캘리포니아 지진 간격 시간의 스케일링 검증

초록

본 연구는 남부 캘리포니아 지역의 파형 교차 상관 카탈로그를 이용해 지진 간 발생 시간 간격의 스케일링 법칙을 검증한다. 두 표본 Kolmogorov‑Smirnov 검정은 스케일링을 지지하고, Clauset 등 방식의 단일표본 KS 검정과 Monte Carlo 시뮬레이션은 0.01 이상의 재스케일링된 간격에 대해 감마분포가 좋은 모델임을 보여준다. 다만 규모 > 2인 가장 큰 데이터 집합에서는 적합도가 떨어진다.

상세 분석

이 논문은 지진 발생 간격 τ를 규모 M에 따라 재스케일링한 변수 x = R(M) τ가 동일한 확률밀도함수 f(x)로 기술될 수 있다는 가설을 검증한다. 여기서 R(M)은 규모 M 이상의 사건 발생률이며, 이론적으로 f(x)는 규모에 무관하게 일정해야 한다는 스케일링 법칙이 도출된다. 저자들은 Shearer et al.가 제공한 고정밀 파형 교차 상관 카탈로그(1992‑2004년, M ≥ 0)에서 5개의 규모 구간(M ≥ 0, ≥ 1, ≥ 1.5, ≥ 2, ≥ 2.5)을 선택하고, 각 구간별 τ를 R(M)으로 정규화하였다. 첫 번째 검증 단계는 두 표본 Kolmogorov‑Smirnov(KS) 검정을 이용해 서로 다른 규모 구간의 x 분포가 통계적으로 구별되지 않는지를 확인한 것이다. p‑값이 0.05 이상인 모든 쌍에서 귀무가설을 기각하지 못했으며, 이는 스케일링이 데이터에 잘 적용됨을 시사한다. 두 번째 단계에서는 단일표본 KS 검정에 Monte Carlo 재표본화를 결합한 Clauset‑Newman‑Fisher 방법을 적용해, 제안된 스케일링 함수 f(x)를 감마분포 G(α,β)로 근사하였다. 파라미터 α와 β는 최대우도추정법으로 추정되었고, 0.01 ≤ x ≤ 10 구간에서 KS 통계량 D와 대응 p‑값을 계산하였다. 대부분의 규모 구간에서 p > 0.1을 기록했으며, 이는 감마분포가 좋은 적합도를 가진다는 강력한 증거이다. 그러나 규모 > 2인 데이터(특히 M ≥ 2.5)에서는 D가 크게 증가하고 p가 0.05 이하로 떨어져, 감마분포가 극단적인 큰 사건을 충분히 설명하지 못함을 드러냈다. 이러한 결과는 작은 규모 사건이 풍부한 데이터에서는 스케일링과 감마모델이 유효하지만, 큰 규모 사건이 드물어 통계적 불확실성이 커지는 경우에는 모델이 한계를 가진다는 점을 강조한다.