知識社会における数理科学の役割gcoe-mi.jp/temp/active_report/f2e1fb8511aecc4f315a5f08bbd5a12a.pdf ·...
TRANSCRIPT
ISM 2
概 要
1.情報化にともなう社会と科学研究の変化
2.知識社会における科学的方法論
3.統計科学の取り組み例
1.情報化にともなう社会と科学研究の変化
2.知識社会における科学的方法論
3.統計科学の取り組み例
ISM 3
Post-IT時代と大規模・大量データ
情報技術・情報社会の発展情報技術・情報社会の発展
データの蓄積
•ライフサイエンス: マイクロアレイデータ
• マーケティング: POSデータ
• ファイナンス: 高頻度データ
• 環境科学: • 地球科学:地震学,気象学
• 天文学(全天CCD観測)
ICT(情報通信技術)• 測定機器• 計算機• インターネット• データベース
大規模・大量ヘテロデータ
ISM 4
情報・知識の特性と社会への影響
情報・知識の特性
・可動性土地 < 物質 < 資本 < 情報
・共有可能性
情報・知識の特性
・可動性土地 < 物質 < 資本 < 情報
・共有可能性
グローバリゼーショングローバリゼーション• 経済効率性向上
• 不確実性とリスクの増大
• 経済効率性向上
• 不確実性とリスクの増大
ネットワークアウトソーシング
ISM 5
社会の変化
工業化社会工業化社会
ポストIT社会ポストIT社会
情報化社会情報化社会
資本主義社会資本主義社会
知識社会知識社会
ポスト資本主義社会
ポスト資本主義社会
(P. ドラッカー)
• 資本,労働より知識
• 生産性革命
• 情報・通信技術の発展
• 物質・エネルギーより情報
• ユビキタス社会の実現
• 知識獲得・発展技術の重要性
• 産業革命
• マネジメント革命
ポスト資本主義社会における資源は、資本でも土地でも労働でもなく、それは「知識」である。
ISM 7
科学の対象の拡大と方法論の変化
サイバー世界サイバー世界
進化的世界進化的世界
普遍的世界普遍的世界
進化的世界進化的世界
普遍的世界普遍的世界普遍的世界普遍的世界
19世紀 21世紀20世紀
科学の言語数学
理論科学
科学の言語数学
理論科学
物理機械論的世界観
物理機械論的世界観
理論科学
計算シミュレーション
計算科学
計算シミュレーション
計算科学
非線形・複雑システムの世界
非線形・複雑システムの世界
計算科学
科学の文法統計学
実験科学
科学の文法統計学
実験科学
生物・経済確率的世界観
生物・経済確率的世界観
実験科学
データマイニング発見科学
第4の科学
データマイニング発見科学
第4の科学
大量・大規模データの世界
大量・大規模データの世界
第4の科学
・科学の対象を拡大(物理世界,進化世界,サイバー世界)
・経験と勘から科学的対応へ(もの作り,管理,サービス)
進化論 ICT
ISM 8
計算科学 - Cyber-Enabled Science -
強い仮定
仮想的世界
(硬いモデル)+
解析的方法
統計科学における例:• EM algorithm• Bootstrap• MCMC (ベイズモデリング)• Sequential MCF (状態空間モデル)
弱い仮定現実的世界
(柔軟なモデル)+
計算による方法
Real World の解析・予測を目指してReal World の解析・予測を目指して
非線形現象• シミュレーション• 計算科学
ISM 9
データと研究方法の変化
少数実験データ少数実験データ
記述統計学記述統計学
推測統計学推測統計学
データ科学データ科学
博物学博物学
実験科学実験科学
現代博物学?現代博物学?
生物学
大量観察データ大量観察データ
観察データ観察データ
統計学
堀田凱樹機構長 テューキィ、林、柴田,坂内
記述
検証
発見
ISM 10
知識創造
第4の科学(Data Centric Science)第4の科学(Data Centric Science)
理論科学
実験科学
(シミュレーション)
計算科学
第4の科学(データ中心科学)
データ主導型
理論主導型
デー
タ同
化
演繹
帰納
Inspiration-based Cyber-based
ISM 11
知識の変化
普遍の真理普遍の真理
行動に
有益な情報
行動に
有益な情報
機械的世界感
機械的世界感
進化的世界感
進化的世界感
システム世界
システム世界
サイバー世界
サイバー世界
P・ドラッカー「ポスト資本主義社会」
存在認識
存在認識 道具製品道具製品 仕事仕事 知識知識
産業革命産業革命 生産性革命生産性革命マネジメント
革命
マネジメント
革命
存在から行為へ
ISM 13
機能のモデル化高度情報社会におけるユニバーサルな研究課題の表現形
機能のモデル化とは,対象そのものを実体的に精緻にモデル化するのでなく,対象に関する情報の入出力関係に代表されるような,機能自体を模倣する数理モデルを構築することを意味する.
