特許 7512139 地震動評価モデル提供方法、及び、地震動評価モデル提供装置

(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】2024-06-28

(45)【発行日】2024-07-08

(54)【発明の名称】地震動評価モデル提供方法、及び、地震動評価モデル提供装置

(51)【国際特許分類】

   G01V 1/28 20060101AFI20240701BHJP

   G06N 20/00 20190101ALI20240701BHJP

【ＦＩ】

G01V1/28

G06N20/00

【請求項の数】 4

(21)【出願番号】P 2020153553

(22)【出願日】2020-09-14

(65)【公開番号】P2022047650

(43)【公開日】2022-03-25

【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】石井 透

(72)【発明者】

【氏名】小穴 温子

(72)【発明者】

【氏名】和田 健介

【審査官】佐々木 崇

(56)【参考文献】

【文献】特開２００６－１７０７３９（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２０／００１９８８２（ＵＳ，Ａ１）

【文献】国際公開第２０１８／００８７０８（ＷＯ，Ａ１）

【文献】特開２００９－１８０６８７（ＪＰ，Ａ）

【文献】特開２０１９－１７０３５９（ＪＰ，Ａ）

【文献】特表２００８－５１２８００（ＪＰ，Ａ）

【文献】特開２００２－１６８９６３（ＪＰ，Ａ）

【文献】特開２０１４－００６１５８（ＪＰ，Ａ）

【文献】特開２０１９－０４６４６９（ＪＰ，Ａ）

【文献】特開２０１８－０４４７７５（ＪＰ，Ａ）

【文献】特開２００８－２８１４６２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｖ １／００－９９／００

Ｇ０６Ｎ ３／００－ ３／１２

７／０８－９９／００

(57)【特許請求の範囲】

【請求項1】

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てデータベースに登録された地震動データを学習用データとする機械学習を行い、当該機械学習に基づく地震動評価モデルの最新版を外部に提供する地震動評価モデル提供方法であって、
新たな前記地震動データを収集し、当該新たな地震動データに対して所定の前処理を実施した更新用の前記地震動データにより前記データベースを更新するデータベース更新工程と、
更新後の前記データベースから新たな前記学習用データを取得して前記機械学習を行い、前記地震動諸特性パラメータと前記地震動観測記録から得られる地震動指標との相関関係を機械学習させた前記地震動評価モデルの更新案を生成する機械学習工程と、
前記更新案に対して所定の検証処理を実施し、その結果有効性が認められた場合に、当該更新案により前記最新版を更新するモデル更新工程とを含み、
前記前処理は、
前記新たな地震動データを解析し、前記データベースに登録することが不適切な場合に当該地震動データを除外する除外処理を含み、
前記除外処理は、
前記新たな地震動データに含まれる前記地震動観測記録の時刻歴波形において、信号雑音比が所定値よりも小さい場合に当該地震動データを除外する第１の除外処理と、
前記時刻歴波形において、別地震又は別事象が混在している場合に当該地震動データを除外する第２の除外処理と、
前記時刻歴波形において、前記地震動観測記録の記録時間が不足している場合に当該地震動データを除外する第３の除外処理との少なくとも１つを含む、
地震動評価モデル提供方法。

