地震発生後、伝播速度の速いP波が最初に到達し、続いて破壊力の強いS波と表面波が到達します。地震早期警報システムはこの時間差を利用して、強い揺れが到達する前に警報を発します。警報を発する時間は通常数秒から数十秒と短いものの、住民の避難、鉄道運行速度の減速、重要施設の閉鎖などを行うには十分な時間であり、地震被害を軽減する重要な手段となっています。

米国を拠点とするShakeAlertに代表される現在のシステムは、主に専用の地震観測所を利用して地震信号を捉え、震源位置とマグニチュードを推定している。この方法は、高密度にネットワーク化された陸上の地震観測網では比較的成熟しているものの、カスケード沈み込み帯のような高リスクの沿岸地域では大きな制約に直面している。海底観測所の建設と維持にかかる高額な費用に加え、リアルタイム通信の困難さから、一部の沿岸地域では効果的なモニタリングが長期間にわたって欠如している。こうした観測の空白は、沿岸地域における警報発令時間を短縮するだけでなく、震源位置の不正確さからマグニチュード推定にも影響を与える可能性がある。

分散型音響センシング（DAS）は、このギャップを埋める新たな可能性を提供する。 DASは既存の通信用光ケーブルを利用して、通常の光ファイバーを連続的に分散配置された歪みセンシングアレイに変換することで、高密度の地震波観測データを取得できる。しかし、光ファイバーケーブルはほとんどが直線状に敷設されるため、方位角の情報が限られており、震源を安定的に特定することが困難です。また、DASは歪みや歪み速度を記録しますが、これは従来の地震計で記録される速度、加速度、変位とは異なります。

これらの問題に対処するため、米国地質調査所の研究チームは、「まず地震の位置を特定し、次にその規模を推定する」という従来の手法を回避し、機械学習に基づいた二値マグニチュード分類法を提案した。この方法は、P波の最初の到達から4秒以内の歪み波形のみを使用し、振幅とマルチバンドウェーブレット特性を利用して、地震がM5.4の警報閾値に達したかどうかを迅速に判定します。このモデルは、過去の掘削孔ひずみゲージデータを用いて訓練され、2024年にメンドシノ岬沖で発生したマグニチュード7.0の地震を含む独立したDASデータで検証された。これにより、DASが沿岸地震の早期警報に参加するための新たな実現可能な道筋が示された。

「掘削孔歪み計と分散型音響センシングによるP波歪みを用いた地震規模の迅速な分類」と題された関連研究成果は、Nature Communications誌に掲載された。

論文を見る:
https://www.nature.com/articles/s41467-026-72223-z

データセット：掘削孔歪みと分散型音響センシングを融合した地震波形記録

本研究では2種類の菌株データを使用する。その中で、モデルのトレーニングと内部テストには、掘削孔ひずみゲージのデータが使用され、分散型音響センシング（DAS）データは、通信用光ファイバーケーブルのシナリオにおけるモデルの適用性を検証するために使用されます。

ボーリング孔ひずみゲージデータは、カリフォルニア州のメンドシノ・トライアド・ポイント、ナパ・バレー、リッジクレストの3つの地震活動地域をカバーするEarthScopeオープンソース観測ネットワークから取得しました。このデータには、2008年から2022年までの7つの観測所からの観測記録が含まれています。各観測所は、20 Hzのサンプリングレートと4つの水平ひずみチャネルを備えていました。フィルタリング、手動によるP波ピックアップ、および品質スクリーニングの後、最終的にマグニチュードM3.5からM7.1までの453の地震に対応する1949の有効な波形が得られました。M5.4以上の波形はわずか約51 TP3Tしか占めておらず、サンプル分布が著しく不均一であることを示しています。

モデリングに使用した波形ウィンドウは、P波到達の10秒前から到達後4秒までの範囲でした。2024年12月5日にメンドシノ岬沖で発生したマグニチュード7.0の地震のデータは、トレーニングには使用せず、独立したテストサンプルとして保持しました。
DASデータは、カリフォルニア州ハンボルト郡にあるアーケータ・ユーレカ光ファイバーケーブルアレイから取得された。このケーブルは約15キロメートルの長さで、カスケード沈み込み帯の南部付近に位置している。取得パラメータを段階的に標準化した後、ケーブルから半径100キロメートル以内でマグニチュード3.5以上の地震が25回記録された。P波はPhaseNet-DASモデルによって自動的に検出され、手動による検査で補正された。

