分散曲線の自動ピッキング その2

Deep learning‐based extraction of surface wave dispersion curves from seismic shot gathers - Chamorro - 2024 - Near Surface Geophysics - Wiley Online Library

AI要約

この研究では、地震ショット収集データから表面波の分散曲線を深層学習を用いて直接抽出する新しい方法を提案した。

背景と課題：
多チャンネル表面波分析（MASW）では、表面波の伝播特性を利用して地盤の情報を得るが、分散曲線の抽出は通常手動で行われ、品質管理が必要であり、多大な労力を要する。

提案手法:：
深層学習（residual network）を使用して、地震ショット収集データとそれに関連する分散曲線との直接的なマッピングを確立する。これにより、分散スペクトルの計算が不要となる。

データ生成：
1Dの圧縮波及びせん断波速度、密度モデルを使用して、1000組のショット収集データとその分散曲線を生成した。

結果：
合成データセットと実際のフィールドデータの両方において高品質な分散曲線の予測を実現した。結果は地域の地質と一致し、信頼性の高い速度モデルを提供できた。

不確実性の定量化:：
モンテカルロドロップアウトと分布パラメータ推定技術を用いて予測の不確実性を評価し、予測プロセスの品質を確認した。

モデルの可視化：
説明可能なAI（XAI）技術を用いて、ネットワークの学習プロセスを理解し、どのデータが予測に寄与しているのかを可視化した。可視化された結果は、モデルが特定の周波数に対してどのように反応しているのかを示し、解析の透明性を高めることに寄与した。

結論：
分散曲線の自動抽出プロセスを効率化し、フィールドデータに対する分散曲線の予測精度を向上させ、実用的な逆解析の結果を得ることができることを示した。

その１の文献よりは受け入れやすい内容です。データ解析の自動化、省力化に寄与することが期待されます。