地震ノイズの流体力学的解析：
静寂への新たな視点

pianoscript.ru の資料に基づく

1. 本論文について

毎日、地球上のどこかで地震が発生している。弱いものもあれば、壊滅的なものもある。世界中の地震観測所は24時間体制で地面の振動を記録している。しかし、これらの記録の大部分は「ノイズ」、つまり有用な情報を持たないランダムな干渉と見なされている。通常、それらは解析の邪魔にならないよう破棄される。

我々はこのノイズを別の見方で見た。干渉としてではなく、意味のある信号として。我々は、技術者が液体や気体の乱流を研究するのと同じように、ノイズからパラメータを抽出するモデルを構築した。ノイズはランダムに振る舞うわけではないことが判明した。そこには観測所ごとに繰り返されるパターンが含まれている。

本論文では、我々のアプローチがどのように機能するか、実際の地震観測所のデータから何が見えたか、どのようなパターンを発見したかを説明する。専門教育や複雑な数式なしで、どんな読者でも理解できるように書かれている。

2. 通常、地球をどのように聴くか

川に架かる橋の上に立っていると想像してほしい。水面下で何が起こっているのかを理解したい。石を投げて波紋を観察する。円が滑らかであれば、水は穏やかである。円が乱れてすぐに消えるなら、水中の流れや渦がある。

地震学者もほぼ同じことをしている。彼らは地球の音を聴いている。

世界中に地震観測所が設置されている。それらはわずかな地面の振動を記録する非常に高感度な機器である。人間はこれらの振動を感じることができない。しかし機器は感じることができる。1キロ離れた動物の足音、風、海の波、そして実際の地震まで、すべてを記録する。

データは連続的に流れてくる。毎日。一年中。何十年も。

強い地震が発生すると、地震学者は記録を開き、衝撃の瞬間を見つけて波を研究する。それによって、どこで衝撃があったか、どのくらいの強さか、どの深さかを特定する。これはうまく機能する。しかし、それは過去を見ることであり、イベントはすでに起こってしまっている。

その前に何があったのか？静寂。ノイズ。通常、それは切り取られて無視される。そこには有用な情報はないと考えられている。それは単なる干渉である。

我々は考えた：このノイズに何かあるのではないか？地球は単に「騒いでいる」のではなく、まだ読むことを学んでいない信号を送っているのではないか？

そして、我々はノイズを別の見方で見た。

3. 我々が違う方法でやったこと

通常のアプローチ：ノイズはゴミであり、捨てなければならない。我々のアプローチ：ノイズは会話であり、理解しなければならない。

我々は流体力学からアイデアを借りた。液体と気体の運動の科学である。水がパイプを流れるとき、滑らかに流れることもあれば（層流）、渦とカオスを伴って流れることもある（乱流）。技術者はこれをナビエ・ストークス方程式で記述する。我々は考えた：同様のロジックを地震ノイズに適用してみてはどうか？

広場にいる群衆を想像してほしい。全員が静かに立っていれば、それは静寂である。人々が見つめ合い、グループを作り、同期的に動き始めれば、それは構造である。外見上はランダムな動きに見えるが、実際にはシステムが何かに備えている。我々のモデルはまさにそのような瞬間を探す：見かけ上のカオスの中に秩序が現れるとき。

我々は地震観測所からの記録を取得する。それを60秒のセグメントに分割する。そして各セグメントについていくつかのパラメータを計算する：

• カオスの力 — データがどれだけ「暴れている」か。
• 乱流 — 記録が荒れた流れに似ているか。
• コヒーレンス — カオスと乱流が互いにどのように関連しているか。
• 決定性 — データに隠れた構造があるか。
• 非線形性 — システムが平衡からどれだけ離れているか。

これは天気予報のための温度、気圧、湿度の測定に似ている。稲妻がどこでいつ落ちるかは正確にはわからない。しかし、雲が集まり、気圧が下がり、風が強まっているのが見える。システムは信号を送っている。

ここでも同じである。我々は地震を予測しない。我々は環境の状態を記述する。そしてこの状態は、強いイベントのかなり前に変化することが判明した。しかも、異なる観測所や異なる地域で同様に変化する。

