文献

J-GLOBAL ID：202202240148829694   整理番号：22A0062812

機械学習による津波到達時間予測に関する検討

A Study on Tsunami Arrival Time Prediction by Machine Learning

著者 (4件)： 郡司滉大 (中央大学大学院 理工学研究科 都市人間環境学専攻) ,  宮内俊晴 (中央大学大学院 理工学研究科 都市人間環境学専攻) ,  渡部真史 (中央大学 理工学部都市環境学科) ,  有川太郎 (中央大学 理工学部都市環境学科)
資料名： 土木学会論文集 B2(海岸工学)(Web)  (海岸工学論文集(Web))
巻： 77  号： 2  ページ： I_307-I_312(J-STAGE)  発行年： 2021年 
JST資料番号： U0396A  ISSN： 1883-8944  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本検討では,地震が発生してから瞬時に津波到達時間予測を行うための初期段階として,南海トラフを対象とした津波数値シミュレーション結果から得た初期水位の画像を用いて,津波到達時間の予測を機械学習を用いて行った.津波到達時間は,前処理として3分おきと2分おきに色付けをして学習に用いた.津波到達時間の予測では,学習データを増やすことによって精度の向上がみられ,津波到達時間の誤差が3分以内に収まる場所も見受けられた.また,三重県A町とB市の比較を行い,予測精度の違いを確認した.津波到達時間の色付けの間隔を変えたケースでは,大きな違いは見られず,浸水範囲は過大評価,津波到達時間は現状過大もしくは過小評価となっているが,初期水位の情報から津波到達時間を機械学習によって概ね良好に予測できた.(著者抄録)

シソーラス用語： 地震 ,  *機械学習 ,  *津波 ,  データ ,  精度 ,  水位 ,  *予測 ,  浸水 ,  学習データ ,  予測精度 ,  浸水想定区域
準シソーラス用語： 浸水予想区域 ,  *津波到達時間予測

著者キーワード (4件)： Machine learning ,  Neural network ,  Tsunami arrival time ,  Tsunami simulation

分類 (3件)： 沿岸海洋物理学  (DC06060N) ,  波浪,潮流  (DC06040R) ,  自然災害  (RA02030M)

引用文献 (13件)：

• 1) Available at. https://www.jishin.go.jp/regional_seismiity/rs_kaiko/k_nankai/, 南海トラフで発生する地震-地震調査研究推進本部, Accessed date: 17 May 2021
• 2) 南海トラフ巨大地震対策検討ワーキンググループ南海トラフの巨大地震による津波高・浸水域等(第二次報告)及び被害想定(第一次報告)について,P4,2012
• 3) Availble at. https://www.data.jma.go.jp/svd/eqev/data/tsunami/ryoteki.html, 気象庁|津波を予測する仕組み, Accessed date: 22 May 2021
• 4) Christopher M. Liu, Donsub Rim, Robert Baraldi, Randall J. LeVeque : Comparison of Machine Learning Approaches for Tsunami Forecasting from Sparse Observations, 2021
• 5) Jun-Whan Lee, Jennifer L. Irish, Robert Weiss : Rapid prediction of alongshore run-up distribution from near-feld tsunamis, Natural Hazards (2020) 104:1157-1180

タイトルに関連する用語 (4件)： 機械学習 ,  津波 ,  到達時間 ,  予測