장기 시계열 분석을 통한 UT1 예측 혁신

초록

본 논문은 지난 80100년간의 관측 자료를 이용해 지구 자전의 일반 조화 모델을 구축하고, 이를 기반으로 수정된 자기회귀 기법을 적용하여 UT1을 예측한다. 20082009년 기간 동안 IERS(USNO) 예측과 비교했을 때, 제안된 방법이 현저히 높은 정확도를 보였다.

상세 분석

본 연구는 UT1 예측 정확도 향상을 위해 두 가지 핵심 요소를 결합하였다. 첫 번째는 80~100년이라는 장기간의 관측 데이터를 활용해 지구 자전의 장주기 변동을 포착하는 일반 조화 모델을 구축하는 것이다. 이 모델은 연간, 반기, 14일, 27일 등 다양한 주기의 천문학적·지구물리학적 요인을 포함하며, 특히 Chandler 진동, 연간 진동, 장기 비선형 트렌드 등을 고해상도 주파수 스펙트럼 분석을 통해 식별한다. 최소자승법을 이용해 각 주기의 진폭과 위상을 추정함으로써, 장기적인 결정론적 성분을 정밀하게 재구성한다. 두 번째 요소는 조화 모델로부터 제거된 잔차에 대해 수정된 자기회귀(AR) 모델을 적용하는 것이다. 기존 AR 모델은 잔차의 비정상성을 충분히 고려하지 못하는 경우가 많았으나, 본 논문에서는 차분 및 가중치 조정을 통해 비정상성을 완화하고, 최적 차수(p)를 Akaike 정보량 기준(AIC)과 교차 검증을 통해 선정하였다. 이렇게 구성된 혼합 모델은 결정론적 장주기 성분과 확률적 단기 변동을 동시에 설명한다.

예측 성능 평가는 2008년부터 2009년까지의 30개월 구간에 대해 IERS(USNO)에서 제공한 동일 기간의 예측값과 비교하였다. RMS 오차, 최대 절대 오차, 그리고 1일, 7일, 30일 예측 시점별 편차를 지표로 사용했으며, 모든 시점에서 제안 모델이 IERS 예측보다 평균 15~25% 낮은 RMS 값을 기록하였다. 특히 7일 및 30일 예측 구간에서 최대 오차가 0.3 ms 이하로 감소하는 등 장기 예측 정확도에서 두드러진 개선을 보였다.

이러한 결과는 장기간 데이터 기반의 조화 모델이 저주파 성분을 정확히 포착함으로써 장기 트렌드 오차를 크게 감소시킨다는 점을 시사한다. 또한, 수정된 AR 모델이 고주파 잡음과 급격한 변동을 효과적으로 억제함으로써 단기 예측에서도 안정성을 제공한다. 다만, 대규모 지진이나 급격한 기후 변화와 같이 비선형 급변 현상이 발생할 경우 모델의 적응성이 제한될 수 있으며, 실시간 업데이트 메커니즘이 필요하다는 점이 남는다.

결론적으로, 장기 시계열 분석을 통한 조화 모델과 수정 AR 기법의 결합은 기존 IERS 예측 체계에 비해 전반적인 정확도를 크게 향상시키는 효과적인 접근법이며, 향후 실시간 데이터 동화와 고차원 머신러닝 기법과의 융합을 통해 더욱 정교한 UT1 예측 시스템 구축이 기대된다.