地震計で日々記録される波形データの効率的な解析のため，機械学習を用いて地震動のシグナルを自動検出する手法が多数確立されている．一方，全地球航法衛星システム（GNSS）を用いた地殻変動の観測についてもそのデータ量は急速に増加しており，スロースリップ（SSE)と呼ばれる低速・小規模な断層すべり現象の把握が進んでいる．同現象は巨大地震発生予測に重要と考えられているが，通常地震より発生数が少なく学習データを確保しにくいため，GNSSデータから機械学習でSSEを検出する試みは非常に少ない．本研究では先行研究によるSSE検出カタログが最も充実している西南日本のGNSSデータに機械学習を適用し，SSEのシグナルの自動検出を試みる．学習では地震動検出で用いられるモデル構造を適用し，一定の長さの地殻変動時系列を入力としてSSEのシグナルの有無を判定する問題を設定した．先行研究による検出カタログをもとに作成した約16000個のノイズ・シグナルのデータで学習を行った結果，90%前後の正答率が得られた．発表では学習状況の詳細や検出能力の時空間的特徴，及びノイズ特性との関係を詳細に示し，今後の課題を議論する．