【請求項2】

前記第１の除外処理は、
前記信号雑音比に係る異常状態が正解ラベルとして付与された時刻歴波形に基づく画像データを用いて当該画像データと当該異常状態との相関関係を機械学習させた第１の時刻歴波形評価モデルに、前記新たな地震動データに含まれる前記地震動観測記録の前記時刻歴波形に基づく画像データを入力することにより当該第１の時刻歴波形評価モデルから出力された前記信号雑音比に係る異常状態に基づいて当該地震動データを除外し、
前記第２の除外処理は、
前記別地震又は前記別事象に係る異常状態が正解ラベルとして付与された時刻歴波形に基づく画像データを用いて当該画像データと当該異常状態との相関関係を機械学習させた第２の時刻歴波形評価モデルに、前記新たな地震動データに含まれる前記地震動観測記録の前記時刻歴波形に基づく画像データを入力することにより当該第２の時刻歴波形評価モデルから出力された前記別地震又は前記別事象に係る異常状態に基づいて当該地震動データを除外し、
前記第３の除外処理は、
前記記録時間に係る異常状態が正解ラベルとして付与された時刻歴波形に基づく画像データを用いて当該画像データと当該異常状態との相関関係を機械学習させた第３の時刻歴波形評価モデルに、前記新たな地震動データに含まれる前記地震動観測記録の前記時刻歴波形に基づく画像データを入力することにより当該第３の時刻歴波形評価モデルから出力された前記記録時間に係る異常状態に基づいて当該地震動データを除外する、
請求項１に記載の地震動評価モデル提供方法。

【請求項3】

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てデータベースに登録された地震動データを学習用データとする機械学習を行い、当該機械学習に基づく地震動評価モデルの最新版を外部に提供する地震動評価モデル提供方法であって、
新たな前記地震動データを収集し、当該新たな地震動データに対して所定の前処理を実施した更新用の前記地震動データにより前記データベースを更新するデータベース更新工程と、
更新後の前記データベースから新たな前記学習用データを取得して前記機械学習を行い、前記地震動諸特性パラメータと前記地震動観測記録から得られる地震動指標との相関関係を機械学習させた前記地震動評価モデルの更新案を生成する機械学習工程と、
前記更新案に対して所定の検証処理を実施し、その結果有効性が認められた場合に、当該更新案により前記最新版を更新するモデル更新工程とを含み、
前記検証処理は、
前記更新案に基づく前記地震動指標の予測値と、現在又は過去における前記最新版に基づく前記地震動指標の予測値とを比較することにより、当該更新案を検証する第１の検証処理を含む、
地震動評価モデル提供方法。

【請求項4】

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提供方法に含まれる各工程を実行する制御部を備える、
地震動評価モデル提供装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、地震動評価モデル提供方法、及び、地震動評価モデル提供装置に関する。

【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】

近年の専門分野の細分化・高度化や少子化に伴う専門家の減少といった環境変化もあって、このような地震動評価式の提案・改善に向けて個々の専門家が直接取り組める時間・労力は限られてきている。また、既往の検討により開発され活用されている実用的な地震動評価式は、個々の専門家の検討に用いられた地震観測記録のデータに依存する上、大規模な地震や最大級の地震動は稀な自然現象であるため、それらの予測式に反映される既往の知見の質と量にはアンバランスが含まれている。

【0007】

日々蓄積・解析されることによるデータ量の増加、コンピュータの情報処理能力の向上やシミュレーション技術の進歩はそれらの問題の改善に大きく寄与する可能性を秘めているが、そのためには新たな地震の発生により新たな観測データやシミュレーション結果が得られる度に個々の専門家が地震動評価式の再検討・再評価を行わなければならない。しかしながら、そのような作業のためにその都度個々の専門家が膨大な時間と労力を費やすことには限界があり、現実にはなかなかその作業が進まない。

【0008】

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、地震が発生する度に得られる新たな観測データやシミュレーション結果等をデータベースに随時取り込み、ビッグデータを地震動の評価・予測に有効活用することを可能とする地震動評価モデル提供方法、及び、地震動評価モデル提供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】

【0009】

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提供方法は、
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てデータベースに登録された地震動データを学習用データとする機械学習に基づく地震動評価モデルの最新版を外部に提供する地震動評価モデル提供方法であって、
新たな前記地震動データを収集し、当該新たな地震動データに対して所定の前処理を実施した更新用の前記地震動データにより前記データベースを更新するデータベース更新工程と、
更新後の前記データベースから新たな前記学習用データを取得して前記機械学習を行い、前記地震動諸特性パラメータと前記地震動観測記録から得られる地震動指標値との相関関係を機械学習させた前記地震動評価モデルの更新案を生成する機械学習工程と、
前記更新案に対して所定の検証処理を実施し、その結果有効性が認められた場合に、当該更新案により前記最新版を更新するモデル更新工程とを含む。

