震中距估计装置、震中距估计方法以及计算机可读记录介质制造方法及图纸

一种震中距估计装置(10)包括：地震信息获取单元(11)，该地震信息获取单元获取与已经发生的地震有关的波形数据；以及估计处理单元(12)，该估计处理单元通过向学习模型应用由此获取的波形数据来估计震中距，该学习模型通过学习与地震有关的多条波形数据与震中距之间的关系而获取。

Estimation device of epicenter distance, estimation method of epicenter distance and computer readable recording medium

An epicenter distance estimation device (10) includes a seismic information acquisition unit (11), which obtains waveform data related to an earthquake that has occurred, and an estimation processing unit (12), which estimates the epicenter distance by applying the waveform data obtained therefrom to a learning model, which learns multiple waveform data related to earthquakes and earthquakes. The relationship between the middle distance is obtained.

【技术实现步骤摘要】
【国外来华专利技术】震中距估计装置、震中距估计方法以及计算机可读记录介质
本专利技术涉及用于在地震发生时估计震中距的震中距估计装置和震中距估计方法，并且还涉及一种其上记录用于实现所述装置和方法的程序的计算机可读记录介质。
技术介绍
在地震发生时，必须迅速地指定震中距，以便估计地震烈度以及在各种位置处的主运动(principalmotion)的到达时间。通常，震中距基于使用在多个点处提供的地震烈度计所检测的地震烈度来指定。然而，如果震源位于海洋的底部或位于在地震烈度计的安装密度低的区域中，则获取由多个地震烈度计测量的地震烈度花费太多时间，这引起指定震中距的延迟。因此，近年来已经开发用于仅使用由单个地震烈度计测量的地震烈度来指定震中距的技术。作为这种技术，存在用于基于以下事实估计震中距的已知技术：“在地震到达时，震源越近，则地震波形数据的上升曲线越陡，并且震源越远，则上升曲线越平缓”(例如，参见专利文献1)。具体地，根据在专利文献1中公开的技术，由地震烈度计获取的初始地震波形经受使用由下面数学式1表达的函数进行的拟合，其中，“y(t)”表示从地震烈度计获取的时间序列数据的绝对值，“t”表示时间，并且“t＝0”表示地震烈度计检测到地震的时间。在下面的数学式1中，“A”是与初始地震波形的最大振幅有关的参数，并且“B”是与地震波形的初始振幅的时间变化有关的参数。注意，在实际拟合中，基于人类经验和直觉执行操作以向参数A和B应用复杂独立位置属性，这些参数在什么可能影响它们和可能如何影响它们方面是不确定的。数学式1y(t)＝Bte-At根据在专利文献1中公开的技术，参数A和B使用最小二乘法来获得。在参数B与震中距之间存在相关性，但已知的是，该相关性不受地震的震级影响。因此，通过对参数B与震中距之间的相关性进行公式化，可以基于初始地震波形使用数学式1来指定震中距。根据在专利文献1中公开的技术，可以基于初始地震波形迅速地指定震中距。现有技术文献的列表专利文献专利文献1：JP2002-277557A
技术实现思路
本专利技术要解决的问题然而，凭借在专利文献1中公开的技术，存在可能以下问题，其中取决于情况可能无法计算出系数A和B，并且可靠性不够高。而且，凭借在专利文献1中公开的技术，还存在难以减少计算震中距所需的时间的另一个问题。本专利技术的目标的一个示例是解决上述问题，并且提供使得可以稳定地计算震中距并且减少计算震中距所需的时间的震中距估计装置、震中距估计方法以及计算机可读记录介质。解决问题的手段为了实现上述目的，根据本专利技术的一个方面的震中距估计装置包括：地震信息获取单元，该地震信息获取单元获取与已经发生的地震有关的波形数据；以及估计处理单元，该估计处理单元通过向学习模型应用由此获取的波形数据来估计震中距，该学习模型通过学习与地震有关的多条波形数据与震中距之间的关系来获取。而且，为了实现上述目标，根据本专利技术的一个方面的震中距估计方法包括：(a)获取与已经发生的地震有关的波形数据的步骤；以及(b)通过向学习模型应用由此获取的波形数据来估计震中距的步骤，该学习模型通过学习与地震有关的多条波形数据与震中距之间的关系来获取。此外，为了实现上述目的，根据本专利技术的一个方面的计算机可读记录介质为其上记录程序的记录介质，该程序包括指令，这些指令使得计算机执行：(a)获取与已经发生的地震有关的波形数据的步骤；以及(b)通过向学习模型应用由此获取的波形数据来估计震中距的步骤，该学习模型通过学习与地震有关的多条波形数据与震中距之间的关系来获取。本专利技术的有益效果如上所述，根据本专利技术，可以稳定地计算震中距，并且减少计算震中距所需的时间。附图说明图1是示出了根据本专利技术的第一实施例的震中距估计装置的示意配置的框图。图2是具体示出了根据本专利技术的第一实施例的震中距估计装置的配置的框图。图3是示出了第一实施例中用于执行学习的多条输入数据和多条地面实况数据的示例的图示。图4是示出了根据本专利技术的第一实施例的震中距估计装置在执行学习处理时的操作的流程图。图5是示出了根据本专利技术的第一实施例的震中距估计装置在执行估计处理时的操作的流程图。图6是具体示出了根据本专利技术的第二实施例的震中距估计装置的配置的框图。图7是示出了根据本专利技术的第二实施例的震中距估计装置在执行学习处理时的操作的流程图。图8是示出了根据本专利技术的第二实施例的震中距估计装置在执行估计处理时的操作的流程图。图9是示出了实现根据本专利技术的第一或第二实施例的震中距估计装置的计算机的示例的框图。具体实施方式第一实施例以下参照图1至图5描述根据本专利技术的第一实施例的震中距估计装置、震中距估计方法以及程序。装置配置首先，将参照图1描述根据第一实施例的震中距估计装置的示意配置。图1是示出了根据本专利技术的第一实施例的震中距估计装置的示意配置的框图。图1所示的根据第一实施例的震中距估计装置10是用于从在地震发生时测量的波形数据估计震中距的装置。如图1所示，震中距估计装置10包括地震信息获取单元11和估计处理单元12。地震信息获取单元11获取与已经发生的地震有关的波形数据。估计处理单元12通过向学习模型应用由地震信息获取单元11获取的波形数据来估计震中距。学习模型通过学习与地震有关的多条波形数据与震中距之间的关系预先获取。由此，和关于传统技术不同，利用第一实施例，在不执行波形数据到函数的拟合的情况下来估计震中距。因此，可以稳定地计算震中距。而且，第一实施例无需使用最小二乘法的计算处理，这引起计算时间的减少。接着，将参照图2更具体地描述根据第一实施例的震中距估计装置的配置。图2是具体示出了根据本专利技术的第一实施例的震中距估计装置的配置的框图。如图2所示，在第一实施例中，震中距估计装置10经由网络连接到地震检测装置20和地震现象观测系统30。地震检测装置20提供有地震烈度计。在地震烈度计检测到地震波时，地震检测装置20向震中距估计装置10发送与所检测的地震波有关的波形数据。在第一实施例中，地震检测装置20是地震信息获取单元11从其获取波形数据的装置。而且，虽然图2中的示例仅示出了单个地震检测装置20，但并不具体限制震中距估计装置10所连接到的地震检测装置20的数目。地震信息获取单元11从其获取波形数据的地震检测装置20可以是它们中的一个。地震现象观测系统30是日本气象厅所拥有的系统。在地震发生时，地震现象观测系统30计算气象厅震级，并且基于由此计算的气象厅震级预测海啸高度。此外，地震现象观测系统30向各种媒体广播由此计算的气象厅震级和由此预测的海啸高度，以作为地震预警。在第一实施例中，震中距估计装置10向地震现象观测系统30输入所估计的震中距。因此，地震现象观测系统30使用由震中距估计装置10所估计的震中距来计算气象厅震级并预测海啸高度。如图2所示，在第一实施例中，震中距估计装置10除了包括上述的地震信息获取单元11和估计处理单元12之外，还包括学习信息获取单元13、学习单元14以及存储单元15。注意，图2示出了震中距估计装置10的示例，并且学习信息获取单元13、学习单元14以及存储单元15可以提供在除了震中距估计装置10之外的装置中。学习信息获取单元13获取作为在由以下描述的学习单元14所执行的学习中使用的输入数据的多条波形数据、以及作为地面实况数据而且也在本文档来自技高网...

