| 年度 |
111年度 |
| 綱要計畫 |
臺灣地區111年中大型地震震源資訊之快速彙整與提供年度 |
| 細部計畫 |
臺灣地區111年中大型地震震源資訊之快速彙整與提供年度 |
| 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 |
| 對應課題 |
|
| 產出成果類別 |
|
| 產出成果型態 |
|
| 自評等級 |
|
| 成果內容說明 |
本計畫利用PyEarthworm讀取氣象局Earthworm平台的即時波形資料，並利用obspy的即時波形模組進行波形管理，作為波相判識機器學習模型的輸入，並以期中報告成果「即時地震偵測和波相挑選多任務注意力網絡模型」(Real-time Earthquake Detection and Phase-picking with multi-task Attention Network model, RED-PAN model) 在連續地震波形資料上執行地震訊號偵測和地震波相挑選，代替短時窗平均除以長時窗平均(short term average/ long term average; STA/LTA)的P波波相挑選方法，提供P波波相機率。
本計畫將機器學習模型RED-PAN模型用於2022年9月關山-池上地震序列，資料中包含中央氣象局地震觀測網36個、臺灣寬頻地震網12個和臺灣強地動觀測網(TSMIP)67個測站波形資料，結果顯示在9月15至10月1日的期間偵測出約12000筆的地震，其中TSMIP的資料對於地震活動和小規模地震監測都有顯著幫助。 |
| 實際防災落實應用情形 |
本計畫搭建波形資料處理架構，可由氣象局目前Earthworm平台的波形資料輸入機器學習模型(RED-PAN)進行判讀，並將P波波相結果回傳到地震預警系統流程，進行後續處理，可做為未來實施和測試機器學習模型的基礎架構。將機器學習模型(RED-PAN)於中央處理器(CPU) 和邊緣運算上，進行離線執行效能測試，可供貴局未來在機器學習上的實施、測試、所需計算資源評估參考。在地震監測方面，即時的臺灣強地動觀測網(TSMIP)提供更密集的觀測資料，利用機器學習模型(RED-PAN)進行自動化P和S波的辨識，對於大地震之後的餘震監測及小規模地震監測都有顯著的提升，可作為未來貴局地震監測規劃的參考。 |
| 相關佐證資料 |
|
| 圖片1 |
 |
| 圖片1說明 |
讀取氣象局Earthworm平台的即時波形資料傳輸概念圖。以PyEarthworm讀取氣象局Earthworm的即時波形資料，並用obspy的即時波形模組進行波形管理，將機器學習模型即時波相判識的結果回傳地震預警系統工作流程。 |