【0010】

また、本発明の一実施形態に係る地震動評価モデル提供装置は、
コンピュータであって、上記地震動評価モデル提供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】

【0011】

本発明の一実施形態に係る地震動評価モデル提供装置、及び、地震動評価装置によれば、地震が発生する度に得られる新たな観測データやシミュレーション結果等に対して所定の前処理を施した上でそれらを採用することによりデータベースを随時更新しつつ、当該データベースから新たな学習用データを取得して地震動評価モデルの更新案を随時生成し、所定の検証処理により有効性が認められた場合に、当該更新案により地震動評価モデルの最新版を更新し、外部に提供する。したがって、地震動評価モデルは、新たなデータが得られる度に随時自動生成、検証、高度化されて外部に提供されるので、ビッグデータを地震動の評価・予測に有効活用することができる。

【図面の簡単な説明】

【0012】

【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提供装置３及び地震動評価モデル提供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】時刻歴波形の解析例を示し、（ａ）はフーリエ振幅スペクトル図、（ｂ）は別地震又は別事象を含む時刻歴波形図、（ｃ）は頭部不足の時刻歴波形図である。

【図6】勾配ブースティング木の概要を示す概要図である。

【図7】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】

【0013】

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。

【0014】

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。

【0015】

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、所定のシミュレーション手法に従って地震動シミュレーションを実行し、そのときのシミュレーション条件やシミュレーション結果をシミュレーションデータとして外部に提供する地震動シミュレーションデータ提供装置２Ｄとを備える。

【0016】

また、地震動評価システム１は、データ提供装置２Ａ～２Ｄにより提供された新たなデータに基づいてデータベース１０を随時更新するとともに、その更新したデータベース１０を用いて機械学習に基づく地震動評価モデル１３の最新版１３１を随時更新して提供する地震動評価モデル提供装置３と、地震動評価モデル提供装置３により提供された地震動評価モデル１３（最新版１３１）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。

【0017】

地震動評価モデル提供装置３により地震動評価装置４に提供された地震動評価モデル１３は、例えば、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、社会で幅広く活用することが可能である。

【0018】

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。

【0019】

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。

【0020】

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。

【0021】

なお、観測データ提供装置２Ａ、解析データ提供装置２Ｂ及び地下構造データ提供装置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モデル提供装置３に提供してもよいし、地震動評価モデル提供装置３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）を地震動評価モデル提供装置３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。

【0022】

地震動シミュレーションデータ提供装置２Ｄは、地震が発生したときに、又は、仮想の地震が発生したと想定したときに、当該地震による地震動を所定のシミュレーション手法に従って解析するものであり、そのときのシミュレーション条件やシミュレーション結果をシミュレーションデータとして外部に提供する。その際、所定のシミュレーション手法は、任意の手法が採用可能であり、複数の手法が採用されてもよい。また、地震動シミュレーションデータ提供装置２Ｄは、自装置にて地震動シミュレーションを実行することでシミュレーションデータを提供するものでもよいし、他の装置で地震動シミュレーションが実行されたときのシミュレーションデータを提供するものでもよい。

【0023】

なお、地震動シミュレーションデータ提供装置２Ｄは、新たな地震動シミュレーションを実行したときに、当該地震動シミュレーションに関するシミュレーションデータを地震動評価モデル提供装置３に随時提供してもよいし、地震動評価モデル提供装置３からデータの要求を受けたときに、その要求に関するシミュレーションデータ（地震動評価モデル提供装置３からシミュレーション条件を受けた場合には、そのシミュレーション条件に基づいて地震動シミュレーションを実行したときのシミュレーション結果を含むシミュレーションデータでもよい）を地震動評価モデル提供装置３に提供してもよい。

