태양 복사와 프록시 데이터의 결측 채우기 방법

초록

본 논문은 다중 파장·다중 채널 관측 데이터의 결측 구간을 선형 상관성을 이용해 반복적인 특이값 분해(SVD) 방식으로 복원하는 비모수적 방법을 제시한다. 시간·주파수 스케일을 별도로 처리하고, 임베딩 차원을 조절해 시간적 연속성까지 활용한다. EUV 관측과 여러 태양 활동 프록시 데이터를 대상으로 적용·검증했으며, 적은 파라미터와 높은 견고성을 특징으로 한다.

상세 분석

이 연구는 태양 복사와 프록시 데이터에서 흔히 발생하는 장기·단기 결측을 해결하기 위해 ‘반복적 특이값 분해(iterative SVD)’라는 데이터 적응형 비모수 기법을 도입한다. 핵심 아이디어는 다중 파장·다중 채널 기록이 서로 강한 선형 상관관계를 가진다는 전제 하에, 결측값을 초기값(예: 평균)으로 채운 뒤 전체 행렬에 SVD를 수행하고, 가장 큰 특이값에 대응하는 몇 개의 모드만을 사용해 데이터를 재구성한다. 재구성된 값으로 결측을 다시 채우고, 수렴할 때까지 이 과정을 반복한다.

특히 두 가지 중요한 확장이 적용된다. 첫째, 태양 복사의 변동은 다양한 시간 스케일(예: 27일 회전, 11년 주기)로 구성되므로, 웨이브렛 변환을 이용해 짧은 스케일과 긴 스케일을 분리한 뒤 각각에 독립적으로 SVD를 적용한다. 이는 서로 다른 물리적 메커니즘이 파장 의존성을 다르게 나타내는 경우 복원 정확도를 크게 향상시킨다. 둘째, 시간적 연속성을 활용하기 위해 ‘임베딩(embedding)’ 기법을 도입한다. 원본 행렬에 시간 지연 복사본을 추가해 차원을 확대하고, 이 확대된 행렬에 SVD를 적용함으로써 파장 간 상관뿐 아니라 시간적 상관도 동시에 이용한다. 임베딩 차원 D는 보통 2~5 정도로 설정하면 충분히 부드러운 재구성이 가능하며, 계산 비용을 크게 늘리지 않는다.

알고리즘의 주요 파라미터는 (a) 사용할 유의미한 모드 수 K, (b) 스케일 분해 횟수, (c) 임베딩 차원 D이다. 저자는 실험을 통해 K≈5~6, D≈4가 EUV 데이터와 프록시 데이터에 최적임을 확인했다. 또한 각 파장·채널 기록을 평균-표준편차 정규화한 뒤 SVD를 수행해야 스케일 차이에 의한 편향을 방지할 수 있다.

검증 절차는 실제 결측 구간을 인위적으로 제거하고 복원 오차를 측정하는 교차 검증(cross‑validation)이다. 정상화된 평균 제곱오차는 사용된 모드 수에 따라 감소-증가 곡선을 보이며, 최적 K에서 최소값을 갖는다. 특히 √f10.7 지표는 다른 프록시에 비해 복원 오차가 다소 크며, 이는 라디오 밴드 특성상 다른 파장과의 상관이 약하기 때문이다.

이 방법의 장점은 (1) 파라미터가 적고 구현이 간단하며, (2) 결측 구간이 매우 길어도 다른 채널의 정보를 활용해 자체적으로 보완한다는 점이다. 또한 기존의 단순 선형 보간이나 다항식 보간과 달리 물리적 상관구조를 보존하므로, 장기적인 태양 활동 연구나 복합 데이터 합성(composite)에 적합하다. 다만, 선형 상관 가정이 깨지는 급격한 플레어 이벤트와 같이 비선형 현상이 강하게 나타나는 구간에서는 복원 정확도가 떨어질 수 있다.