WO2021199245A1

WO2021199245A1 - 分析装置、分析方法及び記憶媒体

Info

Publication number: WO2021199245A1
Application number: PCT/JP2020/014752
Authority: WO
Inventors: 翔平大野; 孝和石井; 奈緒赤川; 寛道平田
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2020-03-31
Filing date: 2020-03-31
Publication date: 2021-10-07
Anticipated expiration: 2022-09-30
Also published as: JP7375915B2; US12360235B2; JPWO2021199245A1; US20230042178A1

Abstract

地表面の高さの変動の要因を判定することができる分析装置などを提供する。　本開示の一態様に係る分析装置１２は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出部１１２と、判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習部１１３と、を備える。

Description

分析装置、分析方法及び記憶媒体

　本開示は、地表面の高さの変位に関して分析する技術に関し、特に、ＳＡＲ（Ｓｙｎｔｈｅｔｉｃ　Ａｐｅｒｔｕｒｅ　Ｒａｄａｒ）によって測定した地表面の高さに関して分析する技術に関する。

　特許文献１には、機械学習によって生成した変動判定モデルによって、干渉ＳＡＲ画像に基づく地表変動の有無の判定を行う地表変動判定方法が記載されている。

特開２０１８－１９４４０４号公報

　特許文献１に記載の技術では、地表面の変動の有無を判定できる。しかし、特許文献１に記載の技術によって、地表面の高さの変動の要因を判定することはできない。

　本開示の目的は、地表面の高さの変動の要因を判定することができる分析装置などを提供することにある。

　本開示の一態様に係る分析装置は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出手段と、判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習手段と、を備える。

　本開示の一態様に係る分析装置は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出手段と、判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習手段と、を備える。

　本開示の一態様に係る分析方法は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出し、判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する。

　本開示の一態様に係る分析方法は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出し、判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する。

　本開示の一態様に係る記憶媒体は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出処理と、判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習処理と、をコンピュータに実行させるプログラムを記憶する。

　本開示の一態様に係る記憶媒体は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出処理と、判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習処理と、をコンピュータに実行させるプログラムを記憶する。

　本開示の一態様は、上述の記憶媒体に格納されたプログラムによっても実現される。

　本開示には、地表面の高さの変動の要因を判定することができるという効果がある。

図１は、本開示の第１及び第２の実施形態に係る分析装置の構成の例を表すブロック図である。図２は、本開示の第１の実施形態の分析装置１０の動作の一例を表すフローチャートである。図３は、本開示の第１及び第２の実施形態の変形例の分析システムの構成を表すブロック図である。図４は、本開示の第１及び第２の実施形態の変形例の分析システムが含む学習装置、分析装置、及び、地理空間情報記憶装置の詳細な構成の例を表すブロック図である。図５は、本開示の第１の実施形態の分析装置の動作の例を表すフローチャートである。図６は、本開示の第３及び第４の実施形態の分析装置の構成の例を表す図である。図７は、本開示の第３及び第４の実施形態の分析装置の動作の例を表すフローチャートである。図８は、本開示の実施形態に係るコンピュータのハードウェア構成の一例を表す図である。図９は、盛土造成地のタイプの例を表す図である。図１０は、表層地質の例を表す図である。図１１は、河川敷を表す図である。

　以下では、本開示の実施形態について、図面を参照して詳細に説明する。

　＜第１の実施形態＞
　＜構成＞
　図１は、本開示の第１の実施形態に係る分析装置１０の構成の例を表すブロック図である。図１に示す例では、分析装置１０は、第１受取部１１１と、第１抽出部１１２と、学習部１１３と、第２受取部１２１と、第２抽出部１２２と、判定部１２３と、出力部１２４と、モデル記憶部１２５と、地理空間情報記憶部１３１とを含む。なお、分析装置１０は、互いに通信可能に接続されている２つ以上の装置の組み合わせとして実現されていてもよい。また、ユーザがデータの分析装置１０への入力などを行う端末装置が、例えば通信ネットワークを介して分析装置１０に通信可能に接続されていてもよい。分析装置１０が、互いに通信可能に接続されている３つの装置の組み合わせとして実現されている例は、変形例として後述される。

　＜＜第１受取部１１１＞＞
　第１受取部１１１は、地表面の高さの変位を表すデータを、学習用のデータとして受け取る。例えば、ユーザが、上述の端末装置を使用して、地表面の高さの変位を表すデータを、第１受取部１１１に入力してもよい。この場合、第１受取部１１１は、地表面の高さの変位を表すデータを、その端末装置から受け取る。

　高さの変位は、例えば、過去の複数の時点における観測によって得られた、地表面上の同じ地点（または同じとみなされる地点）における高さの推移を表す。高さの変位を、高さの変動と表記することもある。高さは、例えば、人工衛星や航空機などの飛翔体に搭載されたレーダーを合成開口レーダー（ＳＡＲ）として使用する観測によって得られた、地表面上の地点における高さである。以下の説明では、このような観測を、合成開口レーダー（ＳＡＲ）による観測と表記する。高さの推移は、例えば、過去の複数の時点における観測によって得られた高さを表す複数の値と、その高さが観測された順と、を特定できるデータによって表されていてよい。

　高さの推移を表すデータは、例えば、高さを表す値と、その高さが観測によって得られた時点を表すデータとの組み合わせを複数含むデータであってよい。時点を表すデータの単位は、適宜定められていてよい。例えば、時点を表すデータは、日付を表していてもよく、日付及び時刻を表していてもよい。時刻の単位も、適宜定められていてよい。

　地表面上の点における高さの変位を表すデータを、以下では、変位データと表記する。変位データは、その変位データが表す高さの変位が測定された、地表面上の地点の位置を表す情報（例えば、緯度及び経度の情報）を含んでいてよい。位置を表す情報は、地表面上の位置を特定できる他の情報であってもよい。以下では、地点の位置を表す情報を、地点情報と表記する。

　上述の、地表面の高さの変位は、地表面上の複数の地点の各々における、高さの変位を表していてよい。地表面の高さの変位を表すデータを、地表面変位データと表記する。地表面変位データは、複数の地点における変位データの組み合わせであってよい。

　第１受取部１１１が学習用のデータとして受け取る、地表面の高さの変位を表すデータを、学習用変位データと表記する。学習用変位データは、同一の領域を多時期に多数回ＳＡＲによって観測することによって得られた観測データの解析によって得られた、その領域の地表面の時系列の変位を表すデータ（経年変位マップとも表記）であってよい。なお、時系列の変位の推移を、経年変位と表記する。

　第１受取部１１１は、受け取った学習用変位データを、第１抽出部１１２に送出する。

　＜＜第１抽出部１１２＞＞
　第１抽出部１１２は、第１受取部１１１から学習用変位データを受け取る。第１抽出部１１２は、例えば、学習用変位データから、その学習用変位データに含まれる変位データによって表される高さの推移が観測された地点の地点情報を抽出する。第１抽出部１１２は、抽出した地点情報によって位置が表される地点における、地理空間情報の値を、後述の地理空間情報記憶部１３１に格納されている地理空間情報から抽出する。

　本実施形態では、地理空間情報は、例えば、地表面の状態及びその地表面の地下の状態の少なくとも一方を表す情報である。地理空間情報は、いわゆる地理情報システム（Ｇｅｏｇｒａｐｈｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍ）から得られる情報の少なくともいずれかであってもよい。地理空間情報は、人工衛星や航空機などから観測によって得られたデータであってもよい。地理空間情報は、現地調査によって得られたデータであってもよい。地理空間情報は、計測や調査によって得られたデータに基づく分析の結果を表す情報であってもよい。地理空間情報は、計測や調査によって得られたデータに基づいて、人為的に定められた情報であってもよい。地理空間情報は、ＧＩＳ（Ｇｅｏｇｒａｐｈｉｃ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍ）データと表記されることもある。

　地理空間情報は、あらかじめ、地理情報システムから取得され、地理空間情報記憶部１３１に格納されていてよい。複数の種類の地理空間情報が、地理空間情報記憶部１３１に格納されていてよい。地理空間情報は、地点情報（例えば緯度及び経度）によって特定される地点の、地理空間情報の値を特定できる形式で表されていてよい。地理空間情報の具体例については、後で詳細に説明する。

　第１抽出部１１２は、あらかじめ定められている種類の地理空間情報の、地点情報によって特定される地点における値を抽出してよい。第１抽出部１１２は、地理空間情報記憶部１３１に格納されている全ての種類の地理空間情報の、地点情報によって特定される地点における値を抽出してもよい。地点情報によって特定される地点における値が存在しない地理空間情報が存在する場合、第１抽出部１１２は、その地理空間情報の値を抽出しなくてもよい。地点情報によって特定される地点における値が存在しない地理空間情報が存在する場合、第１抽出部１１２は、その地理空間情報の値を、値が存在しないことを表す値（例えば、０等）に設定してもよい。