【0024】

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。

【0025】

（地震動評価モデル提供装置３の構成と各部による工程について）
地震動評価モデル提供装置３は、データ提供装置２Ａ～２Ｄ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、シミュレーションデータ）を収集し、データベース１０を随時更新する。地震動評価モデル提供装置３は、その更新したデータベース１０を用いて、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の更新案１３０を生成する。地震動評価モデル提供装置３は、その更新案１３０により地震動評価モデル１３の最新版１３１を更新し、その更新後の地震動評価モデル１３の最新版１３１を外部（本実施形態では、地震動評価装置４）に提供する。

【0026】

地震動評価モデル提供装置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～２Ｄ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、地震動評価モデル提供装置３の動作を制御して地震動評価モデル提供方法を実現する地震動評価モデル提供プログラム３００とが記憶されている。なお、データベース１０は、記憶部３０に代えて、外部記憶装置に記憶されていてもよく、その場合には、地震動評価モデル提供装置３は、ネットワーク５を介して当該外部記憶装置と通信し、データベース１０にアクセスするようにすればよい。

【0028】

制御部３１は、地震動評価モデル提供プログラム３００を実行することにより、データベース更新部３１０、機械学習部３１１、及び、モデル更新部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提供装置３及び地震動評価モデル提供方法の一例を示す機能説明図である。

【0030】

（データベース更新部３１０によるデータベース更新工程について）
データベース更新部３１０は、データ提供装置２Ａ～２Ｄにより提供された新たな提供データ（観測データ、解析データ、地下構造データ、シミュレーションデータ）に基づいて新たな地震動データ１１Ａを収集し、当該新たな地震動データ１１Ａに対して所定の前処理を実施した更新用の地震動データ１１Ｂによりデータベース１０を更新する。

【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、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地震動データ１１が複数登録されて記憶されている。シミュレーションデータが、実際の地震又は仮想の地震による地震動を地震動シミュレーションにより算出したときのシミュレーション条件及びシミュレーション結果を含む場合には、シミュレーション条件を地震動諸特性パラメータとして、シミュレーション結果を地震動観測記録又は地震動指標として扱うことにより、データベース１０には、当該シミュレーションデータが地震動データ１１として登録される。

【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～２Ｄ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】

データベース更新部３１０がデータベース１０を更新する更新条件としては、例えば、新たな地震動データ１１Ａが所定数以上収集されたときでもよいし、更新用の地震動データ１１Ｂが所定数以上蓄積されたときでもよいし、所定の期間毎（例えば、1時間毎、1日毎、1週間毎、1か月毎等）でもよいし、これらの条件を組み合わせたものでもよい。また、更新条件は、地震動評価モデル提供装置３の管理者からの指示操作に基づいて適宜変更されてもよいし、同一の更新条件が常時設定されていてもよい。

【0044】

（新たな地震動データ１１Ａに対する所定の前処理について）
データベース更新部３１０による所定の前処理は、新たな地震動データ１１Ａを解析し、データベース１０に登録することが不適切な場合に当該地震動データ１１Ａを除外する除外処理と、新たな地震動データ１１Ａに対して補正処理及びノイズ除去処理を行う加工処理との少なくとも一方を含む。したがって、データベース更新部３１０が、前処理として除外処理と加工処理の両方を実施する場合には、更新用の地震動データ１１Ｂとしては、除外処理にて除外されなかった新たな地震動データ１１Ａであって、加工処理にて補正処理及びノイズ除去処理が行われた後の新たな地震動データ１１Ａがデータベース１０に新たに登録される。