近年の著しい発展があるロボティクスをささえるのも,機能のモデル化の概念
悲しい顔を見たとき
相手を元気づけるように,じゃれる
抽象化,捨象化がポイント
数理モデル
機能の学習:こどもはニュートンの運動方程式を学んで,逆上がりができるようになるわけでない!
from SONY
提供:樋口知之
ISM 14
モデルの役割の変化
知識社会におけるモデル
知識獲得・知識発展の「道具」
モデル は推論の根拠を示す
従来のモデル ~「真」の構造
データは真のモデルから得られる
「真」の構造に関する推論
) | ( θ・f
) | (~ θ・fx
ISM 15
知的情報処理におけるモデルの役割
対象に関するあらゆる知識や解析の目的に応じたモデリング
データからの情報と事前情報の統合
モデル情報抽出の「道具」
情報抽出知識発見
情報抽出知識発見
予測シミュレーション
予測シミュレーション
制御管理
制御管理データデータ
経験的知識経験的知識
理論理論
ベイズモデル
ISM 16
予測の視点
真の分布真の分布
将来のデータ
将来のデータ
現在のデータ
現在のデータ モデルモデル
推定予測
評価
Akaike(1969),小西・北川(2004)
真の分布真の分布 現在のデータ
現在のデータ
モデルモデル
従来の考え方
なるべく近く!
ISM 17
能動的モデリング
対象に関するあらゆる取得可能な情報 (対象に関する理論,経験的知識,観測データ) およびモデリングの目的
事前情報とデータの持つ情報の統合
ベイズモデリング
モデルを通して知識が得られる.知識はモデルを改良する
知識発展のスパイラル
ISM 18
データ同化
地球環境シミュレーション:
理論モデルによる情報と人工衛星による観測データの統合
原理主導アプローチとデータ主導アプローチの統合
非線形フィルタ・平滑化
応用:• エルニーニョ予測• 津波予測• ゲノムネットワーク
Theoretical Science
Experimental Science
Computing Science
Data CentricScience
Data-driven
Model-driven
Data assim
ilation
Ueno-Higuchi (2004)
Data assimilation
Observation
~
~
ISM 19
Projects in progress
Coupled Ocean-Atmosphere modelGenta Ueno (ISM/JST CREST) Takashi Kagimoto (JAMSTEC, FRCGC)Naoki Hirose (Kyushu Univ., RIAM)
3D structure of ring currentShin’ya Nakano (ISM/JST CREST), Yusuke Ebihara (NIPR) ,M.-C Fok (NASA)Shin-ichi Ohtani,P.C.Brandt(Johns Hopkins Univ.)
Tsunami modelKazuyuki Nakamura (GUAS/JST CREST)Naoki Hirose (Kyushu Univ., RIAM)
○ Genome informatics , Chemical plant
提供:樋口知之
ISM 21
統計的ものの見方の変化
帰納:個々の具体的事実から一般的知識へ
集団として捉える 本質を捉える
大量生産・大量消費を目指した20世紀
個人に焦点をあてた科学技術へ
背景
資源の有効利用のための選択と集中
価値観の多様化(個人,個性,個別,固有の尊重)
テーラーメイド創薬オーダーメイド医療マイクロマーケティングサービスイノベーション教育、物流
平均を見る 個性を捉える
ISM 22
Personalization(平均から個へ)
平均から個性へ
分布 粒子(個)平均と分散
本質は究極の条件付け
X =
p
n
新NP問題 ( n << p )• マイクロアレイ
• マーケティング
サービス・サイエンステーラーメード医療オーダーメード創薬マイクロ・マーケティングテーラーメード教育ロジスティックス
ISM 23
統計数理のフロンティア
生命科学環境科学リスク科学サービスサイエンス
熟練者の経験と勘が重要な領域
工業生産, マネージメント,科学的発見,サービス
複合科学,融合領域
環境科学,リスク科学
統一的視点,横断型方法論が確立されていない領域
リスク管理
ISM 24
データ中心科学のグランドチャレンジ
1. 大規模データに基づく予測と知識発見・知識創造
2. 不確実性のモデリングとリスクの管理
3. 実世界シミュレーション
4. サービス・サイエンス
Key Technologies:能動的モデリング(Active Modeling)
個別化(Personalization)
データ同化(Data assimilation)
ISM 26
ベイズの定理 18世紀
事前分布の問題
哲学的論争
計算困難性
近年の発展(1)方法論上:事前分布,モデル評価
(2)計算上: MCMC,MCF(3)応用上: 生物系統樹推定,統計地震学,データ同化
季節調整,調査データ解析法
例:Google
ベイズモデルの隆盛情報抽出,情報統合,情報検索
解決
ベイズモデリングの発展(1980年代-)
ISM 27
Model Class 3Model Class 3
Model Class 2Model Class 2
Model Class 2Model Class 2
Is Modeling Still an Art?