　第１抽出部１１２は、学習用変位データ（言い換えると、経年変位マップ）と、その学習用変位データが経年変位を表す領域（具体的には、その領域内の複数の地点）における、抽出された地理空間情報の値を、学習部１１３に送出する。

　＜＜地理空間情報記憶部１３１＞＞
　地理空間情報記憶部１３１は、地理空間情報を記憶する。地理空間情報は、指定された地点における地表面の状態を特定できる形で、地理空間情報記憶部１３１に格納されている。

　地理空間情報は、例えば、地表面が区切られたメッシュごとの、状態を表す値によって表されていてもよい。この場合、第１抽出部１１２は、地点情報によって特定される位置が含まれるメッシュの中における状態を表す、地理空間情報の値を、地点情報によって特定される地点の地理空間情報の値として抽出する。メッシュのサイズや形状は、地理空間情報の種類ごとに定められていてよい。

　地理空間情報は、他の形式で表されていてもよい。地理空間情報は、例えば、状態が異なる領域の間の境界線と、境界線によって区切られる領域内における状態を表す値とによって表されていてよい。この場合、第１抽出部１１２0は、地点情報によって特定される位置が含まれる領域内における状態を表す値を、地点情報によって特定される地点の地理空間情報の値として抽出する。地理空間情報の形式は、地理空間情報の種類ごとに定められていてよい。

　具体的な地理空間情報は、例えば、盛土造成地のタイプ、平均傾斜角度、平均降水量（例えば、平均年間降水量）、表層地質、急傾斜地指定、土砂災害警戒区域指定、液状化危険度、雨水浸透桝の可否、地震時の揺れ易さ、排水困難低地、都市域土地利用、自然地形分類、人工地形分類、表層地質、河川敷、施設情報（工事の有無等）であってよい。

　盛土造成地のタイプは、盛土がなされた地表面の形状によって定まる、土の盛り方を表していてよい。盛土造成地のタイプは、例えば、谷や沢を盛土によって埋めた盛土である「谷埋め型盛土」や、傾斜地に行われた盛土である「腹付け型盛土」である。

　盛土造成地のタイプは、さらに、盛土の規模を表していてもよい。この場合、例えば、谷や沢を盛土によって埋めた盛土のうち、基準を満たす盛土（例えば、面積が３０００平方メートル以上の盛土）のタイプは、「大規模谷埋め型盛土」であってよい。この場合、谷や沢を盛土によって埋めた盛土のうち、基準を満たさない盛土のタイプが、「谷埋め型盛土」であってよい。また、傾斜地に行われた盛土のうち、基準を満たす盛土（例えば、盛土をする前の地盤面（原地盤面とも呼ばれる）の水平面に対する角度が２０度以上で、かつ、盛土の高さが５メートル以上である盛土）のタイプは、大規模腹付け型盛土であってよい。この場合、傾斜地に行われた盛土のうち、基準を満たさない盛土のタイプが、「腹付け型盛土」であってよい。

　盛土造成地のタイプの値は、例えば、「谷埋め型盛土」や「腹付け型盛土」などにあらかじめそれぞれ適宜割り振られた、互いに異なる数値のいずれか１つであってもよい。

　図９は、盛土造成地のタイプの例を表す図である。図９に示す例は、盛土造成地の地表面における分布を、盛土造成地のタイプごとに表す。

　平均傾斜角度は、例えば、メッシュ単位で算出された、地表面の平均の傾斜角度のデータであってよい。平均傾斜角度の値は、算出された地表面の平均の傾斜角度であってよい。

　平均降水量は、例えば、メッシュ単位で算出された、地表面の平均の降水量のデータであってよい。平均降水量の値は、算出された地表面の平均の降水量であってよい。

　表層地質は、地表面の表層の地質（言い換えると、地質の種類）を表すデータであってよい。地質の種類は、あらかじめ定められていてよい。地質の種類の各々には、あらかじめ互いに異なる数値が割り当てられていてよい。表層地質の値は、地質にあらかじめそれぞれ適宜割り当てられている数値のいずれか１つであってよい。

　急傾斜地指定は、例えば自治体などによって、急傾斜地として指定されているか否かを表すデータであってよい。急傾斜地指定の値は、例えば、急傾斜地として指定されていることを表す数値、または、急傾斜地として指定されていないことを表す数値であってよい。これらの数値として、互いに異なる数値があらかじめ適宜決められていてよい。

　土砂災害警戒区域指定は、例えば自治体などによって、土砂災害警戒区域として指定されているか否かを表していてよい。土砂災害警戒区域指定の値は、例えば、土砂災害警戒区域として指定されていることを表す数値、又は、土砂災害警戒区域として指定されていないことを表す数値であってよい。これらの数値として、互いに異なる数値があらかじめ決められていてよい。

　液状化危険度は、例えば、土地が液状化する危険性の程度を表すデータであってよい。液状化危険度の値は、土地が液状化する危険性の程度を表す数値であってよい。液状化危険度の値は、それぞれ異なる程度を表す異なる複数の数値のいずれか１つであってよい。危険性の程度を表す数値は、あらかじめ適宜定められていてよい。

　雨水浸透桝の可否は、例えば、地形、土質、地下水位に基づいて浸透施設の設置が可能か否かについて判断された結果を表す「浸透施設設置判断マップ」に基づく設置可否を表す情報であってよい。雨水浸透桝の可否の値は、設置が可能であることを表す数値、又は、設置が可能でないことを表す数値であってよい。これらの数値として、互いに異なる数値があらかじめ適宜決められていてよい。

　地震時の揺れ易さは、例えば、地震が発生した場合の地表面の揺れ易さの程度を表すデータであってよい。地震時の揺れ易さの値は、地震が発生した場合の地表面の揺れ易さの程度を表す数値であってよい。地震時の揺れ易さの値は、地震が発生した場合の地表面の揺れ易さの程度を表す、複数の数値のいずれか１つであってよい。地表面の揺れ易さの程度を表す数値は、あらかじめ適宜定められていてよい。

　排水困難低地は、例えば、土地の標高や周囲との標高差等によって推定された、その土地が排水困難低地であるか否かを表していてよい。排水困難低地の値は、排水困難低地であることを表す数値、又は、排水困難低地でないことを表す数値であってよい。これらの数値は、あらかじめ適宜定められていてよい。

　都市域土地利用は、都市として指定されている地域における土地利用の種別であってよい。都市域土地利用における、土地利用の種別は、例えば衛星写真から判読されてもよい。あらかじめ定められた複数の種別から選択された土地利用の種別が、都市の地域に含まれる領域に対して設定されてよい。あらかじめ定められた複数の種別には、それぞれ、異なる数値があらかじめ適宜割り当てられていてよい。領域に対して設定される土地利用の種別の値は、その種別に割り当てられている数値であってよい。

　自然地形分類は、例えば、人間によって建造された建造物ではない場所における、地形の種別であってよい。自然地形分類として設定可能な、複数の地形の種別が、あらかじめ適宜定められていてよい。自然地形分類が設定される領域に対して、自然地形分類として設定可能な種別としてあらかじめ定められている複数の地形の種別から選択された地形の種別が設定されてよい。それらの複数の種別に対して、それぞれ異なる数値が割り当てられていてよい。領域に設定される自然地形分類における地形の値は、その領域に設定されている地形の種別に割り当てられている数値であってよい。

　人工地形分類は、例えば、人間が地形を改変した場所や人間によって建造された建造物である場所における、地形の種別であってよい。人工地形分類として設定可能な、複数の地形の種別が、あらかじめ適宜定められていてよい。人工地形分類が設定される領域に対して、人工地形分類として設定可能な種別としてあらかじめ定められている複数の地形の種別から選択された地形の種別が設定されてよい。それらの複数の種別に対して、それぞれ異なる数値が割り当てられていてよい。領域に設定される人工地形分類における地形の値は、その領域に設定されている地形の種別に割り当てられている数値であってよい。

　表層地質は、例えば、地表における土壌の種類を表していてよい。複数の土壌の種類が、あらかじめ適宜定められていてよい。そして、あらかじめ適宜定められている異なる数値が、それらの複数の土壌の種類に、それぞれ割り当てられていてよい。例えば調査の結果に基づく土壌の種類が、領域に対して設定されてよい。領域の表層地質の値は、その領域に設定されている土壌の種類に割り当てられている数値であってよい。

