지진 예측 모델을 위한 공간‑시간 점 과정 잔차 분석 기법 비교

초록

본 논문은 캘리포니아 지진 예측 모델에 현대적인 잔차 분석 방법을 적용한다. 기존의 L‑test·N‑test와 달리, 조건 강도 λ의 변동성을 고려한 재스케일링, 얇게 추출(thinning), 초과(superposition), 가중 K‑함수, 편차 잔차(dev­iance residuals) 및 최근 제안된 super‑thinning 기법을 검토·비교한다. 특히 λ가 매우 크거나 작을 때 발생하는 전통적 방법의 낮은 검정력 문제를 지적하고, super‑thinning이 보다 강력한 대안임을 제시한다.

상세 분석

이 연구는 공간‑시간 점 과정 모델의 적합성을 평가하기 위한 잔차 분석 도구들을 체계적으로 정리하고, 캘리포니아 지진 예측 모델(CSEP)이라는 실제 데이터에 적용함으로써 이론과 실무 사이의 격차를 메우려는 시도를 보여준다. 먼저, 재스케일링(rescaling)은 관측된 사건 시점과 위치를 조건 강도 λ에 따라 변환해 균등 분포를 기대함으로써 전반적인 모델 적합성을 검증한다. 그러나 λ가 급격히 변동하거나 극단적인 값을 가질 경우 변환 과정에서 수치 불안정이 발생해 실용성이 떨어진다. 얇게 추출(thinning)과 초과(superposition)는 각각 λ가 높은 영역에서 사건을 무작위로 제거하거나, λ가 낮은 영역에 인공 사건을 추가해 균등한 포아송 과정을 만들려는 방법이다. 이 두 기법은 특정 지역에서 모델이 과소·과대 예측하는지를 시각적으로 드러내지만, λ가 거의 0이거나 무한대에 가까운 경우에는 남는 사건이 거의 없거나 과도하게 많아 검정력이 급격히 감소한다. 이러한 한계를 보완하기 위해 제안된 hybrid 방법인 super‑thinning은 얇게 추출과 초과를 동시에 수행해, 목표 강도 μ를 설정하고 λ와 μ의 차이에 따라 사건을 삭제하거나 추가한다. 결과적으로 전체 관측 구역에 걸쳐 일정한 강도를 유지하면서도, 모델 오차가 큰 지역을 효과적으로 강조한다. 또한, 가중 K‑함수와 편차 잔차는 공간적 상관 구조와 모델별 기여도를 정량화하는 데 유용하다. 가중 K‑함수는 λ의 가중치를 반영해 기대 K‑함수와 실제 K‑함수의 차이를 시각화하고, 편차 잔차는 각 구간·셀별 로그우도 차이를 통해 모델 간 상대적 성능을 비교한다. 논문은 이러한 방법들을 실제 CSEP 모델에 적용한 결과, 전통적인 L‑test·N‑test가 포착하지 못한 미세한 공간‑시간 불일치를 발견했으며, 특히 super‑thinning이 가장 높은 탐지력을 보였음을 강조한다. 이와 동시에, 각 방법의 적용 전제조건(예: λ의 정확한 추정, 경계 효과 보정 등)과 계산 복잡도에 대한 논의도 포함해 실무 적용 시 주의점을 제시한다.