【技术保护点】
1.一种震中距估计装置，包括：地震信息获取单元，所述地震信息获取单元获取与已经发生的地震有关的波形数据；以及估计处理单元，所述估计处理单元通过向学习模型应用由此获取的所述波形数据来估计震中距，所述学习模型通过学习与地震有关的多条波形数据与震中距之间的关系来获取。

【技术特征摘要】
【国外来华专利技术】2016.07.08 JP 2016-1363101.一种震中距估计装置，包括：地震信息获取单元，所述地震信息获取单元获取与已经发生的地震有关的波形数据；以及估计处理单元，所述估计处理单元通过向学习模型应用由此获取的所述波形数据来估计震中距，所述学习模型通过学习与地震有关的多条波形数据与震中距之间的关系来获取。2.根据权利要求1所述的震中距估计装置，还包括：学习单元，所述学习单元将与地震有关的多条波形数据用作输入数据并且将所述地震的震中距用作地面实况数据，来学习所述多条波形数据与所述震中距之间的关系，从而生成示出学习结果的学习模型，其中所述估计处理单元通过向由所述学习单元生成的所述学习模型应用所获取的所述波形数据来估计所述震中距。3.根据权利要求2所述的震中距估计装置，其中除了所述多条波形数据之外，所述学习单元还将与已经获取所述多条波形数据的位置有关的多条位置数据用作输入数据，来学习以下各项之间的关系：所述多条波形数据和所述多条位置数据；以及所述震中距，从而生成所述学习模型，除了所述波形数据之外，所述地震信息获取单元还获取与位置有关的位置数据，在所述位置处已经获取与已经发生的所述地震有关的所述波形数据，并且所述估计处理单元通过除了所述波形数据之外还向所述学习模型应用由此获取的所述位置数据来估计所述震中距。4.根据权利要求2或3所述的震中距估计装置，其中所述学习处理单元另外将所述地震的震源的深度用作所述地面实况数据，来学习以下各项之间的关系：所述多条波形数据；以及所述震中距和所述震源的所述深度，从而生成所述学习模型，并且除了所述震中距之外，所述估计处理单元还估计震源的深度。5.根据权利要求2至4中的任一项所述的震中距估计装置，其中，所述学习处理单元通过学习构建神经网络，从而生成所述神经网络来作为所述学习模型。6.根据权利要求2至5中的任一项所述的震中距估计装置，其中所述学习单元分别针对作为输入数据的多条波形数据的波形量生成学习模型，并且所述估计处理...

【专利技术属性】
技术研发人员：锹守直树，
申请(专利权)人：日本电气株式会社，
类型：发明
国别省市：日本,JP