　図１０は、表層地質の例を表す図である。図１０には、地表面を含む表層における地質の分布が描かれている。

　河川敷は、領域が河川敷であるか否かを表す情報であってよい。河川敷であることを表す数値（言い換えると河川敷を表す数値）と、河川敷でないことを表す他の数値（言い換えると、非河川敷を表す数値）とが、あらかじめ適宜定められていてよい。そして、河川敷である領域に、河川敷を表す数値が設定されていてよい。河川敷でない領域に、非河川敷を表す数値が設定されていてよい。領域の河川敷の値は、その領域に設定されている、河川敷を表す数値または非河川敷を表す数値であってよい。

　図１１は、河川敷を表す図である。図１１には、河川敷と判定された領域と、それ以外の領域とが描かれている。

　施設情報は、施設に関する情報を表す。施設情報は、施設に関する様々な情報のうち、あらかじめ定められているいずれかを表していてよい。本実施形態では、施設情報は、工事中であるか否かを表す。工事中であることを表す数値と、工事中でないこと表す他の数値とが、あらかじめ適宜設定されていてよい。工事中である領域に対して、工事中であることを表す施設情報が設定されていてよい。工事中でない領域に対して、工事中ではないことを表す施設情報が設定されていてよい。具体的には、工事中である領域の施設情報の値として、工事中であることを表す数値が設定されていてよい。工事中ではない領域の施設情報として、工事中でないことを表す数値が設定されていてよい。

　＜＜学習部１１３＞＞
　学習部１１３は、第１抽出部１１２から、学習用変位データと、その学習用変位データが経年変位を表す領域の、抽出された地理空間情報の値と、を受け取る。

　学習部１１３は、受け取った学習用変位データと、地理空間情報の値とを使用した学習を行う。学習部１１３は、この学習において、学習部１１３は、対象地点の地理空間情報の少なくとも一部の値に基づいて、その対象地点における高さの変位に寄与する、地理空間情報の組み合わせを判定する、判定モデルを学習する。本実施形態の判定モデルは、例えば、地理空間情報の値を受け取り、受け取った地理空間情報の値に応じた、高さの変位に寄与する地理空間情報の組み合わせを出力するプログラムのパラメータを表していてよい。

　具体的には、判定モデルは、例えば、受け取った地理空間情報の値が、地理空間情報の少なくとも一部の値に対する条件を満たす場合に、その条件に応じた、高さの変位に寄与する地理空間情報の組み合わせを出力するプログラムのパラメータを表していてよい。この場合、判定モデルは、受け取った地理空間情報の値が、地理空間情報の少なくとも一部の値に対する条件と、その条件が満たされる場合の高さの変位に寄与する地理空間情報の組み合わせと、によって表される。なお、複数の条件が存在していてよい。複数の条件は、それぞれ、地理空間情報の、必ずしも同一でない少なくとも一部に対する条件であってよい。上述のプログラムを、上述のパラメータを使用して実行するプロセッサ（及び、そのようなプロセッサを含むコンピュータ）を、以下では、判定器とも表記する。

　本実施形態では、学習部１１３は、学習のアルゴリズムとして、異種混合学習を使用する。ただし、学習のアルゴリズムは、地理空間情報の値を受け取り、地理空間情報の値に対する条件に応じた、高さの変位に寄与する地理空間情報の組み合わせを出力する判定モデルを学習できる他のアルゴリズムであってもよい。例えば、多変量解析は、重回帰分析なども使用される場合がある。異種混合学習については、例えば、以下の参考文献に記載されている。
（参考文献）” Fully-Automatic Bayesian Piecewise Sparse Linear Models”, Riki Eto, Ryohei Fujimaki, Satoshi Morinaga, Hiroshi Tamano, Proceedings of the Seventeenth International Conference on Artificial Intelligence and Statistics, PMLR 33, pp. 238-246, 2014.

　異種混合学習は、異なる説明変数の組み合わせによる予測モデルを組み合わせて予測を行う異種混合予測モデルの学習を指す。異種混合予測モデルは、例えば、条件式の組み合わせと、その組み合わせに含まれるすべての条件式が満たされる場合の予測式と、の複数の組によって表される。それぞれの条件式は、例えば、いずれか１つの説明変数の値に対する条件式である。条件式の組み合わせは、１つ以上の条件式を含む。それぞれの予測式は、必ずしも同一ではない説明変数の線形式によって表される。

　学習部１１３は、例えば、高さの変位を目的変数とし、地理空間情報を説明変数として、将来の高さの変位、例えば、所定期間後の高さの変位を予測するように異種混合学習を行う。所定期間は、あらかじめ適宜定められていてよい。学習部１１３は、異種混合学習を行うことによって、条件式の組み合わせと、その組み合わせに含まれる全ての条件式が満たされる場合の予測式と、の複数の組を得ることができる。条件式の各々は、必ずしも同一ではない、１つの地理空間情報の値に対する条件を表す。条件式の組み合わせは、上述のように、１つ以上の条件式を含む。この条件式の組み合わせを、場合分け条件と表記する。予測式は、高さの変位を予測する式である。予測式の各々は、１つ以上の説明変数の線形式（線形和）によって表される。説明変数の各々は、いずれか１つの地理空間情報を表す。予測式に含まれる説明変数が表す地理空間情報は、高さの変位に寄与する地理空間情報であると言える。

　以下の説明において、「場合分け条件が満たされる」は、場合分け条件に含まれるすべての条件式が満たされることを表す。場合分け条件に対する予測式は、その場合分け条件が満たされる場合の予測式を表す。

　学習部１１３は、場合分け条件が満たされる場合に、その場合分け条件に対する予測式に含まれる説明変数によって表される地理空間情報を、高さの変位に寄与する地理空間情報として判定する判定モデルを生成する。判定モデルは、高さの変位に寄与する地理空間情報として判定した地理空間情報の情報を出力する。本実施形態の説明及び以下の説明において、「判定モデルを生成する」は、判定モデルを学習し、学習によって得られた判定モデルを表すデータを生成することを指す。

　学習部１１３は、得られた判定モデル（言い換えると、得られた判定モデルを表すデータ）を、モデル記憶部１２５に格納する。

　＜＜第２受取部１２１＞＞
　第２受取部１２１は、地表面上の地点の位置を特定する情報（例えば、緯度及び経度の情報）を受け取る。例えば、ユーザが、上述の端末装置を使用して、地表面上の地点の位置を特定する情報を、第２受取部１２１に入力してもよい。この場合、第２受取部１２１は、地表面上の地点の位置を特定する情報を、その端末装置から受け取る。

　上述のように、地点の位置を特定する情報は、地点情報と表記される。第２受取部１２１が受け取る地点情報を、対象地点情報と表記する。対象地点情報によって位置が特定される地点を、対象地点と表記する。対象地点情報は、１つの対象地点の位置を表していてもよい。その場合、対象地点情報は、例えば、緯度を表す情報と経度を表す情報との組み合わせを１つ含んでいてよい。対象地点情報は、複数の対象地点の位置を表していてもよい。その場合、対象地点情報は、例えば、緯度を表す情報と経度を表す情報との組み合わせを複数含んでいてもよい。対象地点情報は、例えば、領域内に規則的に並んでいる複数の点（格子点とも表記）の位置を表していてもよい。その場合、対象地点情報は、領域を特定する情報と、領域内の対象地点を特定する情報とを含んでいてよい。この場合、領域を特定する情報は、例えば領域の形状が矩形である場合、例えば、１つの頂点の緯度及び経度と、その頂点を起点とし、矩形の２辺を表す２つのベクトル（第１のっベクトル及び第２のベクトルと表記）とを含んでいてもよい。領域内の対象地点を特定する情報は、例えば、第１のベクトルの方向において対象地点が存在する間隔と、第２のベクトルの方向において対象地点が存在する間隔と、であってよい。対象地点情報は、これらの例に限られない。

　以下では、対象地点が１つである場合について説明する。複数の対象地点が存在する場合、以下で説明する各部は、１つの対象地点に対する動作を複数の対象地点に対して繰り返してよい。

　第２受取部１２１は、受け取った対象地点情報を、第２抽出部１２２に送出する。

　＜＜第２抽出部１２２＞＞
　第２抽出部１２２は、第２受取部１２１から、対象地点情報を受け取る。第２抽出部１２２は、受け取った対象地点情報によって特定される対象地点における、地理空間情報の値を、地理空間情報記憶部１３１に格納されている地理空間情報から抽出する。第２抽出部１２２は、地理空間情報記憶部１３１に格納されている全ての地理空間情報のうち、あらかじめ定められている地理空間情報の値を抽出してもよい。この場合、例えば、地理空間情報の値に対する条件に関係が無く、高さの変位に寄与しないことがあらかじめ確かめられている地理空間情報を、値の抽出の対象から除外されていてよい。対象地点における値が設定されていない地理空間情報が存在する場合、第２抽出部１２２は、その地理空間情報の値を、値が存在しないことを表す数値（例えば０など）に設定してもよい。

