深発月震源分類に適した機械学習法の研究

• 資料種別: 文書・図像類
• タイトル: 深発月震源分類に適した機械学習法の研究
• 著者・編者: 菊池, 栞; 加藤, 広大; 山田, 竜平; 山本, 幸生; 廣田, 雅春; 横山, 昌平; 石川, 博; Kikuchi, Shiori; Kato, Kodai; Yamada, Ryuhei; Yamamoto, Yukio; Hirota, Masaharu; Yokoyama, Shohei; Ishikawa, Hiroshi
• 著者標目: 菊池, 栞; 加藤, 広大; 山田, 竜平; 山本, 幸生; 廣田, 雅春; 横山, 昌平; 石川, 博; Kikuchi, Shiori; Kato, Kodai; Yamada, Ryuhei; Yamamoto, Yukio; Hirota, Masaharu; Yokoyama, Shohei; Ishikawa, Hiroshi
• 出版事項: 宇宙航空研究開発機構(JAXA)
• 出版年月日等: 2017-03-17
• 出版年（W3CDTF）: 2017-03-17
• 並列タイトル等: Study of the suitable machine learning techniques for classication of deep moonquake sources
• タイトル（掲載誌）: 宇宙航空研究開発機構研究開発報告: 宇宙科学情報解析論文誌: 第6号 = JAXA Research and Development Report: Journal of Space Science Informatics Japan: Volume 6
• 巻号年月日等（掲載誌）: JAXA-RR-16-007
• 掲載巻: JAXA-RR-16-007
• 掲載ページ: 51-62
• ISSN（掲載誌）: ISSN : 1349-1113
• 本文の言語コード: jpn
• 件名標目: Moonquakes; Machine Learning; Neural Network
• 対象利用者: 一般
• 一般注記: 深発月震とは, 深さ約1, 000km で発生し, 観測された数が最も多い月震である. これまで深発月震の震源の推定が行われてきたが, 深発月震の波形にノイズが多く含まれることと, 振幅が小さいために, これまでの手法では, 震源の推定が困難な月震も多く存在している. そこで, 我々は, 波形の類似性に基づいて, 月震の震源推定を行うための, 最適な機械学習法について研究を行なった. 震源の分類に機械学習を用いることで, これまでの推定とは異なる新たな特徴を用いた震源の推定や, 推定を行う際の解析処理時間の削減が期待できる. 本研究では, 深発月震の震源を高精度に推定する手法を発見するため, 複数の機械学習の推定の性能を比較し, 検討する. その後, 分類性能の向上のために, 誤って推定されたイベントに着目し, 複数の手法や特徴量による震源の推定結果の比較を行なった. その結果から, 月震ラベルの間違いや, 震源における外れ値などを視野に入れながら, 誤って推定される原因の分析を行った. 本研究で選択した最適な機械学習法による分類を行うことで, 新しい月震イベントカタログの作成や, これまで未分類であったイベントの同定が可能となることが期待される.; Deep moonquake occurs at depth of about 1000km, and it is most frequent lunar seismic event. Due to considerable noises and low amplitudes in deep moonquake waveforms, we have some difficulties to locate the sources when we use conventional method. In this paper, we have investigated suitable machine learning methods to classify the deep moonquake sources based on similarity among the waveforms. The machine learning-based method is more useful to reduce the computational time to classify the sources compared with the conventional method, and it has also advantage to apply the some types of effective features such as power spectral density for the classification. We compared performances of some machine learning methods in order to find the suitable method. Then, the deep events misclassified from some machine learning methods has been also investigated, and we have analyzed causes of misclassification (e.g., mislabel, outlier) for improvement of the classification. It can be expected that the suitable machine learning method will enable us to create a new moonquake event catalog and identify the unclassified events.; 形態: カラー図版あり; Physical characteristics: Original contains color illustrations; 資料番号: AA1630049005; レポート番号: JAXA-RR-16-007
• DOI: 10.20637/JAXA-RR-16-007/0005
• オンライン閲覧公開範囲: 限定公開
• 掲載誌（NCID）: AA1192675X; https://ci.nii.ac.jp/ncid/AA1192675X
• 連携機関・データベース: 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）; https://irdb.nii.ac.jp
• 提供元機関・データベース: 宇宙航空研究開発機構 : 宇宙航空研究開発機構リポジトリ