Model Class 1Model Class 1
No methodologies for Inventing good family of models
No methodologies for Inventing good family of models
Modeling is a kind of artModeling is a kind of art
ISM 285
研究推進の基本的考え方研究推進の基本的考え方
現実の問題に即した研究・広範な学問分野との共同研究
問題解決
問題発見
データ
新手法
実世界の研究
医学・疫学遺伝学
地球科学工学
金融工学環境科学
リスク科学・・・
知識・法則発見理論・手法の新展開
データに基づく合理的推論の仕組み
データ設計調査法
実験計画
発見的データ解析
統計的モデリング
予測
知識発見
シミュレーション
管理・制御
推定・検証方法の研究
知識発展のスパイラル
ISM 29
知識発展のスパイラル
P・ドラッカー「ポスト資本主義社会」
Knowledge is being applied to knowledge itself.(P.E. Drucker: Post Capitalist Society)
知識発展のスパイラル
Quantitative Risk Science
Real World Model
ModelingDiscovery
AnalysisPrediction
ControlData Design
Modeling
Action
Attention
Discovery
Data
Evaluation
Knowledge
ISM 30
数理科学と他分野との連携・融合の進め方
数理科学統計科学
数理科学統計科学
金融経済
金融経済
環境科学環境科学地球科学地震学
地球科学地震学
物理学物理学
生物学遺伝学
生物学遺伝学
心理学心理学
医学疫学
医学疫学
保険年金
保険年金
マーケティングマーケティング
文学文学
宇宙科学天文学
宇宙科学天文学
制御工学制御工学
通信工学通信工学ロボットロボット サービスサービス
1.科学的方法論を核とした連携
問題解決・問題発見のスパイラル
2.科学研究のハブ 知識移転
ISM 32
知識発展のスパイラルを引き起こすシステム
・内部: 基礎研究と戦略的研究の二重構造化
・外部: 共同研究システムNOE
知識発展のスパイラルを引き起こすシステム
・内部: 基礎研究と戦略的研究の二重構造化
・外部: 共同研究システムNOE
統計数理研究所における取り組み
ISM 33
統計科学技術センター(研究基盤・研究支援)
研究組織(基礎研究と戦略的研究)
モデリング研究系モデリング研究系
データ科学研究系データ科学研究系
数理・推論研究系数理・推論研究系
基幹的研究組織
戦略的研究組織
予測発見戦略研究センター
予測発見戦略研究センター
リスク解析戦略研究センター
リスク解析戦略研究センター
新機軸創発センター
新機軸創発センター
ISM 34
予測発見戦略研究センター
高度情報化社会高度情報化社会
大量データの蓄積
ライフサイエンス,環境,防災,ファイナンス,マーケティング
大量データの蓄積
ライフサイエンス,環境,防災,ファイナンス,マーケティング
予測・シミュレーション
情報抽出・知識発見
予測・シミュレーション
情報抽出・知識発見
予測と発見
・能動的モデリング
「真理の探究」から「知識獲得」へ
・パーソナライゼーション
「普遍的知識」から「個の知識」へ
・テーラーメード医療・創薬・教育
・マイクロマーケティング
知識社会知識社会
ISM 35
予測発見戦略研究センター
データ同化グループ地震予測解析グループゲノム解析グループ生物多様性解析グループ
データ同化グループ地震予測解析グループゲノム解析グループ生物多様性解析グループ
大規模データに基づく予測と知識発見大規模データに基づく予測と知識発見
地震危険度解析 エルニーニョ予測
系統樹推定
ISM 36
背景社会のグローバル化によって不確実性とリスクが増大
目的リスクの定量的評価法の確立 リスクの科学的管理
活動内容
(1)リスク評価・管理の方法の研究拠点整備
(2)プロジェクト研究推進□ 医薬品・食品リスク□ 環境リスク□ 金融・保険リスク□ 製品・サービスの質保証・信頼性
(3)リスク研究のNOE(Network of Excellence)形成
背景社会のグローバル化によって不確実性とリスクが増大
目的リスクの定量的評価法の確立 リスクの科学的管理
活動内容
(1)リスク評価・管理の方法の研究拠点整備
(2)プロジェクト研究推進□ 医薬品・食品リスク□ 環境リスク□ 金融・保険リスク□ 製品・サービスの質保証・信頼性
(3)リスク研究のNOE(Network of Excellence)形成