　第２抽出部１２２は、受け取った対象地点情報と、抽出した、対象地点における地理空間情報の値とを、判定部１２３に送出する。

　＜＜判定部１２３＞＞
　判定部１２３は、対象地点における地理空間情報の値を、第２抽出部１２２から受け取る。判定部１２３は、対象地点情報を第２抽出部１２２から受け取ってもよい。

　判定部１２３は、モデル記憶部１２５に格納されている判定モデルに従って、対象地点における高さの変位に寄与する地理空間情報の組み合わせを判定する。具体的には、判定部１２３は、例えば、判定モデルに含まれる複数の条件のうち、受け取った、対象地点における地理空間情報の値によって満たされる条件を特定する。判定部１２３は、特定した条件が満たされる場合の、高さの変位に寄与する地理空間情報の組み合わせが、対象地点における高さの変位に寄与する地理空間情報の組み合わせであると判定する。なお、対象地点における高さの変位に寄与する地理空間情報の組み合わせが、高さの変動の要因であるとみなすことができる。地理空間情報の組み合わせに含まれる地理空間情報の種類の数は、１つであってもよい。地理空間情報の組み合わせに含まれる地理空間情報の種類の数は、２つ以上であってもよい。

　判定部１２３は、判定した、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報を、出力部１２４に送出する。

　＜＜出力部１２４＞＞
　出力部１２４は、判定部１２３から、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報を受け取る。出力部１２４は、受け取った、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報を出力する。出力部１２４は、例えば、ディスプレイなどに、対象地点における高さの変位に寄与する地理空間情報の組み合わせを表示してもよい。出力部１２４は、対象地点における高さの変位に寄与する地理空間情報の組み合わせを、他の情報処理装置や上述の端末装置などに送出してもよい。

　＜動作＞
　次に、第１の実施形態の分析装置１０の動作について、図面を参照して詳細に説明する。

　図２は、本実施形態の分析装置１０の動作の一例を表すフローチャートである。

　図２に示す例では、まず、第１受取部１１１が、地表面の複数の地点における高さの変位と位置とを受け取る（ステップＳ１０１）。具体的には、第１受取部１１１は、地表面の複数の地点における高さの変位の情報と、それらの複数の地点の位置を表す、地点情報とを、学習用変位データとして受け取る。上述のように、高さの変位は、例えば、ＳＡＲによる観測によって得られた高さの変位である。第１受取部１１１は、受け取った、地表面の複数の地点における高さの変位と位置とを、第１抽出部１１２に送出する。

　次に、第１抽出部１１２が、複数の地点における地理空間情報の値を抽出する（ステップＳ１０２）。すなわち、第１抽出部１１２は、第１受取部１１１が受け取った、複数の地点の各々の地点情報が示す位置における、地理空間情報の値を、地理空間情報記憶部１３１に格納されている地理空間情報から抽出する。第１抽出部１１２は、学習用変位データとして受け取ったデータ（すなわち、地表面の複数の地点における高さの変位と、その複数の地点の地点情報）と、抽出した地理空間情報の値とを、学習部１１３に送出する。

　次に、学習部１１３が、判定モデルの学習を行う（ステップＳ１０３）。具体的には、学習部１１３は、地表面の複数の地点における高さの変位と、その複数の地点の地点情報と、抽出された地理空間情報の値とを、第１抽出部１１２から受け取る。学習部１１３は、複数の地点の各々における、高さの変位と、地理空間情報の値と、を使用して、上述の判定モデルの学習を行う。学習部１１３は、学習の結果として得られた判定モデルを、モデル記憶部１２５に格納する。

　分析装置１０は、以上のステップＳ１０１からステップＳ１０３までの動作を、あらかじめ行っていてよい。ステップＳ１０３に続けて、ステップＳ１０４の動作を行う必要はない。

　ステップＳ１０４において、第２受取部１２１が、対象地点の位置（すなわち、対象地点情報）を受け取る。第２受取部１２１は、受け取った、対象地点情報を、第２抽出部１２２に送出する。

　第２抽出部１２２は、対象地点における地理空間情報の値を抽出する（ステップＳ１０５）。第２抽出部１２２は、受け取った対象地点情報によって特定される位置における、地理空間情報の値を抽出してよい。

　そして、判定部１２３は、対象地点における高さの変位に寄与する地理空間情報の組み合わせを、判定モデルによって判定する（ステップＳ１０６）。

　出力部１２４は、得られた、地理空間情報の組み合わせを出力する（ステップＳ１０７）。

　複数の対象地点が存在する場合、分析装置１０は、例えば、ステップＳ１０４からステップＳ１０７までの動作を、複数の対象地点の各々について行ってよい。分析装置１０４は、ステップＳ１０４において、複数の対象地点の高さの変位と位置とを、まとめて受け取ってもよい。そして、分析装置１０４は、ステップＳ１０５とステップＳ１０６の動作を、複数の対象地点の各々について行ってよい。分析装置１０４は、ステップＳ１０７において、複数の対象地点の地理空間情報の組み合わせを、まとめて出力してもよい。

　＜効果＞
　本実施形態には、地表面の高さの変動の要因を判定することができるという効果がある。その理由は、学習部１１３が、対象地点の位置における地理空間情報の少なくとも一部の値に基づいて、高さの変動の要因として、対象地点の位置における高さの変位に寄与する地理空間情報の組み合わせを判定する判定モデルを学習するからである。

　＜＜第１の実施形態の第１の変形例＞＞
　次に、第１の実施形態の第１の変形例について説明する。本変形例の分析装置１０の構成は、第１の実施形態の分析装置１０の構成と同じである。本変形例の分析装置１０の機能及び動作は、以下の相違点を除いて、第１の実施形態の分析装置１０の機能及び動作と同じである。

　＜＜学習部１１３＞＞
　本変形例の学習部１１３が生成する判定モデルは、高さの変位に寄与する地理空間情報の情報に加えて、地理空間情報の寄与の大きさを表す値を出力する。

　上述のように、学習部１１３は、例えば、高さの変位を目的変数とし、地理空間情報を説明変数として異種混合学習を行うことによって、場合分け条件と、その場合分け条件に対する予測式と、の複数の組を得ることができる。本実施形態の学習部１１３は、学習の前に、地理空間情報の値域がそれぞれの地理空間情報で同じ（例えば、０以上１以下）になるように、それぞれの地理空間情報の値を変換する。上述のように、場合分け条件は、条件式の組み合わせである。場合分け条件に対する予測式は、その場合分け条件に含まれる条件式がすべて満たされる場合の予測式である。予測式は、説明変数の線形式によって表される。説明変数は、地理空間情報を表す。学習部１１３は、予測式に含まれる説明変数が表す地理空間情報を、高さの変位に寄与する地理空間情報とみなす。そして、学習部１１３は、予測式において、地理空間情報を表す説明変数の係数を、その地理空間情報の寄与の大きさとみなす。

　学習部１１３は、以下のような判定モデルを生成する。判定モデルは、場合分け条件が満たされる場合に、その場合分け条件に対する予測式に含まれる説明変数によって表される地理空間情報を、高さの変位に寄与する地理空間情報として判定する。判定モデルは、また、場合分け条件が満たされる場合に、その場合分け条件に対する予測式に含まれる説明変数の係数を、その説明変数によって表される地理空間情報の高さの変位に対する寄与の大きさとして判定する。判定モデルは、高さの変位に寄与する地理空間情報として判定した地理空間情報の情報と、その地理空間情報の高さの変位に対する寄与の大きさを表す情報とを出力する。

　＜＜判定部１２３＞＞
　判定部１２３は、モデル記憶部１２５に格納されている判定モデルに従って、対象地点における高さの変位に寄与する地理空間情報の組み合わせと、その組み合わせに含まれる地理空間情報の、高さの変位に対する寄与の大きさとを判定する。具体的には、判定部１２３は、例えば、判定モデルに含まれる複数の条件のうち、受け取った地理空間情報の値によって満たされる条件を特定する。判定部１２３は、特定した条件が満たされる場合の、高さの変位に寄与する地理空間情報の組み合わせが、対象地点における高さの変位に寄与する地理空間情報の組み合わせであると判定する。さらに、判定部１２３は、特定した条件が満たされる場合の高さの変位に寄与する地理空間情報の高さの変位に対する寄与の大きさが、それらの地理空間情報の、対象地点における高さの変位に対する寄与の大きさであると判定する。