【0045】

除外処理は、例えば、新たな地震動データ１１Ａに含まれる地震動観測記録の時刻歴波形を解析し、当該地震動データ１１Ａをデータベース１０に登録することが適切か不適切かの適否を判定し、不適切と判定した場合に、当該地震動データ１１Ａをデータベース１０に登録する対象から除外する。なお、除外処理では、管理者により新たな地震動データ１１Ａが不適切と判定された場合には、その旨を示す管理者の指示操作に基づいて当該地震動データ１１Ａを除外するようにしてもよい。

【0046】

例えば、除外処理は、第１の除外処理と、第２の除外処理と、第３の除外処理との少なくとも１つを含む。第１の除外処理は、時刻歴波形において信号雑音比（Ｓ／Ｎ比）が所定値よりも小さい場合に不適切と判定する。第２の除外処理は、時刻歴波形において別地震又は別事象が混在している場合に不適切と判定する。第３の除外処理は、時刻歴波形において地震動観測記録の記録時間が不足（頭部不足、尾部不足又は両方不足）している場合に不適切と判定する。

【0047】

図５は、時刻歴波形の解析例を示し、（ａ）はフーリエ振幅スペクトル図、（ｂ）は別地震又は別事象を含む時刻歴波形図、（ｃ）は頭部不足の時刻歴波形図である。

【0048】

専門家が、地震動データ１１Ａに含まれる地震動観測記録において、例えば、振幅が小さくノイズが大きいか否かに応じて地震動データ１１Ａの適否を判定する場合、一般的に、数値データのみではノイズの有無や信号雑音比を判断することが難しい。そのため、専門家は、時刻歴の数値データに基づいて、例えば、図５（ａ）に示すフーリエ振幅スペクトル図（画像データ）を作成し、そのフーリエ振幅スペクトル図を目視してノイズを識別し、さらにノイズを除去する周波数フィルタの周期範囲を設定し、最終的に地震動データ１１Ａの適否を判定している。また、専門家は、例えば、図５（ｂ）、（ｃ）に示す時刻歴波形図（画像データ）を目視して、別地震又は別事象が混在しているか否か、記録時間が不足しているか否かを判定している。そこで、専門家が画像データを目視して地震動データ１１Ａの適否を判定したときの判定結果が正解ラベルとして付与された当該画像データを用いて機械学習モデルを事前に生成しておき、除外処理では、当該機械学習モデルを用いて地震動データ１１Ａの適否を判定する手法を採用することが可能である。

【0049】

第１の除外処理の事前準備として、信号雑音比に係る異常状態が正解ラベルとして付与された時刻歴波形に基づく画像データ（図５（ａ）参照）を用いて当該画像データと当該異常状態との相関関係を機械学習させた第１の時刻歴波形評価モデル１４Ａを生成し、記憶部３０に記憶される。そして、第１の除外処理では、新たな地震動データ１１Ａに含まれる地震動観測記録の時刻歴波形に基づく画像データを第１の時刻歴波形評価モデル１４Ａに入力する。そして、当該第１の時刻歴波形評価モデル１４Ａから出力された信号雑音比に係る異常状態に基づいて、新たな地震動データ１１Ａの適否を判定し、不適切と判定した場合に当該地震動データ１１Ａを除外する。

【0050】

第２の除外処理の事前準備として、別地震又は別事象に係る異常状態が正解ラベルとして付与された時刻歴波形に基づく画像データ（図５（ｂ）参照）を用いて当該画像データと当該異常状態との相関関係を機械学習させた第２の時刻歴波形評価モデル１４Ｂを生成し、記憶部３０に記憶される。そして、第２の除外処理では、新たな地震動データ１１Ａに含まれる地震動観測記録の時刻歴波形に基づく画像データを第２の時刻歴波形評価モデル１４Ｂに入力する。その結果、当該第２の時刻歴波形評価モデル１４Ｂから出力された別地震又は別事象に係る異常状態に基づいて、新たな地震動データ１１Ａの適否を判定し、不適切と判定した場合に当該地震動データ１１Ａを除外する。