リスク解析戦略研究センター
ISM 37
リスク研究のNOE構築
統計数理の汎用性・学際性を活かし,リスク研究における要の役割を果たす
リスク解析戦略研究センター
(統計数理)
リスク解析戦略研究センター
(統計数理)
環境リスク地球環境
環境リスク地球環境
食品医薬品安全性
食品医薬品安全性
金融・経済保険・年金
金融・経済保険・年金
自然災害自然災害人工物
巨大組織
人工物巨大組織
システム国家
セキュリティ
システム国家
セキュリティ
Network of Excellence
リスク研究ネットワーク
(3月現在39組織)研究科 6研究所・センター 11学協会 12その他団体 10
リスク研究ネットワーク
(3月現在39組織)研究科 6研究所・センター 11学協会 12その他団体 10
ISM 38
時系列解析法と統計的制御セメントキルンの制御
火力発電所の制御
船舶の自動操舵
時系列の解析と制御のためのソフトウェア TIMSAC(1)世界に先駆けて開発した多変量時系列モデル(2)独自のモデル選択法(3)最新の推定法
・世界で初めの多変量時系列解析ソフト・複雑システムの統計的制御を実用化
・セメントプラント制御・火力発電所制御・船舶自動操舵,減揺操舵,適応操舵,自動着桟
・SAS, ISML等にも採用
九州電力
太平洋セメント
三井造船横河電子
ISM 40
地震波信号処理地下水位データ 地震の影響
-80
-40
0
40
80
1 51 101 151 201 251 301 351 401
2350
2450
2550
1 51 101 151 201 251 301 351 401
到着時刻の自動推定
震源の高速自動推定
地震 水位
水位
変化
ISM 42
統計数理の適用例
信号処理1.季節調整法・・・・・経済時系列2.地震波自動処理・・・気象庁3.強風予測システム・・JR東日本3.逆問題(CT)
確率予測:地震,天気
ベイズ推論:グーグル検索
ISM 43
情報量規準AIC
1973年提案:赤池元所長
・パラダイムのシフト推定論+検定論 予測の視点に基づく推定
・モデリングの重要性の認識・・・ベイズ推論
・理論的進展(BIC, EIC, GIC, TIC, ABIC, AICC)
・様々な応用
・20世紀最後の偉業“Breakthroughs in Statistics”Springer
ISM 44
0
2000
4000
6000
8000
10000
12000
1983 1987 1991 1995 1999 2003
AK1973AK1973+IEEE1974
Akaike Total
情報量規準AICのインパクト
0
200
400
600
800
1000
1200
1983 1987 1991 1995 1999 2003
AK1973
AK1973+IEEE1974Akaike Total
Art & Humanities176
Agriculture274
Management & OR436
Pharmacology & Pharmacy561
Geophysics610
Physics & Chemistry673
Environmental773
Social Science785
Business & Economics1070
Psychology & Psychiatry1376
Computer Sciences & Information Science1755
Engineering1833
Biological1868
Medical & Health1987
Mathematics & Statistics2550
回数 引用分野Akaike Total
AK(1973)+IEEE(1974)
AK(1973)
Akaike Total
AK(1973)+IEEE(1974)
AK(1973)
年別被引用数
累積被引用数
数理科学は影響力が長期・広範囲に亘る基礎研究
ISM 45
ベイズの定理 18世紀
事前分布の問題
哲学的論争
計算困難性
ベイズモデリングの推進
ベイズモデルの隆盛情報抽出,情報統合,情報検索
解決
統計数理研究所が果した役割(1)方法論上の貢献:事前分布,モデル評価
(2)計算上の貢献: MCMC,MCF(3)応用上の貢献: 生物系統樹推定,統計地震学
データ同化,季節調整,調査データ解析法
例:Google
ISM 49
∑+−
+=< };{ )(
),,(ttj
pjj cttKyxt μλθ
q
MM
tjjjjj d
eyyxxSyyxx
cj
−
−⎥⎥⎦
⎤
⎢⎢⎣
⎡+
−−−−)(
),(),(α
×
階層的時空間ETAS(HIST-ETAS)モデル
実際の地震活動度 = 階層的時空間ETASモデル× 相対的地震活動度
