用の前記地震動諸特性パラメータを前記特徴量として前記地震動評価モデルに入力することにより当該地震動評価モデルから前記目的変数として出力される前記地震動指標差分値との和に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する地震動指標を予測する予測工程と、を含む、
地震動評価方法。

【請求項5】

コンピュータを用いて、請求項２に記載の地震動評価モデル生成方法により生成された前記地震動評価モデルに基づいて前記地震動の特性を評価する地震動評価方法であって、
予測対象の前記地震動諸特性パラメータとして、前記評価式用の前記地震動諸特定パラメータ及び前記学習用の前記地震動諸特性パラメータを受け付ける受付工程と、
前記受付工程にて受け付けられた前記予測対象の前記評価式用の前記地震動諸特性パラメータを前記地震動評価式に代入して得られる前記地震動指標計算値と、前記受付工程にて受け付けられた前記予測対象の前記学習用の前記地震動諸特性パラメータを前記特徴量として前記地震動評価モデルに入力することにより当該地震動評価モデルから出力される前記目的変数に前記変換処理に対する逆変換処理を施し、前記逆変換処理後の目的変数として得られる前記地震動指標差分値との和に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する地震動指標を予測する予測工程と、を含む、
地震動評価方法。

【請求項6】

コンピュータであって、
請求項１乃至請求項３のいずれか一項に記載の地震動評価モデル生成方法に含まれる各工程を実行する制御部を備える、
地震動評価モデル生成装置。

【請求項7】

コンピュータであって、
請求項４又は請求項５に記載の地震動評価方法に含まれる各工程を実行する制御部を備える、
地震動評価装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置に関する。

【背景技術】

【0002】

過去の地震（震源断層のすべり破壊現象）や地震動（地震によってもたらされる地盤の揺れ）等に関して得られた様々なデータに基づいて将来発生すると考えられる地震による地震動の特性を評価・予測する技術は、その有用性ゆえ、地震動の特徴分析・解釈から建築物・構造物の挙動予測・構造設計等、更には地震防災等に至るまで、社会で幅広く活用されている。

【0003】

従来、個々の専門家により自らの判断を伴いつつ選定された一部のデータが、専門的な手法により分析された上で、将来の地震による地震動の最大振幅（最大加速度・最大速度・最大変位等）や応答スペクトル（地震動をある固有周期と減衰定数を有する一質点系に入力させた場合の一質点系の最大応答振幅）等を評価・予測するための地震動評価式（距離減衰式、地震動予測式等と称されることもある）が開発され、活用されてきた（例えば、特許文献１、非特許文献１参照）。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２００８－３９４４６号公報

【非特許文献】

【0005】

【文献】Nobuyuki Morikawa and Hiroyuki Fujiwara，A New Ground Motion Prediction Equation for Japan Applicable up to M9 Mega-Earthquake，Journal of Disaster Research，Vol.8，No.5，2013，p.878-888

【発明の概要】

【発明が解決しようとする課題】

【0006】

既往の検討により開発され活用されている地震動評価式の多くは、過去に観測された地震動観測記録のデータに対して、専門家が回帰分析等の技術を活用した統計的な分析処理を施すことによって得られた近似式である。地震動評価式に変数として含まれるパラメータは、マグニチュードや震源深さ、震源距離又は断層最短距離等が一般的であることが知られている。

【0007】

これらの地震動評価式に含まれるパラメータは、統計分析により得られた明瞭な事実（例えば、震源から離れると地震動が小さくなるといった事実）を反映するものであり、地震動の特性に大きく寄与すると考えられる代表的なパラメータである。そのため、地震動評価式は、数式の意味が明確であり、計算コストが小さいという利点がある。一方で、地震動評価式では、地震動の特性に対して寄与が小さいパラメータや寄与が十分に明らかにされていないパラメータについては考慮されておらず、変数として考慮されるパラメータが限定的であるという欠点がある。

【0008】

近年、コンピュータの情報処理能力の向上やセンサネットワークの拡大に伴い、様々な技術分野に機械学習が適用され、地震動の特性を評価・予測するに際して機械学習を適用することが考えられる。機械学習では、特徴量及び目的変数の相関関係を学習するにあたり、特徴量として用いるパラメータを事前に選別する必要がなく、あらゆるパラメータを考慮した機械学習モデルを作成することができる。そのため、機械学習は、地震動の特性に対して寄与が大きいパラメータを考慮することで上記のような明瞭な事実を抽出するだけでなく、地震動の特性に対して寄与が小さいパラメータや寄与が十分に明らかにされていないパラメータを考慮することで統計分析では容易に得られないような不明瞭な事実を抽出することも可能である。しかしながら、機械学習において、明瞭な事実と不明瞭な事実の両者を的確に抽出することは、問題が複雑になることが予想される。その結果、機械学習を適用したとしても、十分な精度を持つ機械学習モデルを生成することができない可能性がある。

【0009】

本発明は、このような事情を考慮してなされたものであって、地震動評価式と機械学習の両者を活用し、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することができる、地震動評価モデル生成方法、地震動評価モデル生成装置、地震動評価方法、及び、地震動評価装置を提供することを目的とする。

【課題を解決するための手段】

【0010】

本発明は、上記課題を解決するものであって、本発明の一実施形態に係る地震動評価モデル生成方法は、
コンピュータを用いて機械学習により地震動評価モデルを生成する地震動評価モデル生成方法であって、
複数の地震と当該複数の地震による地震動が観測された少なくとも１つの観測点との各組み合わせについて、前記地震動が観測されたときの複数種類の地震動諸特性パラメータ及び地震動観測記録を関連付けて記憶するデータベースから、所定の地震動評価式の変数として用いられる評価式用の前記地震動諸特定パラメータとは異なる種類の前記地震動諸特定パラメータを少なくとも含む学習用の前記地震動諸特性パラメータを特徴量とし、前記評価式用の前記地震動諸特性パラメータを前記地震動評価式に代入して得られる地震動指標計算値と当該地震動諸特性パラメータに関連付けられた前記地震動観測記録から得られる地震動指標観測値との差による地震動指標差分値を目的変数として、当該特徴量及び当該目的変数で構成される学習用データを複数取得する取得工程と、
前記取得工程にて取得された複数の前記学習用データに基づいて、前記特徴量及び前記目的変数の相関関係を前記機械学習により学習することにより、前記機械学習の学習済みモデルとして前記地震動評価モデルを生成する生成工程と、を含む。