4. 我々が見たもの

我々は何千時間もの記録を異なる観測所からモデルに通した。穏やかな日、強いイベントの前の日、その後の日を観察した。そして以下のことを発見した。

静寂は危険でありうる

最初に驚いたこと：静寂は必ずしも良いとは限らない。観測所が非常に滑らかで穏やかな信号を記録するとき、それはしばしばシステムがエネルギーを蓄積していることを意味する。カオスはほぼゼロに低下する。すべてが凍りつく。これは我々が研究したすべての大規模イベントの前にも起こった。

逆に、周りに多くのカオスがあるとき、観測所が「騒いでいる」とき、それは正常で健全な状態である。システムは少しずつストレスを解放している。何も恐ろしいことは起こっていない。

我々はこれを「バックグラウンドパラドックス」と呼んだ：静寂 = 危険、カオス = 安全。

静寂の中の乱流 — 強い信号

全体的な静寂を背景に、突然乱流のバーストが現れることがある。滑らかな川に突然渦が発生するのを想像してほしい。それは回転し、沸き立ち、消える。そして周りは再び静かになる。

このようなバーストを我々はマーカーと呼んだ。それらはランダムに現れるわけではない。将来のイベントが大きければ大きいほど、マーカーはより早く、より明確に見える。小さなイベントでは数分または数十前。大規模なイベントでは数時間または数十時間前。

マーカーの3つのオーダー

マーカーには異なる強さがある。マーカーが強いほど、イベントから遠く離れている：

• 第一オーダー：弱い。数時間または数十分前に現れる。マグニチュード4.5からのイベント前に見える。
• 第二オーダー：より強い。数十分または数時間前。マグニチュード7以上向け。
• 第三オーダー：最も強い。1日以上前に現れることもある。マグニチュード8以上向け。

それは列車の編成のようなものだ。最初に信号、それから列車が動き出し、それから速度を上げる。列車が長ければ長いほど、早く動き始める。

システムは「崩壊」することがある

決定性が突然ほぼ1に跳ね上がることがある。ノイズがノイズでなくなり、データに明瞭でほぼ完璧な構造が現れる。何千ものランダムな声が突然ユニゾンで歌い始めるかのようだ。我々はこれを「波動関数の崩壊」と呼んだ。非常に強い信号である。システムの急激な変化の数分前に現れる。

観測所は「生きている」か「死んでいる」か

すべての観測所から有用な信号が得られるわけではない。港、都市、海洋の波打ち際の近くなど、騒がしい場所にあるものもある。そのデータは干渉で詰まり、パターンは見えない。そのような観測所を我々は「死んでいる」と呼び、解析には適さない。

他の観測所は静かな場所、文明から遠く、固い岩盤の上にある。それらはすべてのマーカーが明確に見えるきれいな信号を提供する。そのような観測所を我々は「生きている」と呼ぶ。我々はこれらと共に作業する。

ルールは単純である：ハースト指数が0.8を超えるか、静穏率が3%未満であれば、その観測所は適さない。

5. どのようにテストしたか

どんなアイデアもテストしなければならない。地震ノイズにパターンを見つけようとする試みは多くあった。ほとんどは成功しなかった。パターンがランダムであることが判明するか、一つの観測所では機能しても別の観測所では機能しなかった。

したがって、我々は厳密にテストに取り組んだ。

異なる観測所からのデータ

我々は世界中の異なる場所の観測所から記録を取得した。都市や港から遠く離れた静かな場所にあるものを選んだ。数週間から数ヶ月の長期間のデータを観察した。

ブラインドテスト

いつどこでイベントが発生したかは事前に知らなかった。単に記録をモデルに通し、ここが静寂、ここがマーカー、ここが崩壊、と記録した。それから地震カタログと照合した。マーカーがあってもイベントがない場合、モデルは間違っている。イベントがあってもマーカーがない場合、モデルは機能していない。

判明したこと

モデルはすべてのイベントを予測するわけではない。しかし、明確なパターンがある：

• マグニチュード5.5以上のイベントの前には、ほぼ常にマーカーが現れる。
• 将来のイベントが強いほど、マーカーはより強く、より早く現れる。
• 最も明るい信号は最大のイベントの前に現れる。カオスは異常に低い値に低下し、マーカーは数時間から数十時間前に現れる。
• 「死んでいる」観測所ではモデルは機能しない。これは良い否定的結果である：モデルは何もないところから信号を抽出しない。

リファレンスデータベース

現在、20以上の検証済みケースがある。それぞれについて、振る舞いのタイプ、マーカーの強さ、リードタイム、カオスのレベルがわかっている。これらのリファレンスポイントにより、新しいデータを迅速に評価できる。

