TimesNet-Gen：深層学習に基づくサイト特異的強震動生成

TimesNet-Gen: Deep Learning-based Site Specific Strong Motion Generation

December 4, 2025

著者: Baris Yilmaz, Bevan Deniz Cilgin, Erdem Akagündüz, Salih Tileylioglu

cs.AI

要旨

効果的な地震リスク低減には、敷地特有の正確な評価が不可欠である。これには、地盤振動特性に及ぼす現地の地盤条件の影響を表現できるモデルが求められる。この文脈において、記録された地盤動から地盤特性に支配された特徴を学習するデータ駆動型アプローチは、有望な方向性を示している。本研究では、時間領域の加速度記録に基づく強震動生成に取り組み、時間領域の条件付き生成モデルであるTimesNet-Genを提案する。この手法は、観測点特有の潜在ボトルネックを利用する。生成された記録の評価は、各観測点ごとに実記録と生成記録のHVSR曲線および卓越周波数f0の分布を比較することで行い、f0分布の混同行列に基づくスコアにより観測点特異性を要約する。TimesNet-Genは、観測点ごとの強力な一致を達成し、敷地特有の強震動合成におけるスペクトログラムベースの条件付きVAEベースラインと比較して良好な性能を示す。コードはhttps://github.com/brsylmz23/TimesNet-Gen で公開されている。

English

Effective earthquake risk reduction relies on accurate site-specific evaluations. This requires models that can represent the influence of local site conditions on ground motion characteristics. In this context, data driven approaches that learn site controlled signatures from recorded ground motions offer a promising direction. We address strong ground motion generation from time-domain accelerometer records and introduce the TimesNet-Gen, a time-domain conditional generator. The approach uses a station specific latent bottleneck. We evaluate generation by comparing HVSR curves and fundamental site-frequency f_0 distributions between real and generated records per station, and summarize station specificity with a score based on the f_0 distribution confusion matrices. TimesNet-Gen achieves strong station-wise alignment and compares favorably with a spectrogram-based conditional VAE baseline for site-specific strong motion synthesis. Our codes are available via https://github.com/brsylmz23/TimesNet-Gen.