【0011】

また、本発明の一実施形態に係る地震動評価モデル生成装置は、
コンピュータであって、上記地震動評価モデル生成方法に含まれる各工程を実行する制御部を備える。

【0012】

また、本発明の一実施形態に係る地震動評価方法は、
コンピュータを用いて、請求項１に記載の地震動評価モデル生成方法により生成された前記地震動評価モデルに基づいて前記地震動の特性を評価する地震動評価方法であって、
予測対象の前記地震動諸特性パラメータとして、前記評価式用の前記地震動諸特定パラメータ及び前記学習用の前記地震動諸特性パラメータを受け付ける受付工程と、
前記受付工程にて受け付けられた前記予測対象の前記評価式用の前記地震動諸特性パラメータを前記地震動評価式に代入して得られる前記地震動指標計算値と、前記受付工程にて受け付けられた前記予測対象の前記学習用の前記地震動諸特性パラメータを前記特徴量として前記地震動評価モデルに入力することにより当該地震動評価モデルから前記目的変数として出力される前記地震動指標差分値との和に基づいて、前記予測対象の前記地震動諸特性パラメータに対応する地震動指標を予測する予測工程と、を含む。

【0013】

また、本発明の一実施形態に係る地震動評価装置は、
コンピュータであって、上記地震動評価方法に含まれる各工程を実行する制御部を備える。

【発明の効果】

【0014】

本発明の一実施形態に係る地震動評価モデル生成装置、及び、地震動評価装置によれば、評価式用の地震動諸特定パラメータとは異なる種類の地震動諸特定パラメータを少なくとも含む学習用の地震動諸特性パラメータを特徴量とし、地震動評価式から得られる地震動指標計算値と地震動観測記録から得られる地震動指標観測値との差による地震動指標差分値を目的変数として学習用データを構成し、地震動評価モデルを生成する。そのため、地震動評価モデルには、地震動評価式で変数として用いられていない地震動諸特性パラメータや偶発的なばらつきが地震動指標に寄与する量が反映されることで、統計分析では容易に得られないような不明瞭な事実が抽出される。したがって、明瞭な事実に特化した地震動評価式と、不明瞭な事実に特化した機械学習の両者を活用し、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することが可能な地震動評価モデル１３を提供することができる。

【0015】

また、本実施形態に係る地震動評価装置、及び、地震動評価方法によれば、地震動評価式から得られる地震動指標計算値と、地震動評価モデルから得られる地震動指標差分値との和に基づいて、地震動指標を算出する。そのため、地震動指標は、地震動評価式に反映された明瞭な事実と、地震動評価モデルに反映された不明瞭な事実とが考慮されて算出される。したがって、明瞭な事実に特化した地震動評価式と、不明瞭な事実に特化した機械学習の両者を活用し、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することができる。

【図面の簡単な説明】

【0016】

【図1】本発明の実施形態に係る地震動評価システム１の一例を示す概略構成図である。

【図2】本発明の実施形態に係る地震動評価システム１の一例を示すブロック図である。

【図3】本発明の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。

【図4】データベース１０の一例を示すデータ構成図である。

【図5】地震動評価式ｆと、地震動指標計算値ｆ_ｆｏｒｍ、地震動指標観測値ｆ_ｏｂｓ、及び、地震動指標差分値δの関係性とを示すグラフである。

【図6】地震動データ１１から学習用データ１２を取得するときのデータの流れの一例を示すデータ関係図である。

【図7】勾配ブースティング木の概要を示す概要図である。

【図8】本発明の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

【発明を実施するための形態】

【0017】

以下、本発明の一実施形態について添付図面を参照しつつ説明する。

【0018】

図１は、本発明の実施形態に係る地震動評価システム１の一例を示す概略構成図である。図２は、本発明の実施形態に係る地震動評価システム１の一例を示すブロック図である。

【0019】

地震動評価システム１は、地震による地震動が複数の観測点にてそれぞれ観測された地震動観測記録を収集し、その観測結果を外部に提供する観測データ提供装置２Ａと、地震動観測記録に基づいて地震の震源や規模を解析し、その解析結果を外部に提供する解析データ提供装置２Ｂと、地震動の評価・予測に用いる地下構造に関する地下構造パラメータを外部に提供する地下構造データ提供装置２Ｃと、データ提供装置２Ａ～２Ｃにより提供されたデータを機械学習により学習し、地震動評価モデル１３を生成する地震動評価モデル生成装置３と、地震動評価モデル生成装置３により生成された地震動評価モデル１３に基づいて、地震動を評価・予測する地震動評価装置４と、各装置間を接続するネットワーク５とを備える。

【0020】

ネットワーク５は、無線通信又は有線通信により各種のデータや信号を通信するものであり、任意の通信規格が用いられる。なお、本実施形態では、地震動評価モデル生成装置３及び地震動評価装置４は、別々の装置であるものとして説明するが、１つの装置（地震動処理装置）として構成されていてもよい。

【0021】

観測データ提供装置２Ａは、地震が発生したときに、複数の観測点に設置された地震計（不図示）により測定された南北方向、東西方向及び上下方向に対する三成分の時刻歴波形データを、地震動観測記録としてそれぞれ収集し、地震動観測記録と、例えば、観測点の位置を示す観測点位置等の付加情報と、を含む観測データを外部に提供する。本実施形態では、観測データは、例えば、国立研究開発法人防災科学技術研究所（以下、「防災科研」という）の強震観測網Ｋ－ＮＥＴにより提供されるデータであって、特に、関東地方一都六県（東京・神奈川・千葉・埼玉・茨城・栃木・群馬）に設置された観測点１３８地点（図１参照）にて観測されたデータを使用するものとして説明する。

