文献

J-GLOBAL ID：202202264762388769   整理番号：22A1028770

マイクロ地震測定と機械学習法を用いた波浪データ再構成【JST・京大機械翻訳】

Sea Wave Data Reconstruction Using Micro-Seismic Measurements and Machine Learning Methods

著者 (5件)： Iafolla Lorenzo (Assist in Gravitation and Instrumentation srl, Rome, Italy) ,  Fiorenza Emiliano (Assist in Gravitation and Instrumentation srl, Rome, Italy) ,  Chiappini Massimo (Istituto Nazionale di Geofisica e Vulcanologia, Rome, Italy) ,  Carmisciano Cosmo (Istituto Nazionale di Geofisica e Vulcanologia, Rome, Italy) ,  Iafolla Valerio Antonio (Assist in Gravitation and Instrumentation srl, Rome, Italy)
資料名： Frontiers in Marine Science (Web)  (Frontiers in Marine Science (Web))
巻： 9  ページ： 798167  発行年： 2022年 
JST資料番号： U7076A  ISSN： 2296-7745  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 海洋波モニタリングは,気象と波動モデルの検証のような海洋学における多くの応用において重要である。従来のin situ解は,その測定がしばしば標準として認識されるモーラードブイに基づいている。しかし,厳しい環境に曝されると,それらは信頼性がなく,頻繁な保守を必要とし,データセットは多くのギャップを特徴とする。以前の限界を克服するために,ブイ,マイクロ地震測定ステーション,および機械学習アルゴリズムを含むシステムを提案した。作動原理は,海波によって発生する微小地震信号の測定に基づいている。したがって,機械学習アルゴリズムは,マイクロ地震データから欠落ブイデータを再構成するために訓練される。マイクロ地震観測所を屋内に設置できるので,機械学習アルゴリズムが欠測ブイデータの正確な再構成を提供する一方で,高い信頼性を保証する。本研究では,機械学習アルゴリズムを開発し,訓練する方法を提示し,再構成精度を評価した。研究の事例として,著者らは,北タイレニア海から2014年に収集した実験データを用いて,データ再構成が,有意な波高と波周期の両方に対して行うことができることを示した。提案した手法は,データ科学からヒントを得て,その方法は,本研究で提示した新しい解決策の基礎であった。例えば,以前の研究においてしばしば議論されない海波の周期の推定は,機械学習と比較的単純であった。結論として,実験結果は,新システムが同じ精度を保つブイの信頼性問題を克服することができることを示した。Copyright 2022 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 波動 ,  海洋学 ,  *波浪 ,  信頼性 ,  気象 ,  *地震 ,  波高 ,  地震観測所 ,  海洋 ,  微小地震 ,  再構成 ,  ブイ ,  *機械学習 ,  学習アルゴリズム
準シソーラス用語： 高信頼性 , 【Automatic Indexing@JST】

著者キーワード (7件)： 海膨 ,  海洋波 ,  海の状態 ,  波浪周期 ,  ブイ ,  機械学習 ,  微小地震データ

分類 (5件)： 地震活動  (DC03030L) ,  地球内部物理学一般  (DC03010P) ,  測地学  (DC02000X) ,  海洋物理学一般  (DC06010K) ,  波浪,潮流  (DC06040R)

引用文献 (52件)：

• Agrawal J. D., Deo M. C. (2002). On-line wave prediction. Mar. Struct. 15 57-74. doi: 10.1016/S0951-8339(01)00014-4
• Andrews E., Peach L. (2019). “"An evaluation of current and emerging in-situ ocean wave monitoring technology,"” in Proceedings of the Australasian Coasts and Ports 2019 Conference: Future Directions From 40 [Degrees] S and Beyond, Hobart, 10-13 September 2019. Engineers Australia, Hobart, TAS. doi: 10.1016/S0951-8339(01)00014-4
• Aouf L., Hauser D., Chapron B., Toffoli A., Tourain C., Peureux C. (2021). New directional wave satellite observations: towards improved wave forecasts and climate description in southern ocean. Geophys. Res. Lett. 48:1187. doi: 10.1029/2020GL091187
• Ardhuin F., Balanche A., Stutzmann E., Obrebski M. (2012). From seismic noise to ocean wave parameters: general methods and validation: ocean wave parameters from seismic noise. J. Geophys. Res. Oceans 117:449. doi: 10.1029/2011JC007449
• Ardhuin F., Stopa J. E., Chapron B., Collard F., Husson R., Jensen R. E., et al (2019). Observing Sea States. Front. Mar. Sci. 6:124. doi: 10.3389/fmars.2019.00124

タイトルに関連する用語 (4件)： 地震 ,  機械学習 ,  波浪 ,  データ再構成