개체 기반 확률 모델을 이용한 광어 개체군 시뮬레이션

초록

본 논문은 Solea solea(광어)의 행동을 확률적 개체 기반 모델인 확장 확률 이산 시계 자동자(EPDTA)로 정의하고, 이를 마코프 의사결정 과정(MDP)으로 해석한다. EPDTA 모델을 기존 모델 체커에 맞는 구문으로 변환해 검증하고, 각 개체를 에이전트로 구현한 시뮬레이션 환경을 구축하였다. 확률과 특성 함수를 조정해 다양한 환경 시나리오를 재현하고, 북아드리아해의 실제 어획 데이터와 비교해 모델을 튜닝한다.

상세 요약

이 연구는 어류 개체군 동태를 정량적으로 파악하기 위해 전통적인 수학적 모델링을 넘어, 개체 수준의 행동을 명시적으로 기술하는 새로운 형식인 확장 확률 이산 시계 자동자(EPDTA)를 제안한다. EPDTA는 상태, 전이, 확률, 시간 제한, 그리고 의사결정(선택) 요소를 동시에 포함함으로써, 개체가 환경 변수(수온, 먹이 가용성, 포식압 등)에 따라 확률적으로 행동을 전환하는 과정을 정확히 포착한다. 논문은 EPDTA를 마코프 의사결정 과정(MDP)으로 해석함으로써, 기존의 확률 모델 검증 도구와의 호환성을 확보한다. 구체적으로, EPDTA를 PRISM이나 Storm 같은 모델 체커가 이해할 수 있는 PRISM 언어 혹은 JANI 포맷으로 자동 변환하는 파이프라인을 구현했으며, 이를 통해 상태 공간 탐색, 기대 보상 계산, 신뢰 구간 검증 등을 수행한다.

시뮬레이션 측면에서는 각 광어 개체를 독립적인 에이전트로 구현하고, 에이전트는 자신에게 할당된 EPDTA를 실행한다. 에이전트 기반 시뮬레이션은 개체 간 상호작용(예: 경쟁, 짝짓기)과 환경 변화(예: 계절별 수온 변동)를 자연스럽게 반영한다. 특히, 확률 파라미터와 특성 함수(예: 성장률, 사망률, 이동 확률)를 실험적으로 조정함으로써, 다양한 어획 압력, 기후 변화 시나리오, 보호구역 설정 등을 가상 실험한다.

모델 튜닝은 북아드리아해에서 수행된 SoleMon 프로젝트의 실측 데이터(연령 구조, 어획량, 성장 곡선 등)와 시뮬레이션 결과를 비교하는 방식으로 이루어진다. 파라미터 추정에는 베이지안 최적화와 MCMC 샘플링을 활용해, 모델이 실제 관측치와 통계적으로 일치하도록 보정한다. 결과적으로, 제안된 EPDTA 기반 시뮬레이터는 전통적인 연령-기반 재고 모델보다 개체 수준의 변동성을 더 잘 재현하고, 정책 시뮬레이션(예: 최소 크기 제한, 계절적 금어기)에서 보다 정밀한 예측을 제공한다.

또한, 논문은 EPDTA가 다른 어종이나 해양 생물에도 일반화 가능함을 논의한다. 모델 구조가 모듈식이며, 상태와 전이 정의만 바꾸면 새로운 종의 행동을 손쉽게 기술할 수 있다. 이는 어류 관리와 보전 정책 수립에 있어, 종 특이적 행동 메커니즘을 반영한 맞춤형 시뮬레이션 도구로 활용될 잠재력을 시사한다.