【0022】

解析データ提供装置２Ｂは、地震動観測記録に基づいて地震の震源や規模を解析し、その解析結果として、例えば、モーメントマグニチュード、気象庁マグニチュード、震央位置、震源深さ、地震種別、断層タイプ、及び、震源メカニズム解等を含む解析データを外部に提供する。本実施形態では、解析データ提供装置２Ｂは、例えば、防災科研の広帯域震観測網Ｆ－ＮＥＴや気象庁により提供されるデータを使用するものとして説明する。

【0023】

地下構造データ提供装置２Ｃは、地下構造パラメータとして、例えば、地震基盤面深さ、工学的基盤面深さ、層厚、密度、地震波伝播速度、Ｑ値、減衰定数等を含む地下構造データを外部に提供する。本実施形態では、地下構造データ提供装置２Ｃは、例えば、防災科研の地震ハザードステーションＪ－ＳＨＩＳにより提供されるデータを使用するものとして説明する。

【0024】

なお、データ提供装置２Ａ～２Ｃは、地震が発生したときに、当該地震に関する提供データをリアルタイムに地震動評価装置４に提供してもよいし、地震動評価装置４からデータの要求を受けたときに、その要求に関する提供データ（過去に発生した地震のうち所定の条件に合致する複数の地震に関する提供データでもよい）を地震動評価装置４に提供してもよい。また、本実施形態では、データ提供装置２Ａ～２Ｃは、別々の３つの装置であるものとして説明するが、これに限られず、１つの装置として構成されていてもよいし、他のデータ提供装置がさらに付加されてもよい。

【0025】

（地震動評価モデル生成装置３の構成と各部による工程について）
地震動評価モデル生成装置３は、データ提供装置２Ａ～２Ｃにより提供された提供データ（観測データ、解析データ、地下構造データ）に基づいて、例えば、勾配ブースティング木、ランダムフォレスト、ニューラルネットワーク、畳み込みニューラルネットワーク（ＣＮＮ）等の機械学習アルゴリズムを実行することにより、機械学習の学習済みモデルとして、地震動評価モデル１３を生成する。

【0026】

地震動評価モデル生成装置３は、汎用又は専用のコンピュータで構成されており、図２に示すように、ＨＤＤ、メモリ等により構成される記憶部３０と、ＣＰＵ、ＧＰＵ等のプロセッサにより構成される制御部３１と、ネットワーク５との通信インターフェースである通信部３２と、キーボード、マウス等により構成される入力部３３と、ディスプレイ、タッチパネル等により構成される表示部３４とを備える。

【0027】

記憶部３０には、データ提供装置２Ａ～２Ｃにより提供された提供データが登録・更新されるデータベース１０と、学習済みモデルである地震動評価モデル１３と、地震動評価モデル生成装置３の動作を制御して地震動評価モデル生成方法を実現する地震動評価モデル生成プログラム３００とが記憶されている。

【0028】

制御部３１は、地震動評価モデル生成プログラム３００を実行することにより、ＤＢ管理部３１０、取得部３１１、及び、生成部３１２として機能する。なお、各部の機能の詳細は後述する。

【0029】

図３は、本発明の実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法の一例を示す機能説明図である。

【0030】

（ＤＢ管理部３１０によるデータベース管理工程と、データベース１０について）
ＤＢ管理部３１０は、データ提供装置２Ａ～２Ｃにより提供された提供データ（観測データ、解析データ、地下構造データ）に基づいて、データベース１０を管理する。具体的には、ＤＢ管理部３１０は、地震が発生し、当該地震による地震動が少なくとも１つの観測点で観測され、データ提供装置２Ａ～２Ｃにより当該地震に関する提供データが提供される度に、当該地震と当該地震による地震動が観測された少なくとも１つの観測点との各組み合わせについて、当該地震動が観測されたときの地震動諸特性パラメータ及び地震動観測記録を関連付けて、データベース１０に登録する。

【0031】

図４は、データベース１０の一例を示すデータ構成図である。データベース１０には、過去に発生した複数の地震と当該複数の地震による地震動が観測された少なくとも１つの観測点との各組み合わせについて、当該地震動が観測されたときの複数種類の地震動諸特性パラメータ及び地震動観測記録が関連付けられた状態の地震動データ１１が複数登録されて、記憶されている。

【0032】

地震動諸特性パラメータは、地震動の諸特性を記述する各種のパラメータであり、地震動の諸特性は、例えば、地震動の震源特性、及び、伝播特性を含み、サイト特性、方位特性、及び、地震動観測特性をさらに含む。本実施形態では、地震動諸特性パラメータは、データ提供装置２Ａ～２Ｃにより提供された提供データ（観測データ、解析データ、地下構造データ）を、上記の地震動の諸特性に応じて分類・記録したものである。以下に、地震動諸特性パラメータに含まれる震源特性、伝播特性、サイト特性、方位特性、及び、地震動観測特性について説明する。

【0033】

震源特性は、例えば、マグニチュード（モーメントマグニチュードＭｗ、気象庁マグニチュード等）、震央位置（緯度ｌａｔ＿ｅｑ，経度ｌｏｎ＿ｅｑ）、震源深さＨ、地震種別Ｔｙｐｅ（内陸地殻内地震・プレート境界地震・スラブ内地震）、断層タイプＭｅｃｈ（正断層・逆断層・横ずれ断層）、震源メカニズム解（走向Ｓｔｒｉｋｅ１、傾斜角ｄｉｐ１、すべり角ｒａｋｅ１）、及び、震源メカニズム解の共役解（走向Ｓｔｒｉｋｅ２、傾斜角ｄｉｐ２、すべり角ｒａｋｅ２）等の少なくとも１つである。本実施形態に係る震源特性は、モーメントマグニチュードＭｗ、震央位置（緯度ｌａｔ＿ｅｑ，経度ｌｏｎ＿ｅｑ）、震源深さＨ、地震種別Ｔｙｐｅ、断層タイプＭｅｃｈ、震源メカニズム解（Ｓｔｒｉｋｅ１、ｄｉｐ１、ｒａｋｅ１）、及び、震源メカニズム解の共役解（Ｓｔｒｉｋｅ２、ｄｉｐ２、ｒａｋｅ２）である。

