年度 |
108年度 |
主管單位 |
交通部中央氣象局 |
執行單位 |
中華民國地球物理學會 |
預算來源 |
科技經費 |
執行經費(仟元) |
NT$1360.00 |
執行期間(起&迄) |
2019/1/1~2019/12/31 |
計畫主持人 |
李憲忠 |
計畫重點描述 |
1. 中大規模地震震源破裂特性近即時分析 2. 神經網路與深度學習在地震偵測上的應用。 本計畫將藉由斷層的錯動量時間-空間分佈布,建立中大型地震震源模型,以描繪複雜破裂過程,並作為地震波傳遞模擬與強地動評估等工作之重要參考依據。另藉由深度學習的方式訓練神經網路,運用科學方法從大量資料中擷取資料特徵並加以利用,期望建立自動化P波與地震事件之偵測模型,達到自動化即時地震偵測,縮短預警時間,並提高警報的正確率。 |
必要工作項目 |
(一) 中大規模地震震源破裂特性近即時分析: 1. 臺灣中大型地震遠震資料收集與整理 2. 臺灣中大型地震近場強地動資料收集與整理 3. 快速分析與提供臺灣中大型地震震源破裂資訊 4. 建立臺灣中大型地震震源破裂模型資料庫 (二) 神經網路與深度學習在地震偵測上的應用: 1. 近兩年臺灣地震震波加速度資料整理,P波、S波與地震事件時間的標註。 2. 以Recurrent Neural Network進行即時P波、S波與地震事件之偵測。 3. 以Convolution Neural Network進行地震震波辨識,降低人工作業負擔。 4. 調整神經網路模型,達到最佳化偵測準確度的目的。 5. 各方法偵測效能之分析與比較。 |
預期成果產出 |
(一) 中大規模地震震源破裂特性近即時分析: 對於學術研究、國家發展及其他應用方面預期之貢獻 1. 針對臺灣中大型地震進行震源模式分析,可對大規模地震震源破裂特性有更清楚的掌握。同時所建立之震源模型對於後續研究,如庫倫應力轉移分析、地震波傳遞模擬與強地動評估可提供重要的資訊。 2. 長期來看,震源破裂模型持續且有系統的分析與建立可以作為地震震源物理特性研究以及地震防災、減災上的參考。 (二) 神經網路與深度學習在地震偵測上的應用: 1. 利用人工智慧技術進行即時地震偵測與預警。 2. 建立適合臺灣的類神經網路地震偵測模型,預期將可降低偵測延遲時間,並提高準確度。 3. 利用人工智慧技術進行震波資料的辨識與剪輯,降低資料處理中之人工作業負擔。 4. 培養跨領域之人才,可具備應用資訊科技技術於地震偵測之能力。 |
對應方案課題 |
|
檔案下載 |
全文報告
中英文摘要
精簡報告
成果海報
|