論文の概要: HypoNet Nankai PS: rapid hypocenter determination for the Nankai Trough using physics-informed neural networks with three-dimensional P- and S-wave velocity models
- arxiv url: http://arxiv.org/abs/2610.27561v1
- Date: Tue, 20 Oct 2026 03:22:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.600676
- Title: HypoNet Nankai PS: rapid hypocenter determination for the Nankai Trough using physics-informed neural networks with three-dimensional P- and S-wave velocity models
- Title（参考訳）: hypoNet Nankai PS:3次元P波・S波速度モデルを用いた物理インフォームニューラルネットワークによる南海トラフの高速低中心決定
- Abstract要約: 我々は、P波とS波の両方の移動時間にフレームワークを拡張するHypoNet Nankai PSを提案する。
紀伊半島沖のDONET観測所で記録された223の地震に対して,ネットワーク下のJMAカタログと概ね一致した低震源が得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rapid and accurate hypocenter determination based on three-dimensional (3D) seismic velocity models is essential for seismic monitoring in subduction zones, yet it remains computationally demanding. HypoNet Nankai, a hypocenter determination package that uses physics-informed neural network (PINN) travel-time inference for a realistic 3D P-wave velocity model of the Nankai Trough subduction zone, was designed to address this problem, but supported only P-wave arrival times. Here, we present HypoNet Nankai PS, which extends the framework to both P- and S-wave travel times. We first constructed an S-wave velocity model from the existing P-wave model using empirical conversion relations for marine sediments and the crust. Because the resulting S-wave velocity structure has lower velocities and therefore considerably steeper travel-time gradients, the original PINN training procedure designed for the P-wave velocity structure was insufficient. We therefore revised the training procedure by reconsidering the distribution of collocation points, the NN architecture, and the optimizer. Benchmark comparisons with the fast marching method showed that the revised approach substantially reduced the root-mean-square deviations for both P- and S-waves compared with the original algorithm. Recovery tests using synthetic earthquakes were also performed. When applied to 223 earthquakes recorded by DONET stations off the Kii Peninsula, the system yielded hypocenters generally consistent with the JMA catalog beneath the network, suggesting that the 3D velocity model captures travel-time variations accommodated by JMA's 1D model and station corrections. Farther seaward, the estimated hypocenters were substantially shallower than those in the JMA catalog and were located in the oceanic crust and uppermost mantle, consistent with previous relocations that used DONET data and 3D velocity models.
- Abstract（参考訳）: 3次元地震速度モデルに基づく高速かつ正確な震源決定は沈み込み帯の地震観測には不可欠であるが、計算的に要求されている。
物理インフォームドニューラルネットワーク(PINN)を用いた低震源決定パッケージであるHypoNet Nankaiは、南海トラフ沈み込みゾーンの現実的な3次元P波速度モデルを実現するために設計されたが、P波の到着時間のみをサポートする。
ここでは、P波とS波の両方の移動時間にフレームワークを拡張するHypoNet Nankai PSを提案する。
まず, 海底堆積物と地殻の実験的変換関係を用いて, 既存のP波モデルからS波速度モデルを構築した。
その結果、S波速度構造は低速度であり、従って走行時間勾配がかなり急激であったため、P波速度構造のために設計された元のPINN訓練手順は不十分であった。
そこで我々は,コロケーションポイント,NNアーキテクチャ,オプティマイザの分布を再考することにより,トレーニング手順を改訂した。
高速マーチング法との比較により,修正手法によりP波およびS波のルート平均2乗偏差が元のアルゴリズムと比較して大幅に減少した。
合成地震による復旧試験も行われた。
紀伊半島沖のDONET観測所で記録された223の地震に応用すると,ネットワーク下のJMAカタログと概ね一致した震源域が得られ,JMAの1Dモデルと駅の補正により,3次元速度モデルが走行時間の変化を捉えることが示唆された。
海面より遠くではJMAカタログよりもかなり浅く、海洋地殻と最上部マントルに位置しており、DONETデータと3次元速度モデルを用いた以前の転位と一致していた。
関連論文リスト
- Depth-progressive 3D seismic velocity model building via 2D generative diffusion models [2.816392009888047]
3次元3次元速度モデル構築(VMB)は、従来のアプローチやネイティブな3次元ニューラルネットワークで計算的に困難である。
本稿では,2次元生成拡散モデルを用いて3次元VMBを実現するディープ・アズ・チャンネルの定式化を行うディープ・プログレッシブ・フレームワークを提案する。
提案手法は,VMBの精度を向上しつつ,パラメータ数,トレーニングコスト,推論コストを大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-10-10T11:09:52Z) - Joint Velocity Slope Diffusion Prior for Structurally Constrained Velocity Model Building [2.918495824907998]
疎雑なウェルログ情報から速度モデル再構成を行うための拡散誘導フレームワークを提案する。
提案手法は、平面波PDE正則化、構造プレコンディションインバージョン、測定誘導拡散後サンプリングを組み合わせたものである。
ボルブ合成モデルとバイキンググラベン場データセットの数値実験により,提案手法は構造的連続性,横方向の整合性,地質的リアリズムを改善することを示した。
論文 参考訳（メタデータ） (2026-07-06T12:18:13Z) - Bayesian three-dimensional seismic travel-time tomography for active- and passive-source seismic data using physics-informed neural network [0.0]
本稿では,PINNと速度構造のニューラル表現を組み合わせたメッシュレス3次元ベイズ旅行時トモグラフィー手法を提案する。
本手法を,紀伊半島南海トラフ沖の海洋活動源調査と自然地震の実際のデータセットに適用した。
論文 参考訳（メタデータ） (2026-06-19T22:40:56Z) - UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry [16.577608323279662]
UNRIOは、不確実性を認識したレーダー慣性オドメトリーシステムである。
生のmmWaveレーダーIQ信号から直接エゴ速度を推定する。
論文 参考訳（メタデータ） (2026-04-15T07:43:06Z) - PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。
本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。
これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。
Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
論文 参考訳（メタデータ） (2025-09-29T14:36:45Z) - Mapping The Layers of The Ocean Floor With a Convolutional Neural Network [0.0]
既存の解法は、複雑で計算コストのかかる地震探査法や波動インバージョンを通したマッピングを含む。
海底から反射した地震写真に基づいて速度モデルを予測するための人工ニューラルネットワーク、特にUNetの導入は、このプロセスの最適化を約束している。
論文 参考訳（メタデータ） (2024-12-04T15:26:48Z) - 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。
本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。
提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
論文 参考訳（メタデータ） (2024-11-01T12:50:38Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳（メタデータ） (2023-05-18T12:30:26Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。
地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文 参考訳（メタデータ） (2020-02-05T10:11:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。