【0034】

伝播特性は、例えば、震源距離Ｘ、断層最短距離、及び、震央距離の少なくとも１つである。本実施形態に係る伝播特性は、震源距離Ｘであり、観測点位置と、震央位置との間の距離として算定される。

【0035】

サイト特性は、例えば、観測点位置（緯度ｌａｔ＿ｓｉｔｅ，経度ｌｏｎ＿ｓｉｔｅ）、地震基盤面深さ、工学的基盤面深さ、層厚、密度、地震波伝播速度、Ｑ値、及び、減衰定数の少なくとも１つである。本実施形態に係るサイト特性は、観測点位置（緯度ｌａｔ＿ｓｉｔｅ，経度ｌｏｎ＿ｓｉｔｅ）、最上層のＳ波速度ＶＳ１、表層１０ｍ平均Ｓ波速度ＡＶＳ１０、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、微地形区分ＪＣＯＤＥ、Ｓ波速度７００ｍ／ｓ層上面深さＤ７、Ｓ波速度１４００ｍ／ｓ層上面深さＤ１７、Ｓ波速度２１００ｍ／ｓ層上面深さＤ２４、及び、地震基盤面深さＤ２８（＝Ｓ波速度２７００ｍ／ｓ層上面深さ）である。なお、表層３０ｍ平均Ｓ波速度ＡＶＳ３０が、観測点の地下構造データから求められない場合には、防災科研の地震ハザードステーションＪ－ＳＨＩＳの２５０ｍメッシュの表層３０ｍ平均Ｓ波速度ＡＶＳ３０で代用し、表層１０ｍ平均Ｓ波速度ＡＶＳ１０が、観測点の地下構造データから求められない場合には、表層３０ｍ平均Ｓ波速度ＡＶＳ３０で代用するものとした。また、地震基盤面深さＤ２８は、防災科研の地震ハザードステーションＪ－ＳＨＩＳで公開されている対象観測点位置が含まれるメッシュの深部地盤モデルの第２８層の下面深さ（同モデルで地震基盤に相当するＰ波速度５０００ｍ／ｓ・Ｓ波速度２７００ｍ／ｓの第２９層の上面深さに等しい）とした。

【0036】

方位特性は、例えば、観測点を基準として震央が位置する方位を示す震央方位Λである。そのため、震央方位Λは、観測点位置を基準として震央位置が存在する方位として算定される。その際、震央方位Λは、真北を０°として時計回りに定めるとともに、真北を境に不連続量となるため、本実施形態に係る方位特性は、震央方位Λを表すｓｉｎΛとｃｏｓΛのペアを用いる。

【0037】

地震動観測特性は、例えば、地震動観測記録として記録された時刻歴波形のデータが南北方向、東西方向及び上下方向のいずれかであることを示す地震動の方向成分Ｃｏｍｐである。

【0038】

地震動観測記録は、例えば、南北方向、東西方向及び上下方向に対する三成分の加速度、速度、及び、変位の時刻歴波形である。地震動観測記録は、所定の評価手法により評価・解析されることで、各種の地震動指標が得られる。本実施形態に係る地震動観測記録は、強震観測網Ｋ－ＮＥＴのうち関東地方一都六県（東京・神奈川・千葉・埼玉・茨城・栃木・群馬）に設置された観測点１３８地点（図１参照）にて観測された水平二成分（南北方向及び東西方向）に対する時刻歴波形である。

【0039】

地震動指標は、地震動の振幅特性、周期特性、及び、経時特性の少なくとも１つを含む。

【0040】

振幅特性は、地震動観測記録（加速度、速度、及び、変位の時刻歴波形）から得られる地震動の最大加速度ＰＧＡ、最大速度、及び、最大変位の少なくとも１つである。本実施形態に係る振幅特性は、最大加速度ＰＧＡである。

【0041】

周期特性は、地震動観測記録（加速度、速度、及び、変位の時刻歴波形）から得られる応答スペクトル又はフーリエスペクトル等において、少なくとも１つの周期に対する応答値である。応答スペクトルは、例えば、所定の減衰定数（例えば、５％）に対する加速度応答スペクトル、擬似速度応答スペクトルｐＳｖ、速度応答スペクトル、及び、変位応答スペクトル等である。フーリエスペクトルは、例えば、加速度フーリエスペクトル、速度フーリエスペクトル、及び、変位フーリエスペクトル等である。本実施形態に係る周期特性は、０．１秒、０．５秒、１秒、３秒、５秒の各周期における減衰定数５％の擬似速度応答スペクトルｐＳｖ（０．１ｓ）、ｐＳｖ（０．５ｓ）、ｐＳｖ（１ｓ）、ｐＳｖ（３ｓ）、ｐＳｖ（５ｓ）の５つである。

【0042】

経時特性は、例えば、地震動観測記録（加速度、速度、及び、変位の時刻歴波形）から得られる応答継続時間スペクトルにおいて、少なくとも１つの周期に対する応答継続時間である。応答継続時間スペクトルは、例えば、所定の減衰定数（例えば、５％）に対する加速度応答継続時間スペクトル、速度応答継続時間スペクトルＴＳｖ、及び、変位応答継続時間スペクトル等である。本実施形態に係る経時特性は、０．１秒、０．５秒、１秒、３秒、５秒の各周期における減衰定数５％の速度応答継続時間スペクトルＴＳｖ（０．１ｓ）、ＴＳｖ（０．５ｓ）、ＴＳｖ（１ｓ）、ＴＳｖ（３ｓ）、ＴＳｖ（５ｓ）の５つである。なお、応答継続時間の開始と終了を規定するパラメータは、ｐ１＝０．０３、ｐ２＝０．９５である。