　判定部１２３は、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報と、組み合わせに含まれる地理空間情報の寄与の大きさを表す情報とを、出力部１２４に送出する。

　＜＜出力部１２４＞＞
　出力部１２４は、判定部１２３から、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報と、組み合わせに含まれる地理空間情報の寄与の大きさを表す情報とを受け取る。出力部１２４は、受け取った、対象地点における高さの変位に寄与する地理空間情報の組み合わせの情報と、組み合わせに含まれる地理空間情報の寄与の大きさを表す情報とを出力する。出力部１２４は、例えば、ディスプレイなどに、対象地点における高さの変位に寄与する地理空間情報の組み合わせと寄与の大きさとを表示してもよい。出力部１２４は、対象地点における高さの変位に寄与する地理空間情報の組み合わせと寄与の大きさとを、他の情報処理装置や上述の端末装置などに送出してもよい。

　＜＜第１の実施形態の第２の変形例＞＞
　図３は、第１の実施形態の変形例の分析システム１の構成を表すブロック図である。図３に示す例では、分析システム１は、学習装置１１と、分析装置２１と、地理空間情報記憶装置３１、端末装置５１とを含む。学習装置１１、分析装置２１、地理空間情報記憶装置３１、及び、端末装置５１は、通信ネットワークであるネットワーク４０によって、通信可能に互いに接続されている。分析システム１は、第１の実施形態の分析装置１０の機能を、学習装置１１と、分析装置２１と、地理空間情報記憶装置３１とによって実現する。端末装置５１は、上述の端末装置である。

　図４は、本変形例の分析システム１が含む学習装置１１、分析装置２１、及び、地理空間情報記憶装置３１の詳細な構成の例を表すブロック図である。図４では、図３のネットワーク４０によって実現される、学習装置１１、分析装置２１、及び、地理空間情報記憶装置３１の構成要素の間のデータの受け渡しが、構成要素間をつなぐ線によって描かれている。

　学習装置１１は、第１受取部１１１と、第１抽出部１１２と、学習部１１３と、第１読出部１１４と、送信部１１５とを含む。第１受取部１１１、第１抽出部１１２、及び、学習部１１３は、それぞれ、第１の実施形態の、同じ符号が付与された同じ名称の部と同じである。

　第１読出部１１４は、地理空間情報記憶装置３１の地理空間情報記憶部１３１から、入出力部１３２を介して、地理空間情報を読み出す。具体的には、第１読出部１１４は、地理空間情報記憶装置３１の入出力部１３２に、地理空間情報の要求を送信し、入出力部１３２によって地理空間情報記憶部１３１から読み出された、要求された地理空間情報を、入出力部１３２から受け取ってよい。地理空間情報の要求は、地点を特定する地点情報（例えば、緯度及び経度の情報）を含んでいてよい。要求された地理空間情報は、地点情報によって特定される地点の、地理空間情報の値を指す。

　送信部１１５は、学習部１１３によって学習された判定モデル（言い換えると、判定器のパラメータ）を、分析装置２１に送信する。

　分析装置２１は、第２受取部１２１と、第２抽出部１２２と、判定部１２３と、出力部１２４と、モデル記憶部１２５と、第２読出部１２６と、受信部１２７とを含む。第２受取部１２１、第２抽出部１２２、判定部１２３、出力部１２４、及び、モデル記憶部１２５は、それぞれ、第１の実施形態の、同じ符号が付与された同じ名称の部と同じである。

　第２読出部１２６は、地理空間情報記憶装置３１の地理空間情報記憶部１３１から、入出力部１３２を介して、地理空間情報を読み出す。具体的には、第２読出部１２６は、地理空間情報記憶装置３１の入出力部１３２に、地理空間情報の要求を送信し、入出力部１３２によって地理空間情報記憶部１３１から読み出された、要求された地理空間情報を、入出力部１３２から受け取ってよい。地理空間情報の要求は、地点を特定する地点情報（例えば、緯度及び経度の情報）を含んでいてよい。第２読出部１２６によって生成され送信される地理空間情報の要求は、地理空間情報の種類を特定する種類情報を含んでいてもよい。種類情報は、複数の種類を特定してもよい。地理空間情報の要求に種類情報が含まれる場合、後述されるように、入出力部１３２は、地点情報によって特定される地点の、種類情報によって特定される全ての種類の地理空間情報の値を、第２読出部１２６に送出する。

　受信部１２７は、学習装置１１の送信部１１５から、判定モデルを受け取る。受信部１２７は、受け取った判定モデルを、モデル記憶部１２５に格納する。

　地理空間情報記憶装置３１は、地理空間情報記憶部１３１と、入出力部１３２とを含む。地理空間情報記憶部１３１は、第１の実施形態の地理空間情報記憶部１３１と同じである。

　入出力部１３２は、地理空間情報の要求を受け取る。地理空間情報の要求の送信元は、第１読出部１１４又は第２読出部１２６である。上述のように、地理空間情報の要求は、地点を特定する情報を含んでいてよい。入出力部１３２は、地理空間情報の要求に含まれる、地点を特定する情報によって特定される地点の地理空間情報の値を、地理空間情報記憶部１３１に格納されている地理空間情報から抽出する。入出力部１３２は、特定される地点の全ての種類の地理空間情報の値を抽出してもよい。地理空間情報の要求は、地理空間情報の種類を特定する情報を含んでいてもよい。その場合、入出力部１３２は、地理空間情報の要求に含まれる、地理空間情報の種類を特定する情報によって特定される、全ての種類の地理空間情報の値を抽出してもよい。入出力部１３２は、抽出した地理空間情報の値を、地理空間情報の要求の送信元に送信する。

　本変形例の分析システム１の動作は、次の相違点を除いて、図２に示す、第１の実施形態の分析装置１０の動作と同様である。上述の相違点は、例えば、地理空間情報の読出しを、第１読出部１１４及び入出力部１３２を介して、又は、第２読出部１２６及び入出力部１３２を介して行う点と、判定モデルの受け渡しを送信部１１５及び受信部１２７を介して行う点である。

　＜第２の実施形態＞
　図１は、本開示の第２の実施形態の分析装置１０の構成を表す図である。本実施形態の分析装置１０の構成は、第１の実施形態の分析装置１０の構成と同じである。本実施形態の分析装置１０の構成要素は、以下で説明する相違点を除いて、同一の名称及び符号が付与されている、第１の実施形態の分析装置１０の構成要素と同じである。

　＜＜学習部１１３＞＞
　本実施形態の学習部１１３は、第１の実施形態の学習部１１３が学習する判定モデルと異なる判定モデルを学習する。その他の点において、本実施形態の学習部１１３は、第１の実施形態の学習部１１３と同じである。例えば、第１の実施形態の学習部１１３と同様に、本実施形態の学習部１１３は、第１抽出部１１２から、学習用変位データと、その学習用変位データが経年変位を表す領域の、抽出された地理空間情報の値と、を受け取る。第１の実施形態の学習部１１３と同様に、本実施形態の学習部１１３は、学習によって得られた判定モデルを、モデル記憶部１２５に格納する。

　本実施形態の学習部１１３も、例えば、高さの変位を目的変数とし、地理空間情報を説明変数として、例えば所定期間後の高さの変位を予測するように、異種混合学習を行う。学習部１１３は、異種混合学習を行うことによって、条件式の組み合わせと、その組み合わせに含まれる全ての条件式が満たされる場合の予測式と、の複数の組を得ることができる。上述のように、条件式の各々は、必ずしも同一ではない、１つの地理空間情報の値に対する条件を表す。条件式の組み合わせは、上述のように、１つ以上の条件式を含む。この条件式の組み合わせを、場合分け条件と表記する。予測式は、高さの変位を予測する式である。予測式の各々は、１つ以上の説明変数の線形式によって表される。説明変数の各々は、いずれか１つの地理空間情報を表す。予測式に含まれる説明変数が表す地理空間情報は、高さの変位に寄与する地理空間情報であると言える。

　本実施形態の学習部１１３は、場合分け条件が満たされる場合に、その場合分け条件に対する予測式によって高さの変位の予測を行う、判定モデルを生成する。判定モデルは、予測された高さの変位の情報を出力する。

　＜＜判定部１２３＞＞
　本実施形態の判定部１２３は、第１の実施形態の判定部１２３と同様に、対象地点における地理空間情報の値を、第２抽出部１２２から受け取る。判定部１２３は、対象地点情報を第２抽出部１２２から受け取ってもよい。