提供:尾形良彦
ISM 50
新領域融合研究センター 機能と帰納プロジェクト
● 情報学をささえる第3の要素-メタウェア-が重要
-- 知財の様式が変化(アイデア,アルゴリズム,ビジネスモデル,機能)
● 次世代スパコン:データ同化,リアルタイム逆問題,バックワード型バイオインフォマティクス
ねらい:・複雑なシステムの理解・システムの機能のモデル化・帰納的方法,あるいは帰納的方法と演繹的方法の融合
機能のモデル化とは,対象そのものを実体的に精緻にモデル化するのでなく,対象に関する情報の入出力関係のような,機能自体を模倣する数理モデルを構築することを意味する.
日本のソフトウェア産業の問題•ソフトウェアが弱い•ハード・ソフトの二元論•数理的,統計的基盤
日本のソフトウェア産業の問題•ソフトウェアが弱い•ハード・ソフトの二元論•数理的,統計的基盤
ソフトウェアソフトウェアハードウェアハードウェア
メタウェアメタウェア
ISM 51
機能と帰納プロジェクト
1.予測とリスク解析1-1 グラフマイニングを用いた因果ネットワーク発見1-2 遺伝子多様性の統計解析1-3 生物多様性の総合的理解を目指して1-4 リスク評価のための帰納推論と機能的統計解析のデザイン
2.通信“メタウェア”とその応用2-1 計算機による帰納的モデリングのための環境2-2 マルチモーダルデータからの不変情報の発見とその方法論の
研究2-3 モデル化と高効率データ処理に基づく無線データシステムの
研究
3.ダイナミック逆問題3-1 統計的モデルに基づく地球科学における逆問題解析手法3-2 複雑システム理解と予測のためのアレイデータの帰納的解析
手法開発3-3 統計モデルによる地震活動の研究
ISM 53
AICによる自動推定
局所定常ARモデルのAIC
L
L1-
L2
L1
L0
AICAIC
AICAICAIC
l
lR
R1-
R2
R1
R0
AICAIC
AICAICAIC
l
l
LjAIC R
jAIC
Rj
Ljj AICAICAIC +=
AIC最小化による自動推定
Time
AIC
ISM 54
P 波到着時刻の自動指定
-40
-20
0
20
40
1 51 101 151 201 251 301 351 401
9800
10300
10800
1 51 101 151 201 251 301 351 401
AIC
-30
0
30
1 51 101 151 201 251 301 351 401
4000
5000
6000
7000
8000
9000
1 51 101 151 201 251 301 351 401
AIC
- 20
0
20
1 51 101 151 201 251 301 351 401
8000
9000
10000
1 51 101 151 201 251 301 351 401
AIC
2000
ISM 55
S 波の到着時刻推定
-30
-15
0
15
30
1 51 101 151 201 251 301 351 401
1940
1950
1960
1970
1980
1 51 101 151 201 251 301 351 401
AIC
-60
-30
0
30
60
1 51 101 151 201 251 301 351 401
2090
2110
2130
2150
2170
1 51 101 151 201 251 301 351 401
AIC
-80
-40
0
40
80
1 51 101 151 201 251 301 351 401
2350
2450
2550
1 51 101 151 201 251 301 351 401
AIC
100
ISM 56
地下水位データ(地震の影響の抽出)
1981
1985
19841983
1982
19901989
19881987
1986
産総研観測井
気圧,地球潮汐,降雨
などの影響を受ける
地震の影響の検出が困難
ISM 58
地震の影響の抽出
成分モデルn
n
n
Pty
n
n
n
RE
ε
観測値
トレンド
気圧効果
地球潮汐効果
降水効果
観測ノイズ
nin
k
iiin
k
iinin
l
iin
in
m
iinnn
k
vrdRcRetbE
paPwt
++==
==Δ
−=
−=
−=
−=
∑∑∑
∑
110
0
,
,
y t P E Rn n n n n n= + + + + ε
ISM 59
Inclusion of Rain Effect into Model
Moving Average
Pressure and Tide Removed
Pressure, TideRain Removed
Smoothing
Statistical Modeling
Original Data