【0043】

（取得部３１１による取得工程と、学習用データ１２について）
取得部３１１は、図３に示すように、データベース１０を参照して、評価式用の地震動諸特性パラメータＰ１を所定の地震動評価式ｆに代入して得られる地震動指標計算値ｆ_ｆｏｒｍと、当該地震動諸特性パラメータに関連付けられた地震動観測記録から得られる地震動指標観測値ｆ_ｏｂｓとの差により、地震動指標差分値δを算出する。

【0044】

そして、取得部３１１は、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータを少なくとも含む学習用の地震動諸特性パラメータＰ２を特徴量とし、地震動指標差分値δを目的変数として、特徴量及び目的変数で構成される学習用データ１２をデータベース１０から複数取得する。なお、学習用データ１２は、教師あり学習における学習データ（トレーニングデータ）、検証データ及びテストデータとして用いられるデータである。また、複数の学習用データ１２からなる学習用データ１２の集合は、学習用データセットという。

【0045】

図５は、地震動評価式ｆと、地震動指標計算値ｆ_ｆｏｒｍ、地震動指標観測値ｆ_ｏｂｓ、及び、地震動指標差分値δの関係性とを示すグラフである。図６は、地震動データ１１から学習用データ１２を取得するときのデータの流れの一例を示すデータ関係図である。

【0046】

地震動評価式ｆは、図５に示すように、過去に地震が発生したときに観測された地震動観測記録を統計的に分析することで作成された近似式であり、評価式用の地震動諸特性パラメータＰ１を変数として、地震動指標を求めるための関数である。本実施形態では、地震動評価式ｆの変数として用いられる評価式用の地震動諸特性パラメータＰ１は、図４に示す２５種類の地震動諸特性パラメータのうち、モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、及び、地震種別Ｔｙｐｅの４種類（図６参照）であり、地震動評価式ｆにより求められる地震動指標は、最大加速度ＰＧＡの１種類（図６参照）であるものとして説明する。

【0047】

地震動指標計算値ｆ_ｆｏｒｍは、データベース１０に登録された所定の地震動データ１１における評価式用の地震動諸特性パラメータＰ１（Ｍｗ，Ｈ，Ｘ，Ｔｙｐｅ）の各値を、地震動評価式ｆ（Ｍｗ，Ｈ，Ｘ，Ｔｙｐｅ）に代入することで計算された値（本実施形態では、最大加速度ＰＧＡ）である。

【0048】

地震動指標観測値ｆ_ｏｂｓは、地震動指標計算値ｆ_ｆｏｒｍが計算されたときと同じ地震動データ１１に含まれる地震動観測記録を所定の評価手法により評価・解析することで取得された値（本実施形態では、最大加速度ＰＧＡ）である。

【0049】

地震動指標差分値δは、地震動指標観測値ｆ_ｏｂｓと地震動指標計算値ｆ_ｆｏｒｍとの差であり、以下の式（１）により求められる。

【0050】

【数1】

【0051】

なお、図５に示す地震動評価式ｆのグラフは、震源距離Ｘを横軸、最大加速度ＰＧＡを縦軸とした一平面を切り出したものであるが、地震動指標計算値ｆ_ｆｏｒｍは多次元曲面、震動指標観測値ｆ_ｏｂｓは多次元空間上の点、地震動指標差分値δは多次元空間上の距離として表される。

【0052】

ここで、地震動評価式ｆは、統計分析に基づき生成されるため、統計分析で得られる明瞭な事実（例えば、震源から離れると地震動が小さくなるといった事実）を反映するように、その変数として用いられる評価式用の地震動諸特性パラメータＰ１は、地震動指標に対する寄与が大きなものに限定される（本実施形態では、２５種類のうち４種類のみ）。そのため、地震動評価式ｆでは、地震動指標に対して寄与が小さい地震動諸特性パラメータや寄与が十分に明らかにされていない地震動諸特性パラメータについては考慮されていないといえる。

【0053】

そこで、地震動評価モデル生成装置３による機械学習は、上記のように統計分析で得られるような明瞭な事実を学習するのではなく、統計分析では容易に得られないような不明瞭な事実を学習することを主な目的として実施する。その際、地震動評価式ｆが、評価式用の地震動諸特性パラメータＰ１による地震動指標に対する寄与、すなわち、明瞭な事実を正しく反映しているとすると、地震動指標差分値δは、地震動評価式ｆで変数として用いられていない地震動諸特性パラメータや偶発的なばらつきが地震動指標に寄与する量を表すものと考えられ、上記のような不明瞭な事実のみを抜き出した要素であるといえる。

【0054】

そのため、地震動評価モデル生成装置３による機械学習では、学習用データ１２を、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータを少なくとも含む学習用の地震動諸特性パラメータＰ２を特徴量とし、地震動指標差分値δを目的変数として構成するものとした。

【0055】

本実施形態では、学習用の地震動諸特性パラメータＰ２は、図４に示す２５種類の地震動諸特性パラメータのうち、モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、及び、地震種別Ｔｙｐｅ（評価式用の地震動諸特定パラメータＰ１の全部）と、震央方位Λ、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、及び、地震基盤面深さＤ２８（評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータ）とを組み合わせたものであり、モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、地震種別Ｔｙｐｅ、表層３０ｍ平均Ｓ波速度ＡＶＳ３０、地震基盤面深さＤ２８、及び、震央方位Λの７種類（図３、図６参照）であるものとして説明する。

【0056】

なお、学習用の地震動諸特性パラメータＰ２は、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータを少なくとも含むものであればよい。したがって、学習用の地震動諸特性パラメータＰ２は、例えば、上記のように、評価式用の地震動諸特定パラメータＰ１の全部（例えば、Ｍｗ、Ｈ、Ｘ、Ｔｙｐｅ）と、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータ（例えば、ＡＶＳ３０、Ｄ２８、Λ）とを組み合わせたものでもよいし、評価式用の地震動諸特定パラメータＰ１の一部（例えば、Ｍｗ）と、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータ（例えば、ＡＶＳ３０、Ｄ２８、Λ）とを組み合わせたものでもよいし、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータ（例えば、ＡＶＳ３０、Ｄ２８、Λ）だけでもよい。