　本実施形態の判定部１２３は、モデル記憶部１２５に格納されている判定モデルに従って、対象地点における高さの変位の予測を行う。具体的には、判定部１２３は、例えば、判定モデルに含まれる複数の条件のうち、受け取った、対象地点における地理空間情報の値によって満たされる条件を特定する。判定部１２３は、特定した条件が満たされる場合の予測式を使用して、高さの変位の予測を行う。

　判定部１２３は、予測した高さの変位を表す情報を、出力部１２４に送出する。

　＜＜出力部１２４＞＞
　出力部１２４は、予測された高さの変位を表す情報を判定部１２３から受け取る。出力部１２４は、受け取った、高さの変位を表す情報を出力する。出力部１２４の出力先は、第１の実施形態の出力部１２４の出力部と同様である。

　＜動作＞
　次に、本実施形態の分析装置１０の動作について説明する。

　図５は、本実施形態の分析装置１０の動作の例を表すフローチャートである。

　図５に示すステップＳ１０１及びＳ１０２の動作は、図２に示す、第１の実施形態の分析装置１０のステップＳ１０１及びＳ１０２の動作と同じである。

　ステップＳ２０３において、本実施形態の学習部１１３は、上述の、高さの変位を予測する判定モデルを生成する。

　本実施形態の分析装置１０は、ステップＳ１０４以降の動作を、ステップＳ１０１、ステップＳ１０２、及び、ステップＳ２０３に続けて行う必要はない。

　ステップＳ１０４及びＳ１０５の動作は、図２に示す、第１の実施形態の分析装置１０のステップＳ１０４及びＳ１０５の動作と同じである。

　ステップＳ２０６において、判定部１２３は、対象地点における高さの変位の予測を、判定モデルによって行う。ステップＳ２０７において、出力部１２４は、予測された高さの変位を出力する。

　＜効果＞
　本実施形態には、地表面の高さの変動を予測することができるという効果がある。その理由は、学習部１１３が、対象地点の位置における地理空間情報の少なくとも一部の値に基づいて、対象地点の位置における高さの変位の予測を行う判定モデルを学習するからである。

　＜＜第２の実施形態の第１の変形例＞＞
　次に、第２の実施形態の第１の変形例について説明する。本変形例の分析装置１０の構成は、図１に示す、第２の実施形態の分析装置１０の構成と同じである。

　学習部１１３は、複数の期間の各々について異種混合学習を行うことによって、それらの期間が経過した後の高さの変位をそれぞれ個別に予測する、複数の判定モデルを生成してよい。複数の期間のそれぞれの長さは、例えば、あらかじめ定められた所定期間の長さの倍数であってもよい。複数の期間のそれぞれの長さは、適宜定められた規則に従って決められていてもよい。複数の期間のそれぞれの長さは、例えば、ユーザによって指定されてもよい。学習部１１３は、生成した複数の判定モデルを、モデル記憶部１２５に格納する。それぞれの判定モデルは、高さの変位の予測を行い、予測された高さの変位を表す情報と、期間を表す情報を出力するよう構成されてもよい。

　判定部１２３は、モデル記憶部１２５に格納されている複数の判定モデルを読み出す。判定部１２３は、読み出した複数の判定モデルによって、異なる期間が経過した後の高さの変位の予測をそれぞれ行う。判定部１２３は、異なる期間が経過した後の高さの変位の予測と、それぞれの期間とを出力部１２４に送出する。

　出力部１２４は、複数の期間のそれぞれが経過した後の高さの変位の予測を出力する。出力部１２４は、複数の期間を表す情報と、それぞれの期間が経過した後の高さの変位の予測を出力してもよい。

　＜＜第２の実施形態の第２の変形例＞＞
　次に、第２の実施形態の第２の変形例について説明する。本変形例の分析装置１０の構成は、図１に示す、第２の実施形態の分析装置１０の構成と同じである。

　本変形例の学習部１１３は、場合分け条件が満たされる場合に、その場合分け条件に対する予測式によって所定期間が経過した後の高さの変位の予測を行い、さらに、高さの変位に寄与する地理空間情報の分析を行う判定モデルを生成する。判定モデルは、高さの変位に寄与する地理空間情報の分析を、上述のように、高さの変位を予測する予測式に含まれる説明変数によって表される地理空間情報を、高さの変位に寄与する地理空間情報として分析することによって行う。判定モデルは、高さの変位の予測に加えて、高さの変位に寄与する地理空間情報として分析した地理空間情報の情報を出力する。

　判定部１２３は、判定モデルによって、高さの変位の予測と、高さの変位に寄与する地理空間情報の分析を行う。判定部１２３は、予測された高さの変位を表す情報と、高さの変位に寄与する地理空間情報を表す情報とを、出力部１２４に送出する。

　出力部１２４は、予測された高さの変位を表す情報と、高さの変位に寄与する地理空間情報を表す情報とを出力する。

　＜＜第２の実施形態の第３の変形例＞＞
　次に、第２の実施形態の第３の変形例について説明する。本変形例の分析装置１０の構成は、図１に示す、第２の実施形態の分析装置１０の構成と同じである。

　第２の実施形態の第２の変形例を、第２の実施形態の第１の変形例のように構成することもできる。本変形例の学習部１１３は、異なる複数の期間の各々について、第２の実施形態の第２の変形例の判定モデルと同じ判定モデルを生成してもよい。具体的には、学習部１１３は、それぞれ、異なる期間が経過した後の高さの変位の予測と変位の要因の判定とを行う複数の判定モデルを生成する。前述のように、要因は、地理空間情報のいずれかである。

　判定部１２３は、生成された複数の判定モデルによって、対象地点における、異なる複数の期間が経過した後の高さの変位の予測とその高さの変位に寄与する要因の判定とを行う。判定部１２３は、対象地点における、異なる複数の期間が経過した後の、予測された高さの変位を表す情報と、その高さの変位に寄与する要因を表す情報とを、出力部１２４に送出する。

　出力部１２４は、予測された高さの変位を表す情報と、その高さの変位に寄与する要因を表す情報とを出力する。

　＜＜第２の実施形態の第４の変形例＞＞
　次に、第２の実施形態の第４の変形例について説明する。本変形例の分析装置１０の構成は、図１に示す、第２の実施形態の分析装置１０の構成と同じである。

　本変形例は、第２の実施形態の第２の変形例を、第１の実施形態の第１の変形例のように変形した例である。言い換えると、本変形例の学習部１１３は、高さの変位の予測と、要因の判定とを行うのに加えて、その要因の寄与の大きさとを判定する判定モデルを生成してよい。本変形例の判定部１２３は、高さの変位の予測に加えて、高さの変位の要因とその要因の寄与の大きさを判定する。本変形例の判定部１２３は、予測した高さの変位を表す情報と、判定した要因とその要因の寄与の大きさとを表す情報とを、出力部１２４に送出してよい。出力部１２４は、予測された高さの変位を表す情報と、判定された要因とその要因の寄与の大きさとを表す情報とを出力してよい。

　＜＜第２の実施形態の第５の変形例＞＞
　次に、第２の実施形態の第５の変形例について説明する。本変形例の分析装置１０の構成は、図１に示す、第２の実施形態の分析装置１０の構成と同じである。

　本変形例は、第２の実施形態の第３の変形例を、第１の実施形態の第１の変形例のように変形した例である。言い換えると、本変形例の学習部１１３は、異なる期間が経過した後における高さの変位の予測と、その高さの変位の要因の判定とを行うのに加えて、その要因の寄与の大きさとを判定する、複数の判定モデルを生成する。本変形例の判定部１２３は、複数の判定モデルによって、異なる期間が経過した後における高さの変位の予測と、その高さの変位の要因とその要因の寄与の大きさを判定する。判定部１２３は、予測した高さの変位を表す情報と、判定した要因とその要因の寄与の大きさとを表す情報とを、出力部１２４に送出してよい。出力部１２４は、予測された高さの変位を表す情報と、判定された要因とその要因の寄与の大きさとを表す情報とを出力する。

　＜＜第２の実施形態の第６の変形例＞＞
　第２の実施形態、及び、第２の実施形態の第１から第５の変形例の分析装置１０の機能は、第１の実施形態の第２の変形例のような、複数の装置の組み合わせによって実現できる。

　＜第３の実施形態＞
　次に、本開示の第３の実施形態について、図面を参照して詳細に説明する。

　＜構成＞
　図６は、本実施形態の分析装置１２の構成の例を表す図である。

　図６に示す、本開示の一態様に係る分析装置１２は、第１抽出部１１２と、学習部１１３と、を備える。第１抽出部１１２は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する。学習部１１３は、判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する。本実施形態の第１抽出部１１２、及び、学習部１１３は、それぞれ、第１の実施形態の第１抽出部１１２、及び、学習部１１３と同様に機能する。

