想定した地震による任意地点での揺れを予測することは地震動予測と呼ばれ、事前の地震ハザード評価や事中の緊急地震速報、事後の被害推定などで活用されている。震度などの地震動指標の予測はこれまで多くの研究がなされており、多重回帰解析をベースとした経験式や機械学習などが使われてきた。一方で、地震波形や地震動指標の時系列の予測には地震波伝播の数値シミュレーションを用いられてきたが、計算コストが課題となっていた。。近年の機械学習の発展を受け、この予測問題に対して機械学習が適用され、多くの成果が生み出されている。本研究では、グラフベースの非線形次元圧縮手法であるUMAPによる特徴量抽出とランダムフォレストによる回帰を組み合わせた、地震動指標時系列の予測手法を提案するものである。予測対象は１秒ごとの震度に相当する指標であるリアルタイム震度とした。特徴量抽出を通じて時系列の特徴を可視化することで、機械学習ベースの予測におけるブラックボックス性を減じることができると考える。同手法を実記録に適用し、その有効性を検証した結果を報告する。