【0057】

したがって、取得部３１１は、データベース１０に登録された複数の地震動データ１１から、上記のような学習用の地震動諸特性パラメータＰ２を特徴量とし、地震動指標差分値δを目的変数として、特徴量及び目的変数で構成される学習用データ１２をデータベース１０から複数取得する。

【0058】

（生成部３１２による生成工程と、地震動評価モデル１３について）
生成部３１２は、図３に示すように、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び目的変数の相関関係を機械学習により学習することにより、学習済みモデルとして地震動評価モデル１３を生成し、記憶部３０に記憶する。本実施形態では、機械学習における機械学習アルゴリズムとして、勾配ブースティング木（Gradient Boosting Decision Tree）を用いる場合について説明する。

【0059】

図７は、勾配ブースティング木の概要を示す概要図である。勾配ブースティング木は、勾配ブースティングと決定木を組み合わせた学習器である。勾配ブースティングは、複数の弱学習器（低性能な機械学習モデル）を結合していくことにより強学習器（高性能な機械学習モデル）を構築する手法である。決定木は、樹木の分岐構造を利用した条件分岐を行うことにより分類・回帰が可能な機械学習モデルを生成する手法である。これら２つの手法を組み合わせた勾配ブースティング木は、決定木により生成した複数の弱学習器を勾配ブースティングにより結合する手法である。

【0060】

なお、図４に示す１１種類の地震動指標のうち、最大加速度ＰＧＡ及び擬似速度応答スペクトルｐＳｖについては、振幅が大きくなるにつれてデータ数が急激に減少すると考えられる。そのため、目的変数の分布に発生する偏りを低減するため、最大加速度ＰＧＡ及び擬似速度応答スペクトルｐＳｖに対する目的変数のデータとして、常用対数（ｌｏｇ_１０ＰＧＡとｌｏｇ_１０ｐＳｖ）をそれぞれ用いるのが好ましい。また、勾配ブースティング木における損失関数として、最大加速度ＰＧＡ及び擬似速度応答スペクトルｐＳｖには、最小二乗法（正規分布）を適用し、速度応答継続時間スペクトルＴＳｖにはポアソン分布を適用するのが好ましい。

【0061】

さらに、生成部３１２が、勾配ブースティング木を用いて地震動評価モデル１３を生成する際、目的変数として、図４に示す１１種類の地震動指標を採用する場合には、地震動評価モデル１３を目的変数毎に生成するようにすればよい。すなわち、特徴量と目的変数（最大加速度ＰＧＡ＝１種類目の地震動指標）との相関関係を学習させた第１の地震動評価モデル１３Ａ、特徴量と目的変数（擬似速度応答スペクトルｐＳｖ（０．１ｓ）＝２種類目の地震動指標）との相関関係を学習させた第２の地震動評価モデル１３Ｂというように、第３の地震動評価モデル１３Ｃから第１１の地震動評価モデル１３Ｋまでをそれぞれ生成し、合計１１個の地震動評価モデル１３Ａ～１３Ｋを生成するようにすればよい。

【0062】

（地震動評価装置４の構成と各部による工程について）
地震動評価装置４は、地震動評価モデル生成装置３により生成された地震動評価モデル１３に基づいて、地震動を評価・予測し、その結果を、例えば、表示媒体や紙媒体等の出力媒体に出力する。

【0063】

地震動評価装置４は、地震動評価モデル生成装置３と同様に、汎用又は専用のコンピュータで構成されており、図２に示すように、ＨＤＤ、メモリ等により構成される記憶部４０と、ＣＰＵ、ＧＰＵ等のプロセッサにより構成される制御部４１と、ネットワーク５との通信インターフェースである通信部４２と、キーボード、マウス等により構成される入力部４３と、ディスプレイ、タッチパネル等により構成される表示部４４とを備える。

【0064】

記憶部４０には、地震動評価モデル生成装置３により学習済みモデルとして生成された地震動評価モデル１３と、地震動評価装置４の動作を制御して地震動評価方法を実現する地震動評価プログラム４００が記憶されている。

【0065】

制御部４１は、地震動評価プログラム４００を実行することにより、受付部４１０、予測部４１１、及び、出力処理部４１２として機能する。なお、各部の機能の詳細は後述する。

【0066】

図８は、本発明の実施形態に係る地震動評価装置４及び地震動評価方法の一例を示す機能説明図である。

【0067】

（受付部４１０による受付工程について）
受付部４１０は、予測対象の地震動諸特性パラメータを受け付ける。具体的には、受付部４１０は、例えば、地震動評価装置４のユーザが予測対象として想定している地震（以下、「想定地震」という）のモーメントマグニチュードＭｗ、震央位置、震源深さＨ、及び、地震種別Ｔｙｐｅについて入力部３３を介して受け付けるとともに、当該想定地震による地震動がどの程度発生するのかを予測したい予測点の位置を示す予測点位置についても入力部３３を介して受け付ける。なお、予測点位置は、任意の位置でもよいし、観測点位置と同じでもよい。また、予測点位置は、複数でもよく、例えば、所定の格子間隔（例えば、５ｋｍ間隔）における各格子点等でもよい。

【0068】

そして、受付部４１０は、想定地震の震央位置と、地震動の予測点位置とに基づいて、震源距離Ｘ及び震央方位Λを算出するとともに、地下構造データ提供装置２Ｃにより提供された地下構造データに基づいて、地震動の予測点位置に対する表層３０ｍ平均Ｓ波速度ＡＶＳ３０、及び、地震基盤面深さ（Ｓ波速度２７００ｍ／ｓ層上面深さ）Ｄ２８を取得する。これにより、受付部４１０は、予測対象の地震動諸特性パラメータとして、評価式用の地震動諸特性パラメータＰ１及び学習用の地震動諸特性パラメータＰ２（想定地震のモーメントマグニチュードＭｗ、想定地震の震源深さＨ、想定地震の震源と予測点位置との間の震源距離Ｘ、地震種別Ｔｙｐｅ、予測点位置の表層３０ｍ平均Ｓ波速度ＡＶＳ３０、予測点位置の地震基盤面深さＤ２８、及び、予測点位置を基準として想定地震の震央位置が存在する方位を示す震央方位Λ）を受け付ける。