　＜動作＞
　図７は、本実施形態の分析装置１２の動作の例を表すフローチャートである。

　図７に示す例では、第１抽出部１１２は、これらの複数の地点における地理空間情報の値を抽出する（ステップＳ１０２）。そして、学習部１０３は、判定モデルの学習を行う（ステップＳ１０３）。本実施形態の学習部１０３は、第１の実施形態の学習部１０３と同様に、第１の実施形態の判定モデルと同様の判定モデルを学習する。

　＜効果＞
　本実施形態には、第１の実施形態と同じ効果がある。その理由は、第１の実施形態の効果が生じる理由と同じである。

　＜第４の実施形態＞
　次に、本開示の第４の実施形態について、図面を参照して詳細に説明する。

　図６に示す、本開示の一態様に係る分析装置１２は、第１抽出部１１２と、学習部１１３と、を備える。第１抽出部１１２は、地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する。学習部１１３は、判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する。本実施形態の第１抽出部１１２、及び、学習部１１３は、それぞれ、第２の実施形態の第１抽出部１１２、及び、学習部１１３と同様に機能する。

　図７に示す例では、第１抽出部１１２は、これらの複数の地点における地理空間情報の値を抽出する（ステップＳ１０２）。そして、学習部１０３は、判定モデルの学習を行う（ステップＳ１０３）。本実施形態の学習部１０３は、第２の実施形態の学習部１０３と同様に、第２の実施形態の判定モデルと同様の判定モデルを学習する。

　＜効果＞
　本実施形態には、第２の実施形態と同じ効果がある。その理由は、第１の実施形態の効果が生じる理由と同じである。

　＜他の実施形態＞
　本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、分析装置２１の各々は、記憶媒体から読み出されたプログラムがロードされたメモリと、そのプログラムを実行するプロセッサとを含むコンピュータによって実現することができる。本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、分析装置２１の各々は、専用のハードウェアによって実現することもできる。本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、分析装置２１の各々は、前述のコンピュータと専用のハードウェアとの組み合わせによって実現することもできる。

　図８は、本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、分析装置２１の各々を実現することができる、コンピュータ１０００のハードウェア構成の一例を表す図である。図８を参照すると、コンピュータ１０００は、プロセッサ１００１と、メモリ１００２と、記憶装置１００３と、Ｉ／Ｏ（Ｉｎｐｕｔ／Ｏｕｔｐｕｔ）インタフェース１００４とを含む。また、コンピュータ１０００は、記憶媒体１００５にアクセスすることができる。メモリ１００２と記憶装置１００３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ハードディスクなどの記憶装置である。記憶媒体１００５は、例えば、ＲＡＭ、ハードディスクなどの記憶装置、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、可搬記憶媒体である。記憶装置１００３が記憶媒体１００５であってもよい。プロセッサ１００１は、メモリ１００２と、記憶装置１００３に対して、データやプログラムの読み出しと書き込みを行うことができる。プロセッサ１００１は、Ｉ／Ｏインタフェース１００４を介して、例えば、他の装置にアクセスすることができる。プロセッサ１００１は、記憶媒体１００５にアクセスすることができる。記憶媒体１００５には、コンピュータ１０００を、本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、分析装置２１のいずれかとして動作させるプログラムが格納されている。

　プロセッサ１００１は、記憶媒体１００５に格納されている、コンピュータ１０００を、本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、分析装置２１のいずれかとして動作させるプログラムを、メモリ１００２にロードする。そして、プロセッサ１００１が、メモリ１００２にロードされたプログラムを実行することにより、コンピュータ１０００は、コンピュータ１０００を、本開示の実施形態に係る分析装置１０、学習装置１１、分析装置１２、又は、分析装置２１として動作する。

　第１受取部１１１、第１抽出部１１２、学習部１１３、第１読出部１１４、送信部１１５は、例えば、プログラムを記憶する記憶媒体１００５からメモリ１００２にロードされたプログラムを実行するプロセッサ１００１により実現することができる。第２受取部１２１、第２抽出部１２２、判定部１２３、出力部１２４、第２読出部１２６、受信部１２７は、例えば、プログラムを記憶する記憶媒体１００５からメモリ１００２にロードされたプログラムを実行するプロセッサ１００１により実現することができる。入出力部１３２は、例えば、プログラムを記憶する記憶媒体１００５からメモリ１００２にロードされたプログラムを実行するプロセッサ１００１により実現することができる。また、モデル記憶部１２５、地理空間情報記憶部１３１は、コンピュータ１０００が含むメモリ１００２やハードディスク装置等の記憶装置１００３により実現することができる。

　第１受取部１１１、第１抽出部１１２、学習部１１３、第１読出部１１４、送信部１１５の一部又は全部を、各部の機能を実現する専用の回路によって実現することもできる。第２受取部１２１、第２抽出部１２２、判定部１２３、出力部１２４、モデル記憶部１２５、第２読出部１２６、受信部１２７の一部又は全部を、各部の機能を実現する専用の回路によって実現することもできる。地理空間情報記憶部１３１、入出力部１３２の一部又は全部を、各部の機能を実現する専用の回路によって実現することもできる。

　また、上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下に限られない。

　（付記１）
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出手段と、
　判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習手段と、
　を備える分析装置。

　（付記２）
　対象地点における前記地理空間情報の値を抽出する第２抽出手段と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位に寄与する地理空間情報の組み合わせを判定する判定手段と、
　前記対象変位に寄与する前記地理空間情報の組み合わせを出力する出力手段と、
　を備える付記１に記載の分析装置。

　（付記３）
　前記学習手段は、前記判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせの各々の寄与の大きさをさらに判定するように、前記判定モデルを学習し、
　前記判定手段は、前記判定モデルによって、前記対象変位に寄与する地理空間情報の寄与の大きさを判定し、
　前記出力手段は、さらに、判定された前記寄与の大きさを出力する
　付記２に記載の分析装置。

　（付記４）
　前記学習手段は、前記判定モデルが、前記地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測をさらに行うように、前記複数の地点における前記高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習し、
　前記判定手段は、前記判定モデルによって、前記対象地点における前記前記地理空間情報の値に基づく、前記対象変位の予測をさらに行い、
　前記出力手段は、前記対象変位の予測を出力する
　付記２または３に記載の分析装置。

　（付記５）
　前記学習手段は、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式とを導出し、
　前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表され、
　前記判定モデルは、前記条件がすべて満たされる場合における前記予測式の、前記変数が表す前記地理空間情報の組み合わせを、高さの変位に寄与する前記地理空間情報の組み合わせと判定する
　付記１乃至４のいずれか１項に記載の分析装置。

　（付記６）
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出手段と、
　判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習手段と、
　を備える分析装置。

　（付記７）
　対象地点における前記地理空間情報の値を抽出する第２抽出手段と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位を予測する判定手段と、
　予測された前記対象変位を出力する出力手段と、
　を備える付記６に記載の分析装置。

　（付記８）
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出し、
　判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する、
　分析方法。

　（付記９）
　対象地点における前記地理空間情報の値を抽出し、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位に寄与する地理空間情報の組み合わせを判定し、
　前記対象変位に寄与する前記地理空間情報の組み合わせを出力する、
　付記８に記載の分析方法。

　（付記１０）
　前記判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせの各々の寄与の大きさをさらに判定するように、前記判定モデルを学習し、
　前記判定モデルによって、前記対象変位に寄与する地理空間情報の寄与の大きさを判定し、
　さらに、判定された前記寄与の大きさを出力する
　付記９に記載の分析方法。

　（付記１１）
　前記判定モデルが、前記地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測をさらに行うように、前記複数の地点における前記高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習し、
　前記判定モデルによって、前記対象地点における前記前記地理空間情報の値に基づく、前記対象変位の予測をさらに行い、
　前記対象変位の予測を出力する
　付記９または１０に記載の分析方法。

　（付記１２）
　前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式とを導出し、
　前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表され、
　前記判定モデルは、前記条件がすべて満たされる場合における前記予測式の、前記変数が表す前記地理空間情報の組み合わせを、高さの変位に寄与する前記地理空間情報の組み合わせと判定する
　付記８乃至１１のいずれか１項に記載の分析方法。

　（付記１３）
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出し、
　判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する、
　分析方法。

　（付記１４）
　対象地点における前記地理空間情報の値を抽出し、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位を予測し、
　予測された前記対象変位を出力する、
　付記１３に記載の分析方法。

　（付記１５）
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出処理と、
　判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習処理と、
　をコンピュータに実行させるプログラムを記憶する記憶媒体。