制限事項

モデルは「14:30にマグニチュード7.2の地震が発生する」とは言わない。モデルは「システムが、以前にかくかくのイベントの前に観測された状態に入りつつある」と言う。これは日常的な意味での予測ではない。それは状態の記述である。気圧計がいつ雨が降るかは言わないが、気圧が下がったことを示すのと同じである。

6. 次は何か

我々は旅の始まったばかりである。モデルは機能し、パターンは見えているが、答えよりも疑問の方がまだ多い。以下が我々が次に行う予定のことである。

より多くのデータ

20のリファレンスイベントはパターンを見るのに十分である。しかし信頼性を語るには不十分である。何百もの観測所からの何千ものイベントをモデルに通す必要がある。幸いなことに、世界の地震観測所のすべてのデータはIRISアーカイブで公開されている。誰でも無料でダウンロードできる。その方法は付録で説明する。

自動化と速度

現在、1つの観測所の1日分の解析には時間がかかる。我々はリアルタイムで動作するシステムを構築したい。データが観測所から到着するとすぐに処理され、システムの状態を今すぐに見ることができる。集中治療室の患者モニターのように、パラメータが継続的に更新され、医師がすぐに変化に気づく。

ニューラルネットワーク

人間の目はパターンを見るが、機械はもっと多くを見ることができる。我々はリファレンスデータベースでニューラルネットワークを訓練する予定である。それは我々が見逃す微妙なパターンを見つけることができる。そして24時間、疲れることなくそれを行う。

開放性

我々は他の研究者が我々の方法をテストできるように、この論文を公開する。したがって、データと方法の記述を公開する。チェックさせ、批判させ、改善させる。

付録. 技術的詳細：方程式とパラメータ

このセクションでは、モデルの数学的基礎を説明する。方程式は1つだけである。分解して説明しよう。

主要方程式

我々の方程式は以下の通りである：

一見すると怖く見える。実際には、信号がどのように振る舞うかの記述にすぎない。分解してみよう。

Sとは何か

$S$ は信号そのものである。地震観測所からのその記録そのもの。地面の振動を数値に変換したもの。我々は $S$ が時間（$t$）と周波数（$f$）にわたってどのように変化するかを見る。周波数とは1秒あたりの振動数である。遅い波は低周波、速い波は高周波である。地震とノイズは異なる周波数の混合から成る。この方程式は、エネルギーが周波数間をどのように流れ、時間とともにどのように変化するかを記述する。

左辺：信号を駆動するもの

左辺の3つの項：

1. $\frac{\partial S}{\partial t}$ — 時間に対する信号の変化率。$S$ が今どれだけ速く成長または低下しているか。
2. $\alpha \cdot S \cdot \frac{\partial S}{\partial f}$ — 非線形伝達。これがキーパートである。係数 $\alpha$（アルファ）は、信号がどれだけ自分自身と相互作用するかを示す。アルファが大きい場合、システムは強く非線形である。それは各人が隣人に反応する群衆のようなものである。連鎖反応が発生する。エネルギーがある周波数から別の周波数に送り込まれる。ここに大規模イベントの準備が隠れている。
3. $\eta \cdot \frac{\partial S}{\partial f}$ — 線形伝達。係数 $\eta$（イータ）は、周波数にわたるエネルギーの単純で穏やかな動きを記述する。滑らかな水路を流れる水のように。

右辺：エネルギーを散逸・蓄積するもの

右辺の4つの項：

1. $\beta \cdot \frac{\partial^2 S}{\partial f^2}$ — 周波数にわたる拡散。係数 $\beta$（ベータ）は、エネルギーがスペクトル全体にどれだけ速く広がるかを示す。ベータが大きいとエネルギーは速く散逸する。ベータが小さいとエネルギーは留まり、1つの周波数領域に蓄積する。
2. $\gamma \cdot \frac{\partial^2 S}{\partial t^2}$ — 慣性。係数 $\gamma$（ガンマ）は、システムがどれだけ過去の状態を「記憶している」かを示す。ガンマが大きいと信号は重いフライホイールのように滑らかに変化する。ガンマが小さいと信号はぎくしゃくする。
3. $\kappa \cdot S$ — 減衰または成長。係数 $\kappa$（カッパ）は負または正になりうる。カッパが負であればエネルギーは去る。正であればエネルギーは蓄積する。イベント前のカッパの増加は準備の兆候の1つである。
4. $F$ — 外力。これは外部から来るもの：遠くの地震、電車、海の波。我々のモデルにとって、$F$ はしばしば干渉である。我々は $F$ が最小の観測所を選ぶ。