【0051】

第３の除外処理の事前準備として、記録時間に係る異常状態が正解ラベルとして付与された時刻歴波形に基づく画像データ（図５（ｃ）参照）を用いて当該画像データと当該異常状態との相関関係を機械学習させた第３の時刻歴波形評価モデル１４Ｃを生成し、記憶部３０に記憶される。そして、第３の除外処理では、新たな地震動データ１１Ａに含まれる地震動観測記録の時刻歴波形に基づく画像データを第３の時刻歴波形評価モデル１４Ｃに入力する。その結果、当該第３の時刻歴波形評価モデル１４Ｃから出力された記録時間に係る異常状態に基づいて、新たな地震動データ１１Ａの適否を判定し、不適切と判定した場合に当該地震動データ１１Ａを除外する。

【0052】

なお、第１乃至第３の時刻歴波形評価モデル１４Ａ～１４Ｃでは、任意の機械学習アルゴリズムを採用することが可能であるが、例えば、畳み込みニューラルネットワーク（ＣＮＮ）を採用すればよい。また、画像データは、時刻歴波形に基づく画像データであれば、時刻歴波形図、フーリエ振幅スペクトル図等を含む任意の画像データを採用することが可能である。その際、画像データは、スケールを基準化する等の処理が実施されたものでもよい。

【0053】

加工処理は、補正処理として、例えば、新たな地震動データ１１Ａに含まれる地震動観測記録の時刻歴波形に対して、例えば、基線補正等を行う。また、加工処理は、ノイズ除去処理として、新たな地震動データ１１Ａに含まれる地震動観測記録の時刻歴波形に対して、例えば、時刻歴フィルタ処理、周波数フィルタ処理等を行う。

【0054】

（機械学習部３１１による機械学習工程について）
機械学習部３１１は、図３に示すように、更新後のデータベース１０に登録された複数の地震動データ１１（更新用の地震動データ１１Ｂを含む）から、地震動諸特性パラメータを特徴量とし、地震動観測記録から得られる地震動指標を目的変数として、特徴量及び目的変数で構成される新たな学習用データ１２を複数取得する。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。

【0055】

機械学習部３１１は、更新後のデータベース１０から新たな学習用データ１２を複数取得する際、更新用の地震動データ１１Ｂを意図的に含むように新たな学習用データ１２を取得してもよいし、更新用の地震動データ１１Ｂを含むか否かに関係なく、新たな学習用データ１２を無作為に取得してもよい。また、機械学習部３１１は、所定の地震条件及び所定の地震動条件の少なくとも一方を満たす地震に基づく地震動データ１１を学習用データ１２として選択するようにしてもよい。例えば、地震条件及び地震動条件は、ある程度振幅が大きな地震動がバランス良く分布するように設定されるのが好ましい。

【0056】

本実施形態では、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、モーメントマグニチュードＭｗ、震源深さＨ、震源距離Ｘ、震央方位Λ（ｓｉｎΛとｃｏｓΛのペア）、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の６種類であり、学習用データ１２を構成する目的変数は、図４に示す１１種類の地震動指標のうち、最大加速度ＰＧＡの１種類であるものとして説明する。

【0057】

機械学習部３１１は、図３に示すように、更新後のデータベース１０から取得した複数の学習用データ１２を用いて機械学習を行い、特徴量及び目的変数の相関関係を機械学習させた学習済みモデルとして、地震動評価モデル１３の更新案１３０を生成し、記憶部３０に一時的に記憶する。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。

【0058】

図６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。

【0059】

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。

【0060】

さらに、モデル更新部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（更新案１３０）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（更新案１３０）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）との相関関係を機械学習させた第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）との相関関係を機械学習させた第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。

【0061】

（モデル更新部３１２によるモデル更新工程について）
モデル更新部３１２は、更新案１３０に対して所定の検証処理を実施し、その結果有効性が認められた場合に、当該更新案１３０により最新版１３１を更新する。