【0069】

（予測部４１１による予測工程について）
予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータから、地震動評価式ｆ（本実施形態では、４種類の評価式用の地震動諸特定パラメータＰ１（Ｍｗ，Ｈ，Ｘ，Ｔｙｐｅ）を変数とする）と、地震動評価モデル１３（本実施形態では、７種類の学習用の地震動諸特性パラメータＰ２（Ｍｗ、Ｈ、Ｘ、Ｔｙｐｅ、ＡＶＳ３０、Ｄ２８、Λ）を特徴量とし、１種類の地震動指標差分値ｆ_ＭＬ（最大加速度ＰＧＡ）を目的変数として、両者の相関関係を学習した学習済みモデル）とを用いて、予測対象の地震動諸特性パラメータに対応する地震動指標ｆ_ｅｖを予測する。

【0070】

具体的には、予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータのうち評価式用の地震動諸特性パラメータＰ１（Ｍｗ，Ｈ，Ｘ，Ｔｙｐｅ）を地震動評価式ｆに代入して地震動指標計算値ｆ_ｆｏｒｍを計算する。また、予測部４１１は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータのうち学習用の地震動諸特性パラメータＰ２（Ｍｗ、Ｈ、Ｘ、Ｔｙｐｅ、ＡＶＳ３０、Ｄ２８、Λ）を特徴量として地震動評価モデル１３に入力することにより当該地震動評価モデル１３から目的変数として出力される地震動指標差分値ｆ_ＭＬを取得する。そして、予測部４１１は、以下の式（２）に示すように、地震動指標計算値ｆ_ｆｏｒｍと、地震動指標差分値ｆ_ＭＬとの和に基づいて、地震動指標ｆ_ｅｖを算出する。

【0071】

【数2】

【0072】

このとき、地震動評価モデル１３が、特徴量及び目的変数の相関関係を適切に学習済みの場合には、以下の式（３）が成立する。

【0073】

【数3】

【0074】

したがって、式（１）～（３）により、以下の式（４）が成立する。

【0075】

【数4】

【0076】

その際、受付部４１０が、想定地震を複数受け付けたり、予測点位置を複数受け付けたりすることで、予測対象として複数の地震動諸特性パラメータを受け付けた場合には、予測部４１１は、複数の地震動諸特性パラメータの各々を地震動評価式ｆ及び地震動評価モデル１３に入力することで、複数の地震動諸特性パラメータの各々に対応する地震動指標ｆ_ｅｖをそれぞれ予測する。

【0077】

なお、目的変数として、例えば、図４に示す１１種類の地震動指標を採用する場合には、予測部４１１は、予測対象の地震動諸特性パラメータを、目的変数毎の地震動評価式と、目的変数毎に生成された合計１１個の地震動評価モデル１３Ａ～１３Ｋとにそれぞれ代入することで、目的変数（１１種類の地震動指標）毎に、予測対象の地震動諸特性パラメータに対応する地震動指標ｆ_ｅｖを予測すればよい。

【0078】

（出力処理部４１２による出力処理工程について）
出力処理部４１２は、予測部４１１にて予測された地震動指標を視認可能な出力媒体に出力する。例えば、出力媒体が、表示部４４のような表示媒体である場合には、出力処理部４１２は、表示媒体に表示するための表示データ（出力データ）を生成し、表示媒体に表示出力する。また、出力媒体が、紙媒体である場合には、出力処理部４１２は、紙媒体に印刷するための印刷データ（出力データ）を生成し、紙媒体に印刷出力する。なお、出力処理部４１２は、出力データを、例えば、地震動予測マップ作成システムやハザードマップ作成システム等に通信出力するようにしてもよいし、公共施設、建物、工場等の防災システムに通信出力するようにしてもよい。

【0079】

例えば、出力処理部４１２は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータが、１つの想定地震に対して、例えば、各格子点を予測点位置とするような複数の地震動諸特性パラメータであるとき、当該複数の地震動諸特性パラメータに基づいて予測部４１１にて予測された各予測点位置における複数の地震動指標の値を、地図上に重畳するように、例えば、コンター図や、色分けしたメッシュ図として出力媒体に出力する。

【0080】

また、出力処理部４１２は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータが、予測点位置を中心として異なる複数の方位特性を含む複数の地震動諸特性パラメータであるとき、当該複数の地震動諸特性パラメータに基づいて予測部４１１にて予測された各方位における複数の地震動指標の値を、出力媒体における基準点からの距離として表すとともに、複数の方位特性を、基準点を中心とする各方位に割り当てることにより、複数の地震動指標を出力媒体に出力する。

【0081】

さらに、出力処理部４１２は、受付部４１０にて受け付けられた予測対象の地震動諸特性パラメータが、異なる震源距離を含む複数の地震動諸特性パラメータであるとき、当該複数の地震動諸特性パラメータに基づいて予測部４１１にて予測された複数の地震動指標の値を距離減衰特性として表すことにより、複数の地震動指標を出力媒体に出力する。

【0082】

以上のように、本実施形態に係る地震動評価モデル生成装置３及び地震動評価モデル生成方法によれば、評価式用の地震動諸特定パラメータＰ１とは異なる種類の地震動諸特定パラメータを少なくとも含む学習用の地震動諸特性パラメータＰ２を特徴量とし、地震動評価式ｆから得られる地震動指標計算値ｆ_ｆｏｒｍと地震動観測記録から得られる地震動指標観測値ｆ_ｏｂｓとの差による地震動指標差分値δを目的変数として学習用データ１２を構成し、地震動評価モデル１３を生成する。そのため、地震動評価モデル１３には、地震動評価式ｆで変数として用いられていない地震動諸特性パラメータや偶発的なばらつきが地震動指標に寄与する量が反映されることで、統計分析では容易に得られないような不明瞭な事実が抽出される。したがって、明瞭な事実に特化した地震動評価式ｆと、不明瞭な事実に特化した機械学習の両者を活用し、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することが可能な地震動評価モデル１３を提供することができる。

