ELF帯環境電磁波における多層ニューラルネットを用いた異常信号検出

摘要

近年，地震や火山活動の際に放出される地殻からの電磁波を観測することにより，そのメカニズムの解明や発生予測に関する研究が進められており，著者等は，環境電磁波を極超長波(ELF)帯の223Hzにてデータの収集，検討を行っている［12］．観測信号には磁気圏，電離層の変動に伴う変動のほか，熱雷雑音や人工雑音，近接雷雑音などが含まれており，様々な雑音が環境電磁波における地震前兆信号の検出を困難にしている．今日までに数多くの前兆信号検出手法が提案されてきたが，それらの多くは平常時と前兆信号放射時を判別する最適な開催の定義が難しいとされてきた．本稿では閥値を必要としない手法として，バックプロバグーションアルゴリズムをもとに学習する多層ニューラルネットワークを提案する．その結果，Wavelet変換を用いて観測信号を圧縮することにより，学習時間の短縮，地震発生の推定が可能であることを示した．