【0062】

（更新案１３０に対する所定の検証処理について）
モデル更新部３１２による所定の検証処理は、更新案１３０の有効性の有無を定量的又は定性的に検証するものであり、その結果更新案１３０の有効性が認められた場合（図３の「ＯＫ」の場合）には、上記のように、当該更新案１３０により最新版１３１が更新される。一方、更新案１３０の有効性が認められなかった場合（図３の「ＮＧ」の場合）には、当該更新案１３０により最新版１３１が更新されず、当該更新案１３０は外部に提供されない。その場合、更新案１３０は、記憶部３０から削除してもよいし、外部に提供されない状態で記憶部３０に記憶されたままとしてもよい。なお、検証処理では、管理者により更新案１３０の有効性が認められないと判定された場合には、その旨を示す管理者の指示操作に基づいて更新案１３０により最新版１３１を更新しないようにしてもよい。

【0063】

定量的な検証処理は、例えば、第１の検証処理と、第２の検証処理と、第３の検証処理との少なくとも１つを含む。

【0064】

第１の検証処理は、更新案１３０に基づく地震動指標の予測値と、現在又は過去における最新版１３１に基づく地震動指標の予測値（基準値）とを比較することにより、当該更新案１３０を検証する。第１の検証処理では、例えば、学習用データセットにおけるテストデータに含まれる地震動諸特性パラメータを特徴量として更新案１３０に入力することにより当該更新案１３０から出力される目的変数を、更新案１３０に基づく地震動指標の予測値として取得する。また、同一のテストデータを特徴量として現在又は過去における最新版１３１に入力することにより当該地震動評価モデル１３から出力される目的変数を基準値として取得する。そして、両者の値を比較し、所定の閾値以下である場合に、更新案１３０の有効性が認められる。なお、複数のテストデータを用いた場合には、両者の平均値や標準偏差等を比較し、所定の閾値以下である場合に、更新案１３０の有効性が認められる。

【0065】

第２の検証処理は、更新案１３０に基づく地震動指標の予測値と、地震動データ１１に含まれる地震動観測記録から得られる地震動指標の観測値（基準値）とを比較することにより、当該更新案１３０を検証する。第２の検証処理では、第１の検証処理と同様に、学習用データセットにおけるテストデータを用いて、更新案１３０に基づく地震動指標の予測値を取得する。また、同一のテストデータに含まれる地震動観測記録から地震動指標の観測値を基準値として取得する。そして、両者の値を比較し、所定の閾値以下である場合に、更新案１３０の有効性が認められる。なお、複数のテストデータを用いた場合には、第１の検証処理と同様に、両者の平均値や標準偏差等を比較し、所定の閾値以下である場合に、更新案１３０の有効性が認められる。

【0066】

第３の検証処理は、更新案１３０に基づく地震動指標の予測値と、所定の地震動評価式から得られる地震動指標の計算値（基準値）とを比較することにより、当該更新案１３０を検証する。第３の検証処理では、第１の検証処理と同様に、学習用データセットにおけるテストデータを用いて、更新案１３０に基づく地震動指標の予測値を取得する。また、同一のテストデータに含まれる地震動諸特性パラメータを所定の地震動評価式に代入することにより地震動指標の計算値を基準値として取得する。そして、両者の値を比較し、所定の閾値以下である場合に、更新案１３０の有効性が認められる。なお、複数のテストデータを用いた場合には、第１の検証処理と同様に、両者の平均値や標準偏差等を比較し、所定の閾値以下である場合に、更新案１３０の有効性が認められる。

【0067】

定性的な検証処理は、例えば、更新案１３０として生成された地震動評価モデル１３の骨格が物理的に見て不自然なものになっているか否かに基づいて、当該更新案１３０を検証する。