ISM 60
1981 1982
1983 1984
1985 1986
1987 1988
1989 1990
M=7.0 D=375kmM=4.8
D=48km
M=5.7 D=66km
M=7.7 D=622km
M=6.0 D=113km
M=6.2 D=150km
M=5.0 D=57km
M=7.9 D=742km
M=6.8 D=128km
M=6.0 D=126km
M=6.7 D=226km
M=5.7 D=122km
M=6.5 D=96km
1981 1982
1983 1984
1985 1986
1987 1988
1989 1990
地震の影響の検出
ISM 61
地震の影響
地震 水位
降雨 水位
DM log45.2−
> 16cm> 4cm> 1cm
1log45.2 =− DM
0log45.2 =− DM
マグ
ニチ
ュー
ド
距 離
水位
変化
ISM 63100
1000
10000
100000
351 451 551 651 751 851 951
Time
Location
Amplitude
-100
000
1000
0
2000
0
3000
0
4000
0
5000
0
150
110
0115
0120
0125
0130
0135
0140
0145
0150
0155
01
Location
観測時系列(調整済,982ch)
ISM 64
時空間モデルによる分解
jnjnjnjn wsry ,,,, ++=
sjnjhnjn
rjnjknjn
uss
urr
j
j
,1,,
,1,,
+=
+=
−−
−−
X
00
X0
Wof timeArrival:)W( Wof timeArrival:)W()W(),W(
Xj
j
jjjj
TT
ThTk Δ=Δ=
snmnmnn
rnnnn
vsbsbsvrarar
,11
,11
+++=
+++=
−−
−−
L
L ll
waveReflection eDirect wav
,
,
jn
jn
sr
Time series model
Spatial model
Basic observation model
J-1
J
kj
ISM 65
経路モデルと到着時刻
231303322 22,/ dddDdvvhvd ijiiij −−−=−=
31
3223
22
12
213
21
11
203
20
10
12021
22
122
11
1202
20
10
12021
22
122
11
1202
20
10
011
1201
20
10
011
1201
20
10
220
10
220
10
220
10
221)Wave(01232
)23(231)Wave(00012
)2(2Wave(0121)
)3(3Wave(0001)
)(Wave(01)
25)Wave(00000
9Wave(000)
Wave(0)
dvdhvdhvdhv
ddDvdhvdhv
ddDvdhvdhv
dDvdhv
dDvdhv
Dhv
Dhv
Dhv
−−−−
−−−
−−−
−−
−−
−
−
−
++++++
−−++++
−−++++
−++
−++
+
+
+
経路モデル 到着時刻
0h
0d1h
2h
D
1d
WaterOBS
Source
2d
Parallel Layer Structure
Width km,,, 3210 LhhhhVelocity km/sec,,, 3210 Lvvvv
ISM 66
経路モデルと到着時刻(OBS4)
Distance (km)
Arr
ival
Tim
e (s
ec.)
0
1
2
3
4
5
6
7
8
9
10
11
12
13
1 11 21 31 41 51 61 71 81 91 101
W0
W000
W00000
W0000000
W01
W011
W0121
W000121
W01221
W012321
W00012321
W0123321
W0111221
W0122221
W01111
W0001
W00011
W0001221
ISM 67
経路モデルと隣接する系列での到着時点差
10.210.210.2--Wave012321
15.315.114.712.9-Wave01221
17.917.215.410.5-Wave011
31.128.824.114.90.3Wave00000
33.532.429.721.60.6Wave000
35.034.834.432.31.7Wave0
20151050Path Model
Epicentral Distance (km)
0
10
20
30
40
0 5 10 15 20
W0 W000 W0 5̂ W0 7̂W0 9̂ W01 W011 W0121W01221 W012321