【0083】

また、本実施形態に係る地震動評価装置４及び地震動評価方法によれば、地震動評価式ｆから得られる地震動指標計算値ｆ_ｆｏｒｍと、地震動評価モデル１３から得られる地震動指標差分値ｆ_ＭＬとの和に基づいて、地震動指標ｆ_ｅｖを算出する。そのため、地震動指標ｆ_ｅｖは、地震動評価式ｆに反映された明瞭な事実と、地震動評価モデル１３に反映された不明瞭な事実とが考慮されて算出される。したがって、明瞭な事実に特化した地震動評価式と、不明瞭な事実に特化した機械学習の両者を活用し、将来発生すると考えられる地震による地震動の特性を高精度で評価・予測することができる。

【0084】

（他の実施形態）
以上、本発明の実施形態について説明したが、本発明は上記各実施形態に限定されるものではなく、本発明の技術的思想を逸脱しない範囲で適宜変更可能である。

【0085】

（地震動指標差分値δに対する変換処理について）
地震動評価モデル生成装置３の生成部３１２が、機械学習により地震動評価モデル１３を生成する際、機械学習の目的変数である地震動指標差分値δの分布や値域に応じて、地震動指標差分値δに対して変換処理を施すようにしてもよい。変換処理としては、例えば、正規化や基準化、対数への変換等が挙げられる。地震動指標差分値δに対する変換処理を関数ｙで表し、その逆変換処理を逆関数ｙ_－１で表すと、上記の（２）、（３）に代えて、以下の式（５）、（６）が成立する。

【0086】

【数5】

【0087】

【数6】

【0088】

したがって、生成部３１２は、取得部３１１にて取得された複数の学習用データ１２に基づいて、特徴量及び変換処理後の目的変数ｙ（δ）の相関関係を機械学習により学習することにより地震動評価モデル１３を生成する。

【0089】

地震動評価装置４の予測部４１１が、上記のようにして生成された地震動評価モデル１３に基づいて、地震動を評価・予測する際、評価式用の地震動諸特性パラメータＰ１を地震動評価式ｆに代入して地震動指標計算値ｆ_ｆｏｒｍを計算するとともに、学習用の地震動諸特性パラメータＰ２を特徴量として地震動評価モデル１３に入力することにより当該地震動評価モデル１３から目的変数ｆ_ＭＬに逆変換処理を施し、その逆変換処理後の目的変数を地震動指標差分値ｙ^－１（ｆ_ＭＬ）として取得する。そして、予測部４１１は、上記の式（５）に示すように、地震動指標計算値ｆ_ｆｏｒｍと、地震動指標差分値ｙ^－１（ｆ_ＭＬ）との和に基づいて、地震動指標ｆ_ｅｖを算出する。

【0090】

また、上記実施形態では、地震動評価モデル生成装置３が、関東地方一都六県に設置された観測点１３８地点の観測データを用いて地震動評価モデル１３を生成し、地震動評価装置４が、その地震動評価モデル１３を用いて関東地方における地震動を評価・予測するものとして説明したが、地震動評価モデル１３の対象となる地域はこれに限られず、また、対象となる地域の範囲や形状も任意に変更してもよい。さらに、地震動評価モデル１３は、地域を対象とするだけでなく、観測点を対象としてもよいし、複数の観測点が所定の分類基準に従ってグループ化された観測点グループを対象としてもよい。

【0091】

また、上記実施形態に係る地震動評価モデル生成装置３は、新たな地震が発生し、地震動観測記録が観測されたときに、当該新たな地震に基づく地震動データ１１によりデータベース１０に更新し、更新後のデータベース１０に基づいて、地震動評価モデル１３を自動的に再生成するようにしてもよい。そして、上記実施形態に係る地震動評価装置４は、再生成された地震動評価モデル１３に基づいて、地震動の特性を自動的に再評価・再予測してもよい。

【0092】

また、上記実施形態では、学習用データ１２を構成する特徴量は、図４に示す２５種類の地震動諸特性パラメータのうち７種類の学習用の地震動諸特性パラメータＰ２が選定されたものとして説明したが、２５種類の地震動諸特性パラメータから任意の地震動諸特性パラメータを特徴量として選定して組み合わせてもよいし、２５種類の地震動諸特性パラメータ以外の他の地震動諸特性パラメータを特徴量としてさらに組み合わせてもよい。

【0093】

また、上記実施形態では、地震動評価モデル生成プログラム３００及び地震動評価プログラム４００は、記憶部３０、４０にそれぞれ記憶されたものとして説明したが、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、ＤＶＤ、ＵＳＢメモリ等のコンピュータで読み取り可能な記録媒体に記録されて提供されてもよい。また、地震動評価モデル生成プログラム３００及び地震動評価プログラム４００は、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供されてもよい。

【符号の説明】

【0094】

１…地震動評価システム、
２Ａ…観測データ提供装置、２Ｂ…解析データ提供装置、
２Ｃ…地下構造データ提供装置、
３…地震動評価モデル生成装置、４…地震動評価装置、
５…ネットワーク、６…地震動シミュレーション装置、
１０…データベース、１１…地震動データ、１２…学習用データ、
１３、１３Ａ～１３Ｋ…地震動評価モデル、
３０…記憶部、３１…制御部、３２…通信部、３３…入力部、３４…表示部、
４０…記憶部、４１…制御部、４２…通信部、４３…入力部、４４…表示部、
３００…地震動評価モデル生成プログラム、
３１０…ＤＢ管理部、３１１…取得部、３１２…生成部、
４００…地震動評価プログラム、
４１０…受付部、４１１…予測部、４１２…出力処理部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】