　（付記１６）
　前記プログラムは、
　対象地点における前記地理空間情報の値を抽出する第２抽出処理と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位に寄与する地理空間情報の組み合わせを判定する判定処理と、
　前記対象変位に寄与する前記地理空間情報の組み合わせを出力する出力処理と、
　をさらにコンピュータに実行させる付記１５に記載の記憶媒体。

　（付記１７）
　前記学習処理は、前記判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせの各々の寄与の大きさをさらに判定するように、前記判定モデルを学習し、
　前記判定処理は、前記判定モデルによって、前記対象変位に寄与する地理空間情報の寄与の大きさを判定し、
　前記出力処理は、さらに、判定された前記寄与の大きさを出力する
　付記１６に記載の記憶媒体。

　（付記１８）
　前記学習処理は、前記判定モデルが、前記地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測をさらに行うように、前記複数の地点における前記高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習し、
　前記判定処理は、前記判定モデルによって、前記対象地点における前記前記地理空間情報の値に基づく、前記対象変位の予測をさらに行い、
　前記出力処理は、前記対象変位の予測を出力する
　付記１６または１７に記載の記憶媒体。

　（付記１９）
　前記学習処理は、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式とを導出し、
　前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表され、
　前記判定モデルは、前記条件がすべて満たされる場合における前記予測式の、前記変数が表す前記地理空間情報の組み合わせを、高さの変位に寄与する前記地理空間情報の組み合わせと判定する
　付記１５乃至１８のいずれか１項に記載の記憶媒体。

　（付記２０）
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出処理と、
　判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習処理と、
　をコンピュータに実行させるプログラムを記憶する記憶媒体。

　（付記２１）
　前記プログラムは、
　対象地点における前記地理空間情報の値を抽出する第２抽出処理と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位を予測する判定処理と、
　予測された前記対象変位を出力する出力処理と、
　をコンピュータに実行させる付記２０に記載の記憶媒体。

　以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

　１　　分析システム
　１０　　分析装置
　１１　　学習装置
　１２　　分析装置
　２１　　分析装置
　３１　　地理空間情報記憶装置
　４０　　ネットワーク
　５１　　端末装置
　１１１　　第１受取部
　１１２　　第１抽出部
　１１３　　学習部
　１１４　　第１読出部
　１１５　　送信部
　１２１　　第２受取部
　１２２　　第２抽出部
　１２３　　判定部
　１２４　　出力部
　１２５　　モデル記憶部
　１２６　　第２読出部
　１２７　　受信部
　１３１　　地理空間情報記憶部
　１３２　　入出力部
　１０００　　コンピュータ
　１００１　　プロセッサ
　１００２　　メモリ
　１００３　　記憶装置
　１００４　　Ｉ／Ｏインタフェース
　１００５　　記憶媒体

Claims

　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出手段と、
　判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習手段と、
　を備える分析装置。
　対象地点における前記地理空間情報の値を抽出する第２抽出手段と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位に寄与する地理空間情報の組み合わせを判定する判定手段と、
　前記対象変位に寄与する前記地理空間情報の組み合わせを出力する出力手段と、
　を備える請求項１に記載の分析装置。
　前記学習手段は、前記判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせの各々の寄与の大きさをさらに判定するように、前記判定モデルを学習し、
　前記判定手段は、前記判定モデルによって、前記対象変位に寄与する地理空間情報の寄与の大きさを判定し、
　前記出力手段は、さらに、判定された前記寄与の大きさを出力する
　請求項２に記載の分析装置。
　前記学習手段は、前記判定モデルが、前記地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測をさらに行うように、前記複数の地点における前記高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習し、
　前記判定手段は、前記判定モデルによって、前記対象地点における前記前記地理空間情報の値に基づく、前記対象変位の予測をさらに行い、
　前記出力手段は、前記対象変位の予測を出力する
　請求項２または３に記載の分析装置。
　前記学習手段は、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式とを導出し、
　前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表され、
　前記判定モデルは、前記条件がすべて満たされる場合における前記予測式の、前記変数が表す前記地理空間情報の組み合わせを、高さの変位に寄与する前記地理空間情報の組み合わせと判定する
　請求項１乃至４のいずれか１項に記載の分析装置。
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出手段と、
　判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習手段と、
　を備える分析装置。
　対象地点における前記地理空間情報の値を抽出する第２抽出手段と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位を予測する判定手段と、
　予測された前記対象変位を出力する出力手段と、
　を備える請求項６に記載の分析装置。
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出し、
　判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する、
　分析方法。
　対象地点における前記地理空間情報の値を抽出し、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位に寄与する地理空間情報の組み合わせを判定し、
　前記対象変位に寄与する前記地理空間情報の組み合わせを出力する、
　請求項８に記載の分析方法。
　前記判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせの各々の寄与の大きさをさらに判定するように、前記判定モデルを学習し、
　前記判定モデルによって、前記対象変位に寄与する地理空間情報の寄与の大きさを判定し、
　さらに、判定された前記寄与の大きさを出力する
　請求項９に記載の分析方法。
　前記判定モデルが、前記地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測をさらに行うように、前記複数の地点における前記高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習し、
　前記判定モデルによって、前記対象地点における前記前記地理空間情報の値に基づく、前記対象変位の予測をさらに行い、
　前記対象変位の予測を出力する
　請求項９または１０に記載の分析方法。
　前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式とを導出し、
　前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表され、
　前記判定モデルは、前記条件がすべて満たされる場合における前記予測式の、前記変数が表す前記地理空間情報の組み合わせを、高さの変位に寄与する前記地理空間情報の組み合わせと判定する
　請求項８乃至１１のいずれか１項に記載の分析方法。
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出し、
　判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する、
　分析方法。
　対象地点における前記地理空間情報の値を抽出し、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位を予測し、
　予測された前記対象変位を出力する、
　請求項１３に記載の分析方法。
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出処理と、
　判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせを前記地理空間情報の少なくとも一部の値に基づいて判定するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習処理と、
　をコンピュータに実行させるプログラムを記憶する記憶媒体。
　前記プログラムは、
　対象地点における前記地理空間情報の値を抽出する第２抽出処理と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位に寄与する地理空間情報の組み合わせを判定する判定処理と、
　前記対象変位に寄与する前記地理空間情報の組み合わせを出力する出力処理と、
　をさらにコンピュータに実行させる請求項１５に記載の記憶媒体。
　前記学習処理は、前記判定モデルが高さの変位に対して寄与する前記地理空間情報の組み合わせの各々の寄与の大きさをさらに判定するように、前記判定モデルを学習し、
　前記判定処理は、前記判定モデルによって、前記対象変位に寄与する地理空間情報の寄与の大きさを判定し、
　前記出力処理は、さらに、判定された前記寄与の大きさを出力する
　請求項１６に記載の記憶媒体。
　前記学習処理は、前記判定モデルが、前記地理空間情報の少なくとも一部の値に基づいて将来の高さの変位の予測をさらに行うように、前記複数の地点における前記高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習し、
　前記判定処理は、前記判定モデルによって、前記対象地点における前記前記地理空間情報の値に基づく、前記対象変位の予測をさらに行い、
　前記出力処理は、前記対象変位の予測を出力する
　請求項１６または１７に記載の記憶媒体。
　前記学習処理は、前記地理空間情報の少なくとも一部の各々の値に対する条件と、当該条件の全てが満たされる場合において前記将来の高さの変位の予測を行う予測式とを導出し、
　前記予測式は、前記地理空間情報をそれぞれ表す変数の線形和によって表され、
　前記判定モデルは、前記条件がすべて満たされる場合における前記予測式の、前記変数が表す前記地理空間情報の組み合わせを、高さの変位に寄与する前記地理空間情報の組み合わせと判定する
　請求項１５乃至１８のいずれか１項に記載の記憶媒体。
　地表面の状態及び当該地表面の地下の状態の少なくともいずれかをそれぞれ表す、複数の種類の地理空間情報から、前記地表面の複数の地点の各々における前記地理空間情報の値を抽出する第１抽出処理と、
　判定モデルが高さの変位を前記地理空間情報の少なくとも一部の値に基づいて予測するように、前記複数の地点における高さの変位と抽出した前記前記地理空間情報の値とに基づいて前記判定モデルを学習する学習処理と、
　をコンピュータに実行させるプログラムを記憶する記憶媒体。
　前記プログラムは、
　対象地点における前記地理空間情報の値を抽出する第２抽出処理と、
　前記判定モデルによって、前記対象地点における前記地理空間情報の値に基づく、前記対象地点における高さの変位である対象変位を予測する判定処理と、
　予測された前記対象変位を出力する出力処理と、
　をコンピュータに実行させる請求項２０に記載の記憶媒体。