【0068】

モデル更新部３１２は、上記のような検証処理にて地震動評価モデル１３の更新案１３０の有効性が認められた場合に、当該更新案１３０により地震動評価モデル１３の最新版１３１を更新する。その結果、当該更新案１３０により更新された最新版１３１が、外部に提供可能な状態となり公開される。その際、最新版１３１は、事前に登録された配信先（本実施形態では、地震動評価装置４）にネットワーク５を介して自動配信されてもよいし、ダウンロード可能な状態で公開されてもよい。また、地震動評価モデル１３の最新版１３１だけでなく、更新後のデータベース１０についても公開されてもよい。なお、最新版１３１が更新案１３０により更新された場合であっても、最新版１３１を外部に公開するか否かは、管理者の指示操作に基づいて最終的に決定されるようにしてもよい。

【0069】

（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、地震動評価モデル提供装置３により提供された地震動評価モデル１３（最新版１３１）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。

【0070】

地震動評価装置４は、地震動評価モデル提供装置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。

【0071】

記憶部４０には、地震動評価モデル提供装置３により学習済みモデルとして提供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。

【0072】

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。

【0073】

図７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。

【0074】

（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、及び、震源深さＨ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。

【0075】

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（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、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、予測点位置の表層３０ｍ平均Ｓ波速度ＡＶＳ３０、及び、予測点位置の地震基盤面深さＤ２８）を受け付ける。

【0076】

（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を特徴量として、地震動評価モデル１３（本実施形態では、６種類の地震動諸特性パラメータを特徴量とし、１種類の地震動指標を目的変数として、両者の相関関係を学習した学習済みモデル）に入力することにより当該地震動評価モデル１３から出力される目的変数に基づいて、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（予測値）を予測する。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（予測値）をそれぞれ予測する。

【0077】

なお、地震動評価モデル１３が、目的変数（１１種類の地震動指標）毎に生成された合計１１個の地震動評価モデル１３Ａ～１３Ｋを含む場合には、予測部４１１は、予測対象の地震動諸特性パラメータを特徴量として合計１１個の地震動評価モデル１３Ａ～１３Ｋにそれぞれ入力し、合計１１個の地震動評価モデル１３Ａ～１３Ｋからそれぞれ出力される目的変数（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（予測値）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の予測値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予測値を、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予測値を、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予測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提供装置３及び地震動評価モデル提供方法によれば、地震が発生する度に得られる新たな観測データやシミュレーション結果等に対して所定の前処理を施した上でそれらを採用することによりデータベース１０を随時更新しつつ、当該データベース１０から新たな学習用データを取得して地震動評価モデル１３の更新案１３０を随時生成し、所定の検証処理により有効性が認められた場合に、当該更新案１３０により震動評価モデル１３の最新版１３１を更新し、外部に提供する。したがって、地震動評価モデル１３は、新たなデータが得られる度に随時自動生成、検証、高度化されて外部に提供されるので、ビッグデータを地震動の評価・予測に有効活用することができる。

【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、地震動評価モデル提供装置３及び地震動評価モデル生成方法により随時提供された地震動評価モデル１３を利用することにより、個々の専門家の経験に依存することなく、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】

例えば、上記実施形態では、地震動評価モデル提供装置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。

【0086】

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６種類の地震動諸特性パラメータ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。

【0087】

また、上記実施形態では、地震動評価モデル提供プログラム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、地震動評価モデル提供プログラム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】

【0088】

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、２Ｄ…地震動シミュレーションデータ提供装置、
３…地震動評価モデル提供装置、４…地震動評価装置、５…ネットワーク、
１０…データベース、１１、１１Ａ、１１Ｂ…地震動データ
１２…学習用データ、１３、１３Ａ～１３Ｋ…地震動評価モデル、
１４Ａ…第１の時刻歴波形評価モデル、１４Ｂ…第２の時刻歴波形評価モデル
１４Ｃ…第３の時刻歴波形評価モデル
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、
１３０…更新案、１３１…最新版、
３００…地震動評価モデル提供プログラム、
３１０…データベース更新部、３１１…機械学習部、３１２…モデル更新部、
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】