參賽序號：1-12
海報主題
利用機器學習技術由同震位移場推估同震震源模型之斷層參數
系級
測量系
指導老師及參賽學生
指導老師：景國恩
參賽學生：韓宗謀
構想說明
地震發生後，快速掌握震源特性與斷層破裂情形，有助於災情評估與緊急應變。然而傳統震源反演方法需反覆疊代求解最佳參數，導致運算耗時而難以滿足近即時應變之需求。故本研究開發一套幾何深度學習反演模型，利用近即時GNSS同震位移場自動推估發震斷層之幾何參數。本模型採用全域與局部雙路徑特徵提取架構，分別利用多尺度分組機制之PointNet++與改良EdgeConv機制之DGCNN，提取不同空間尺度之變形特徵及測站間之局部變形特徵，並透過多重假說架構輸出三組候選震源解。
訓練資料基於斷層錯位理論與Leonard物理縮放定律，生成30,000筆合成位移場樣本，其地震規模為Mw 6.0至7.9且斷層傾角範圍為5°至88°，並隨機抽樣20至400個測站資料及加入觀測雜訊與異常值。驗證結果顯示，三組候選解中，最佳解之各項參數相關係數均高於0.89，但應用於臺灣實際地震案例時，預測結果仍有明顯落差。
推測此問題可能源於合成資料與實際GNSS觀測網之測站空間分布差異，以及近場與遠場測站比例不固定。未來將限縮合成同震位移場之空間範圍，並依據臺灣實際GNSS觀測網位置進行隨機抽樣，以提升模型應用於臺灣地震進即時應變的可靠度。
-
分享：
115年活動熱烈報名中!