前処理が完了したら、この研究では、各波形から127個の特徴量を抽出した。最大ひずみや振幅範囲などの時間領域指標に加え、連続ウェーブレット変換を用いて時間周波数情報を抽出します。本研究では、0.2～0.5 Hz、0.5～2.0 Hz、2.0～5.0 Hzの3つの周波数帯域の分析に焦点を当てています。相関スクリーニング後、56個の特徴量がモデル学習の第1ラウンドに保持されました。

XGBoostバイナリ分類器は、初期のP波から中規模から大規模の地震を識別する。

本研究では、XGBoost勾配ブースティングツリーを用いて二値分類モデルを構築する。このモデルは、ひずみ波形がマグニチュード5.4以上の地震に由来するものかどうかを判定します。具体的なマグニチュードを直接推定するのではなく、早期警報システムにとって最も重要な点、つまり地震が警報を発令する規模に達しているかどうかに焦点を当てています。XGBoostは、複数の決定木を用いて予測誤差を段階的に修正し、振幅、周波数、時間周波数変動などの特徴量を同時に処理し、地震のマグニチュードとの非線形関係を特定します。また、その正則化メカニズムは、サンプル数が少ない状況下での過学習のリスクを軽減するのに役立ちます。

M5.4以上の波形は全サンプルの51 TP3Tしか占めていないため、モデルのトレーニングではクラスバランスが著しく崩れます。モデルが小さな揺れを過度に重視するのを避けるため、この研究では、中規模から大規模の地震サンプルに対する学習重みを増やし、二変量対数損失関数を用いて最適化を行った。重点を置くべきは、危険な大地震と誤認される軽微な地震の数を減らすことである。

データは70%のトレーニングセットと30%のテストセットに分割されますが、完全な地震イベント単位で表示されます。同じ地震によって生成されたすべての波形は、トレーニングフェーズとテストフェーズの両方に類似したデータが現れることを避けるため、いずれか一方のセットにのみ含めることができます。この研究では、訓練セットにおける大規模地震のサンプル数にも制約を設け、約2,000個のランダムな分割から、基準を満たす50個の独立したモデルを選択した。単一パーティションによって生じるランダム性を低減するため。

初期トレーニングでは56個の特徴量を使用し、K分割交差検証とグリッドサーチによってモデルパラメータを決定した。その後、シャプレー加法解釈（SHAP）法を用いて、各特徴量が予測結果にどの程度寄与しているかを評価した。その結果、モデルの主要な識別情報は上位6つの特徴量に集中していることが示された。

いくつかの特徴間の相関が高いことを考慮し、本研究では冗長な情報をさらに排除し、最終的に3つの主要な特徴、すなわち0.2～0.5Hz帯域における3次ガウスウェーブレット係数の最大値、0.5～2.0Hz帯域における1次ガウスウェーブレット係数の範囲、およびP波到達後4秒以内の最大ひずみ振幅を保持した。これら3つの特徴は、それぞれ低周波エネルギー、中低周波変動振幅、およびひずみ強度を反映している。これらの特徴間の相関が低いことで、主要な識別情報が保持され、モデルの予測根拠がより明確になる。

主要な特徴を特定した後、モデルの再学習について検討し、異なる学習期間における再現率、適合率、F1スコアを比較した。結果によると、500回のトレーニング後、すべての指標は基本的に安定していた。したがって、データ分割やランダム学習によって生じる変動を低減するため、最終的な性能は500個のモデルの平均結果として算出される。

このモデルは、坑井ひずみゲージデータにおいて、81%の再現率と79%の精度を達成した。

次に、研究者らは、モデル分類能力、ShakeAlertとの参照比較、DASのデバイス間検証、静的ひずみ解析という4つの分野で実験を行った。

初め、掘削孔ひずみゲージのデータに基づくと、モデルの全体的な精度は96%に達した。しかし、サンプルの951 TP3Tが小規模地震であるため、この指標は過大評価される傾向があります。再現率、精度、F1スコアの方がより意味があります。500モデルの平均再現率は811 TP3T、平均精度は791 TP3T、F1スコアは781 TP3Tでした。これは、モデルが中規模から大規模地震の80%以上を識別でき、見逃しと誤報の分布が比較的バランスが取れていることを示しています。

