This paper presents a real-time, false-pick filter based on deep learning to reduce false alarms of an onsite Earthquake Early Warning (EEW) system. Most onsite EEW systems use P-wave to predict S-wave. Therefore, it is essential to properly distinguish P-waves from noises or other seismic phases to avoid false alarms. To reduce false-picks causing false alarms, this study made the EEWNet Part 1 'False-Pick Filter' model based on Convolutional Neural Network (CNN). Specifically, it modified the Pick_FP (Lomax et al.) to generate input data such as the amplitude, velocity, and displacement of three components from 2 seconds ahead and 2 seconds after the P-wave arrival following one-second time steps. This model extracts log-mel power spectrum features from this input data, then classifies P-waves and others using these features. The dataset consisted of 3,189,583 samples: 81,394 samples from event data (727 events in the Korean Peninsula, 103 teleseismic events, and 1,734 events in Taiwan) and 3,108,189 samples from continuous data (recorded by seismic stations in South Korea for 27 months from 2018 to 2020). This model was trained with 1,826,357 samples through balancing, then tested on continuous data samples of the year 2019, filtering more than 99% of strong false-picks that could trigger false alarms. This model was developed as a module for USGS Earthworm and is written in C language to operate with minimal computing resources.

한반도 남서부 지역의 상시미동의 특성을 알아보기 위하여, 해안 지역(군산 136 지점)과 내륙 지역(전주 117 지점)에서 15분 씩 상시미동 자료를 획득하여 수평 대 수직 스펙트럼 비(HVSR, Horizontal to Vertical Spectral Ratio) 분석을 실시하였다. 상시미동의 에너지 스펙트럼은 내륙 지역에 비해 해안 지역에서 저주파 대역의 에너지가 크다. 이것은 서해의 파랑과 조류, 군산의 북쪽을 지나는 금강의 영향으로 보인다. 상시미동을 24시간 관측한 결과, 인간 활동과 연관된 상시미동 에너지는 변하나 상시미동 HVSR의 정점주파수(F0)는 변함이 없어, 하루 중 어느 시간에 관측해도 F0의 안정된 값을 구할 수 있음을 시사한다. 관측점의 상시미동 피크를 싱글피크(single peak), 더블피크(double peak), 브로드피크(broad peak), 노피크(no peak)의 4 종류로 분류한 결과, 전체 관측점의 90 % 이상에서 정점주파수를 구할 수 있었다. 상시미동 F0 분포도는 기반암의 깊이가 얕은 구릉지에서 높은 주파수를, 하천 부근과 매립지에서 낮은 주파수를 보여 지형과 높은 상관관계를 보였다. 상시미동 F0의 진폭(A0)은 전주지역에서는 하천의 하류에서 약 4 정도, 군산지역의 최근 매립지에서 대단히 높은 값(10 이상)을 나타낸다. 지진 발생시 매립지의 피해를 줄이기 위해서는 매립지의 부지반응에 대한 연구와 이에 따른 재해대책이 요구된다.

본 연구는 현재 소방방재청에서 운영하고 있는 지진재해대응시스템에 지반 물성을 고려한 지반재해위험도를 탑재하기 위한 방법론 및 활용방안에 대한 연구이다. 지진재해대응시스템은 기상청에서 수신된 지진정보로 진도분포도를 작성 후 이를 바탕으로 각 행정동 단위의 건축물, 인명, 파이프라인, 구조물의 피해추정을 산출한다. 하지만 이들 피해추정은 지반의 토층 두께만을 고려한 지반증폭률로 산출된 지반최대가속도로 추정된 값으로 지진에 의한 지반의 물성 변화에 따른 피해추정까지 고려된다면 보다 높은 신뢰성을 갖출 수 있다. 지반의 물성은 시추자료를 토대로 입도분포, 표준관입시험(SPT-N치)등의 정보를 수집하여 이를 바탕으로 지반의 물성 변화 즉, 지반 액상화 평가를 하여 지반재해위험도 지도를 작성한다. 지반재해위험도 지도는 지진시나리오별로 시추자료의 좌표점을 기준으로 액상화가능성지수(LPI, Liquefaction Potential Index)로 나타난다. 하지만 시추자료는 대부분 도심지 및 도로, 터널 등 토목공사를 위한 기초자료를 수집하기 위한 시추자료들로 그 외 산간지역이나 농업지역등은 시추자료가 존재하지 않아 시범지역을 모두 커버할 수 없다. 그렇기 때문에 자료가 없는 부분은 보간기법을 적용하여 수치적 해석방법을 수행해야 한다. 수치적 해석을 통해 작성된 지반재해위험도 지도를 현재의 지진재해대응시스템에 탑재함으로써 지진발생시 지반의 물성 변화에 따른 2차 피해 추정의 기초자료로 활용 할 수 있다.