지진 군집을 이용한 단층망 자동 분할 방법

초록

본 논문은 지진 카탈로그의 위치 정보를 활용해 단층 네트워크를 재구성하는 새로운 군집화 절차를 제시한다. 최근접 이웃으로 만든 사면체 부피 분포를 이용해 군집 사건과 무작위 사건을 구분하고, 단층을 비등방성 가우시안 커널로 모델링한다. 기대-최대화(EM) 알고리즘과 교차 검증을 결합해 최적의 커널 수를 결정한다. 캘리포니아 1986년 마운트 루이스 사건 이후의 고정밀 재배치 카탈로그에 적용한 결과, 약 2 km² 면적과 290 m 두께를 갖는 평면형 군집이 발견되었으며, 이는 전통적인 유클리드형 단층면보다 손상대가 활발히 지진을 발생시킨다는 점을 시사한다. 또한, 사건들의 공간 프랙탈 차원은 약 1.8로 측정되었다.

상세 분석

이 연구는 지진 위치 데이터만을 이용해 복잡한 단층 구조를 자동으로 추출하려는 시도로, 기존의 인간 직관에 의존하는 방법과는 차별화된다. 첫 단계에서는 실제 카탈로그와 무작위화된 카탈로그에서 가장 가까운 이웃 네 개가 이루는 사면체의 부피 분포를 비교한다. 무작위 배경에서는 부피가 균등하게 분포하지만, 실제 데이터에서는 작은 부피가 과잉 발생한다는 점을 이용해 군집 사건을 식별한다. 이는 기존의 시간-공간 탈군집(declustering) 기법과 달리 순수히 공간적 불규칙성을 활용한 혁신적인 접근이다.

두 번째 단계에서는 단층을 ‘확률적 비등방성 커널’로 모델링한다. 물리적 근거는 단층이 얇은 면이지만, 실제 지진은 손상대(damage zone) 내에서 발생한다는 점이다. 따라서 커널은 가우시안 형태이지만, 축 방향으로 다른 분산을 허용해 평면 혹은 얇은 시트 형태를 재현한다. 이때 커널의 파라미터(평균 위치, 공분산 행렬)는 사전 지식—예를 들어 단층의 평균 두께 수백 미터, 길이 수 킬로미터—과 정보 이론적 기준(최대우도와 최소 설명 길이)으로 제한된다.

세 번째 단계는 기대-최대화(EM) 알고리즘을 이용한 혼합 가우시안 모델의 추정이다. EM은 각 사건이 어느 커널에 속할 확률을 반복적으로 업데이트하면서 파라미터를 최적화한다. 중요한 점은 커널 수 K를 사전에 고정하지 않고, 교차 검증(cross‑validation) 절차를 통해 과적합을 방지한다는 것이다. 데이터의 일부를 학습에 사용하고 나머지를 검증에 활용해 로그우도와 모델 복잡도(예: BIC)를 비교함으로써 최적 K를 객관적으로 선택한다.

실제 적용 사례로는 1986년 마운트 루이스 지진 이후의 고정밀 재배치 카탈로그가 사용되었다. EM‑EM 절차는 약 2 km² 면적의 평면형 군집 3~4개와 평균 두께 290 m를 도출했으며, 이는 주요 지진의 파괴 규모와 일치한다. 특히, 군집이 얇은 시트 형태가 아니라 일정한 두께를 가진 ‘손상대’ 내에 분포한다는 결과는 기존의 ‘단층면에만 지진이 발생한다’는 가정을 재검토하게 만든다.

마지막으로, 사건들의 공간 분포에 대한 프랙탈 차원 분석을 수행해 D≈1.8이라는 값을 얻었다. 이는 완전한 2차원 면보다 낮지만, 1차원 선형 구조보다 높은 복합적인 공간 복잡성을 의미한다. 이러한 결과는 지진 발생이 단일 선형 파열이 아니라, 다중 스케일의 손상대 네트워크에서 일어나는 현상임을 뒷받침한다.

전반적으로 이 논문은 (1) 군집/비군집 구분을 위한 사면체 부피 통계, (2) 물리 기반 비등방성 가우시안 커널, (3) EM‑교차검증 기반 모델 선택이라는 세 단계 프레임워크를 제시함으로써, 지진학적 단층 재구성에 새로운 정량적 도구를 제공한다.