第二に、本研究では、モデルをShakeAlertの過去の結果と比較した。両モデルは異なる条件下で動作する。本論文のモデルは単一のひずみゲージからのデータを使用し、震源位置の特定を必要としない。一方、ShakeAlertは少なくとも4つの地震観測所に依存し、リアルタイムでの検出、位置特定、およびマグニチュード推定を必要とする。したがって、比較結果はあくまで参考としてのみ使用できる。

2021年から2024年の間にカリフォルニア州の警報区域で記録されたマグニチュード4.5以上の地震55件のうち、ShakeAlertは3件すべてをマグニチュード5.4以上と識別し、再現率は1001 TP3Tであったが、精度はわずか301 TP3Tであった。このモデルは、再現率81%、適合率79%を達成した。これは、ShakeAlertが偽陰性の回避をより重視しているのに対し、本論文で提示されたモデルは偽陽性の削減においてより優れた性能を発揮することを示している。

3番目の実験では、このモデルがDASデータに適用できるかどうかを検証した。この研究では、15キロメートルの光ケーブルを3つのセクションに分割し、各セクションの実効チャネルの特性平均値と標準偏差を抽出した。その結果、DASとボアホールひずみゲージは設置条件、サイト効果、周波数応答の点で異なっていたものの、コア特性は基本的に大きさに関して一貫した傾向を示し、顕著な地域依存性は見られなかった。

2024年にメンドシノ岬沖で発生したマグニチュード7.0の地震は、モデルの学習には使用されませんでした。この地震のボアホールひずみゲージ波形は、500個のモデルすべてでマグニチュード5.4以上と正しく識別されました。3本のDAS光ファイバーケーブルの特徴をモデルに入力した後、平均再現率は961 TP3Tに達しました。この結果は、ボアホールひずみゲージに基づいて学習されたモデルが、ある程度のデバイス間転用性を持っていることを示しています。

M7.0の地震とM4.8の地震をさらに比較したところ、両者とも初期P波の歪み振幅は類似していた。しかし、M7.0の地震は0.2～0.5Hzの周波数帯域において、より強いエネルギーとより長い継続時間を示した。これは、低周波特性が大規模地震の長期にわたる破壊過程をより効果的に反映できることを示しており、マグニチュード分類を完成させるためのモデルの重要な基礎となる。

また、この研究では、静的ひずみ変化を伴う14の近距離地震波形も特定された。P波到達後4秒以内にこれらのサンプルで観測された最大ひずみは、従来のマグニチュード・振幅関係を用いて予測された値よりも概して低かった。これは、短期的な動的振幅のみに頼ると、近距離で発生する大規模地震を過小評価する可能性があることを示唆している。将来のモデルにおいて、動的P波特性と静的変形を組み合わせることで、地震の識別能力をさらに向上させることができる可能性がある。

最後に書きます

全体として、この研究はDASを用いた従来の地震早期警報プロセスを完全に再現しようとしたのではなく、DASの使用方法を再設計した。すなわち、光ケーブルの形状に影響されやすい震源位置特定ステップを省略し、P波の到達後4秒以内の歪み特性を直接使用して、地震が警報閾値に達したかどうかを判断する。

この手法は、観測点数、光ファイバーケーブルの向き、震源位置の精度への依存度を低減するとともに、DASと従来の地震計で観測される物理量の違いから生じるマグニチュード推定の課題を部分的に回避します。モデルの再現性にはまだ改善の余地があり、検証は主に陸上DASデータで行われていますが、本研究では、ひずみ波形の低周波および振幅情報を用いて、中規模から大規模の地震を迅速に特定できることが実証されました。

海底通信用光ファイバーケーブルのさらなる普及、DAS機器のコスト低下、そして海洋観測データの蓄積に伴い、DASは従来の地震観測網を補完する重要な存在になると期待されている。沿岸部の観測点が少なく、人口密度が高いカスケード沈み込み帯のような高リスク地域では、DASは最前線の監視ネットワークとして機能し、潜在的な大地震を早期に検知し、沿岸地域にさらなる警報時間を提供する可能性がある。