臨界的カオス低下 — 主要効果

大規模イベントの前には、|F| は数十倍、時には数百倍低下する。我々はこれを臨界的カオス低下と呼ぶ。

リファレンスイベントからの実際の数値：

• 東北地方太平洋沖地震 M9.0（2011）. カオスは本震の29時間前から0.002–0.003のレベルを維持した。これは通常のバックグラウンドの100倍低い。
• カムチャツカ M8.5（2025）. |F| は0.0024まで低下。ほぼ完全な静寂。第二・第三オーダーのマーカーがイベントの数時間前に出現。
• スマトラ島沖地震 M9.1（2004）. |F| は0.0025まで低下。通常は騒がしい地域を背景にした静寂。
• 熊本地震 M7.0（2016）. |F| は0.039まで低下。乱流（Re）は517まで急上昇 — 静寂の中の巨大なスパイク。
• チリ地震 M8.8（2010）. |F| は異常に低く、Reは1033に達した。我々のデータベースでの絶対的記録。クラスA — 極限的。

枝を曲げているところを想像してほしい。持っているだけなら、静寂である。きしみはない。エネルギーが蓄積されている。それから最初のきしみが現れる — それがマーカーである。それからさらに数回のきしみ。そしてついに枝が折れる — それがメインイベントである。我々のモデルは、きしみの前のこの静寂を見る。

パラメータがどのように連携するか：典型的なシナリオ

1. 数日から数時間前： ハーストが0.10–0.13に低下。システムは持続的になる。|F| が低下し始める。静寂。
2. 数時間から数十時間前： |F| が臨界的に低く（0.002–0.04）低下。Reがスパイク（50–1000+）を見せる。第二・第三オーダーのマーカーが出現。|F|/ReがクラスAまたはBに移動。
3. 数十分前： σαが0.5を超えて上昇。システムは深く非線形になる。|α|_maxが2.0を超えることがある。
4. 数分から数秒前： R²が1に向かって急上昇。波動関数が崩壊する。イベントが発生する。
5. イベント後： |F| が急上昇（時に3.0を超える — REJECTED）。カオスが戻る。システムは放電した。

REJECTED — モデルが「ノー」と言うとき

|F| が3.0を超えることがある。モデルはデータを拒否する — それらはあまりにもカオス的で解析できない。しかし、これはエラーではない。REJECTEDはイベントがすでに発生したことの兆候である。エネルギーが解放され、システムは放電状態に入った。REJECTEDが5分以上続く場合、それは大規模な破壊（M7+）の兆候である。

モデルの技術的パラメータ

IRISからデータを取得する方法

IRIS（Incorporated Research Institutions for Seismology）は、地震データの主要なグローバルアーカイブである。数万の観測所、数百万時間の記録。すべてが公開されている。以下の方法で利用できる。

ウェブサービス経由（URLリクエスト）

1つの観測所の1日分のデータをダウンロードするリクエスト例：

https://service.iris.edu/irisws/timeseries/1/query?net=IU&sta=MAJO&loc=00&cha=BHZ&start=2026-06-30T00:00:00&end=2026-06-30T23:59:00&format=ascii

分解して説明する：

• net=IU — 観測所ネットワーク（IU — IRIS国際ネットワーク）。
• sta=MAJO — 観測所コードMAJO。
• loc=00 — ロケーション（通常00）。
• cha=BHZ — チャンネル（BHZ — 広帯域、垂直）。
• start=...&end=... — ISO形式の時間範囲。
• format=ascii — ファイル形式（ascii）。

このリンクをブラウザで開いてデータをダウンロードできる。

重要な注意事項

• データは誰でも無料。登録不要。
• 1回のリクエストの最大ボリュームは約1ギガバイト。より大きなボリュームの場合、データは部分ごとにリクエストされる（例えば日単位で）。
• mSEED形式は我々のモデルで直接読み取られる。
• 我々のモデルのサンプリングレートは20 Hz。IRISデータは通常20、40、または100 Hzで提供される。必要に応じてダウンサンプリング（デシメーション）を行う。
• BHZチャンネルが最も汎用的。広帯域、垂直。我々のモデルに最も適している。

7. 方程式の由来