다중프랙탈을 품은 곱셈 자동회귀 점 프로세스

초록

본 논문은 1/f^β 잡음 특성을 보이는 점 프로세스 모델을 곱셈 자동회귀 형태로 구성하고, 이 모델이 다중프랙탈 구조를 갖는지를 이론·수치적으로 검증한다. 기존의 1/f^β 신호 생성 방식과 달리, 제안된 모델은 시계열의 스케일링 지수와 다중프랙탈 스펙트럼이 동시에 존재함을 보이며, 이는 복잡계 시스템의 비선형 상관관계를 효과적으로 포착한다는 점에서 의미가 크다.

상세 분석

논문은 먼저 기존의 1/f^β 잡음 생성 방법을 두 가지 범주로 구분한다. 하나는 푸리에 변환을 이용해 스펙트럼을 직접 설계하는 방법이며, 다른 하나는 넓은 분포의 이완 시간(relaxation time)을 갖는 독립적인 구성요소들을 합산하는 방법이다. 이 두 방식은 각각 선형적인 통계적 특성만을 재현하고, 시계열의 순간적 변동성이나 비선형 상관구조를 충분히 설명하지 못한다는 한계를 지적한다.

이에 저자들은 곱셈 자동회귀(point process) 모델을 도입한다. 기본 아이디어는 사건 발생 간격( inter‑event interval )을 로그‑정규 분포를 따르는 확률 변수로 두고, 이 간격이 이전 간격에 곱셈적으로 영향을 받도록 하는 것이다. 구체적으로, τ_{n+1}=τ_n·e^{η_n}·(1+α·ξ_n) 형태의 재귀식을 사용한다. 여기서 η_n은 평균 0, 분산 σ^2인 가우시안 백색 잡음이며, ξ_n은 추가적인 비선형 변동을 담당하는 독립 잡음이다. 이 구조는 자동회귀(AR)와 곱셈적 노이즈가 결합된 형태로, 시계열의 로그‑스케일 변동성을 자연스럽게 생성한다.

수학적으로는 로그‑τ의 평균과 분산이 시간에 따라 선형적으로 증가함을 보이며, 이는 멱법칙 꼴의 파워 스펙트럼 S(f)∝f^{-β} (β≈1~2) 를 유도한다. 더 나아가, 다중프랙탈 분석을 위해 일반화된 차원 D_q와 스케일링 지수 τ(q)를 계산한다. 결과적으로 D_q는 q에 따라 비선형적으로 변하며, τ(q)는 전형적인 다중프랙탈 형태를 보인다. 이는 곱셈적 AR 점 프로세스가 단순한 1/f^β 잡음보다 풍부한 스케일링 구조를 갖는다는 강력한 증거이다.

수치 실험에서는 다양한 파라미터(α, σ, 평균 간격 등)를 변동시켜 모델이 생성하는 시계열에 대해 푸리에 스펙트럼, DFA(detrended fluctuation analysis), 그리고 MF‑DFA(multifractal DFA)를 적용한다. 모든 경우에서 파워 스펙트럼은 기대한 대로 -β 기울기를 보이며, DFA는 Hurst 지수 H≈(β+1)/2 를 재현한다. MF‑DFA 결과는 넓은 스펙트럼의 τ(q)와 비선형 D_q를 보여, 다중프랙탈 특성이 파라미터에 강인하게 유지됨을 확인한다.

마지막으로, 논문은 실제 데이터(예: 인터넷 트래픽, 금융 시계열, 대기 난류 측정)와의 비교를 시도한다. 곱셈 AR 점 프로세스로 생성된 합성 신호는 이러한 실험 데이터와 유사한 다중프랙탈 스펙트럼을 나타내며, 기존 선형 모델보다 더 정확한 매칭을 제공한다. 따라서 제안된 모델은 복잡계 현상의 비선형 상관관계와 스케일링 특성을 동시에 포착할 수 있는 강력한 도구로 평가된다.