유도 지진 예측 모델 검증을 위한 테스트 벤치와 두 지열 프로젝트 적용 사례

본 논문은 유도 지진 위험을 관리하기 위한 확률적, 전방향적 예측 모델을 객관적으로 평가·비교할 수 있는 ‘Induced Seismicity Test Bench’를 제안한다. 연구 배경으로는 지열·탄소 저장·폐수 주입 등 인간 활동에 의해 발생하는 유도 지진이 증가하고 있으며, 특히 스위스 바젤(2006)과 프랑스 술츠(2004) 지열 시추에서 발생한 대규모 지진이 프로젝트 중단의 원인이 된 점을 들었다. 기존의 트래픽 라이트 시스템은 주관적 임계값에 의존해 신속한 대응이 어려웠으며, 이를 보완하기 위해 실시간 데이터와 확률적 예측을 결합한 Adaptive Traffic Light(ATL) 시스템이 필요하다고 주장한다. ATL 시스템의 핵심 모듈 중 하나인 ‘예측 모듈’에 초점을 맞추어, 저자들은 두 가지 모델을 선택했다. 첫 번째는 Shapiro의 세미지니식 인덱스 Σ에 기반한 SaSS(Shapiro and Smoothed Seismicity) 모델이다. Σ는 주입된 총 부피와 관측된 지진 수 사이의 통계적 관계를 나타내며, 이를 3차원 가우시안 스무딩 커널로 확장해 시공간·진도 분포를 예측한다. 두 번째는 물리‑통계 혼합 모델인 HySei(Hydraulics and Seismicity)이다. HySei는 Darcy 흐름 방정식으로 압력 확산을 수치 시뮬레이션하고, 압력 변화에 따른 응력 변화를 지진 발생률에 매핑한다. 두 모델 모두 기존에 자체 개발·보정된 코드베이스를 사용해, 동일한 데이터셋에 대해 반복적인 학습‑예측 사이클을 수행했다. Test Bench는 CSEP(지진예측 협업체)에서 제시한 검증 프레임워크를 차용해, 학습 기간(주입 초기부터 현재까지)과 예측 기간(다음 24시간 혹은 7일 등)으로 데이터를 구분한다. 각 예측 기간에 대해 모델이 제공하는 지진 발생률(시간적 강도), 3D 공간 분포, 그리고 진도(Magnitude) 분포를 독립적으로 평가한다. 평가 지표는 로그우도, 정보이득(per‑earthquake), 포아송 점 프로세스 적합도 검정, 그리고 공간적 K‑함수 차이 등을 포함한다. 바젤과 술츠 데이터에 대한 실험 결과는 다음과 같다. HySei는 shut‑in(주입 중단) 직후와 그 이후의 시간적 지진 발생률을 비교적 정확히 예측했으며, 특히 압력 감소에 따른 지진 감소 추세를 잘 포착했다. 그러나 공간 분포에서는 실제 지진 클라우드가 특정 단층이나 파열 네트워크에 집중되는 반면, HySei는 압력 확산을 균일 매질로 가정해 과도하게 평탄화된 예측을 제공했다. 반면 SaSS는 주입 중(특히 shut‑in 이전) 단계에서 Σ 기반 예측이 지진 발생률을 정확히 재현했으며, 3D 스무딩 커널 덕분에 지진 클라우드의 형태와 범위를 현실적으로 재현했다. 그러나 shut‑in 직후 급격히 감소하는 압력에 대한 물리적 반응을 모델링하지 않기 때문에, 이 시점에서 발생률을 크게 과소평가한다. 두 모델 모두 shut‑in 전후에 지진 발생률을 과소예측하는 공통적인 한계를 보였으며, 이는 급격한 응력 재분배와 파열 재활성화 현상이 현재 모델에 충분히 반영되지 않았기 때문이다. 이러한 결과를 바탕으로 저자들은 몇 가지 실용적 제언을 제시한다. 첫째, 단일 모델보다 두 모델을 가중 평균한 앙상블 접근이 전반적인 예측 정확도를 향상시킬 가능성이 있다. 둘째, 물리‑통계 혼합 모델이 시공간·진도 예측 모두에서 균형 잡힌 성능을 제공하므로, 향후 ATL 시스템에 적용하기에 적합하다. 셋째, 모델의 실시간 적용을 위해서는 계산 효율성과 물리적 타당성 사이의 트레이드오프를 명확히 정의하고, 특히 shut‑in 전후 급변 상황을 다루는 서브모듈을 추가해야 한다. 넷째, CSEP 기반 검증 체계는 모델 개발 단계에서 피드백 루프를 제공함으로써 지속적인 모델 개선과 운영 적용을 가능하게 한다. 결론적으로, Induced Seismicity Test Bench는 유도 지진 예측 모델의 객관적 검증을 위한 강력한 도구이며, SaSS와 HySei 두 모델은 각각 시간적·공간적 예측에서 장단점을 보인다. 향후 연구는 모델의 물리적 세부사항(예: 비균질 매질, 파열 네트워크)과 데이터 품질(마이크로지진 검출 한계) 개선을 통해 shut‑in 시점의 예측 정확도를 높이는 방향으로 진행되어야 한다.