확률적 파라미터화로 본 해안 장류 동역학

본 연구는 해안 장류(longshore current)의 동역학을 이해하고 예측하기 위해, 기존의 결정론적 균형 모델에 확률적 파라미터화를 결합한 새로운 하이브리드 모델을 제시한다. 서론에서는 장류가 파동 복사응력과 해안 경사에 의해 구동되며, 현재는 Boussinesq 기반의 파동‑해류 모델이나 비파동‑해결 모델이 사용되고 있지만, 이들 모두 관측 데이터와 통계적으로 일치하지 못한다는 문제점을 지적한다. 특히 “통계적 충실도(fidélité)”를 달성하기 위해서는 모델이 관측과 구별되지 않을 정도의 확률적 특성을 가져야 함을 강조한다. 2절에서는 Oregon State University의 Duck 현장 실험 데이터를 상세히 소개한다. 1994년 여름‑가을 기간 동안 2 Hz로 측정된 장류, 파동 고도·주기·방향, 수심·압력 등의 자료를 활용한다. 데이터는 4개의 관측 지점(v12‑v15)에서 수집되었으며, 교차‑해안 흐름은 평균적으로 0에 가깝고, 장류는 비정상적인 변동성을 보인다. 이러한 특성은 모델링에 있어 “미해결 물리”를 반영해야 함을 시사한다. 3절에서는 Longuet‑Higgins와 Thorn‑on‑Guza가 제시한 장류 균형식(식 1, 2)을 재정리한다. 여기서는 바닥 마찰력(c_D v), 파동 복사응력(α β B h³), 그리고 경험적 소산항(N ∂_x(pghh ∂_x v))이 주요 항으로 등장한다. 파라미터 α, β, N은 파동 특성(파수 k, 파고 A, 파동 각도 θ)과 파동‑파괴 매개변수(B, γ)에 의해 정의된다. 이 모델은 물리적 직관이 명확하고 계산 비용이 낮지만, Duck 데이터와 비교했을 때 장류의 변동 폭과 비가우시안 분포를 재현하지 못한다는 한계가 있다. 4절에서는 “민감도 일관성(consistency of sensitivity)”이라는 새로운 평가 지표를 도입한다. 이는 파라미터 변화가 모델 출력에 미치는 상대적 영향을 물리적 관측 범위와 비교해, 파라미터 선택이 물리적으로 타당하고 넓은 범위에서 일관된 출력을 생성하는지를 판단한다. 일관성이 높을수록 모델은 파라미터 튜닝에 민감하지 않으며, 다양한 물리적 상황을 포괄할 수 있다. 저자는 이 개념을 통해 확률적 파라미터화가 결정론적 모델보다 파라미터 민감도를 완화하고, 동시에 구조적(물리적) 민감도는 유지함을 보인다. 5절에서는 확률적 파라미터화의 구체적 구현을 설명한다. 관측된 장류 시계열이 명백히 비가우시안임을 확인하고, 이를 Gaussian Mixture Model(GMM)으로 근사한다. GMM은 K개의 정규 성분으로 구성되며, 각 성분은 장류 변동의 다른 물리적 메커니즘(예: 급격한 파동 파괴, 국소 난류)을 대표한다. 모델식(2)에 확률적 강제항 ε(t) = ∑_{k=1}^K w_k ξ_k(t) (ξ_k는 정규분포) 를 추가함으로써, 미해결 물리의 통계적 효과를 반영한다. 이때 파라미터 w_k와 각 성분의 평균·분산은 관측 데이터의 EM 알고리즘을 통해 추정한다. 6절에서는 데이터 동화 실험을 수행한다. Ensemble Kalman Filter(EKF)를 이용해 관측(장류, 파동 고도·주기)과 확률적 모델을 결합한다. EKF는 선형/가우시안 가정에 기반하지만, GMM 형태의 강제항 덕분에 실제 비가우시안 특성을 유지하면서도 필터링이 가능하다. 실험 결과, 확률적 모델은 관측에 사용되지 않은 고차 통계량(예: 장류의 왜도·첨도)까지도 정확히 재현했으며, 결정론적 모델 대비 RMSE가 30 % 이상 감소하였다. 또한 파라미터 민감도 분석 결과, 확률적 모델은 c_D, N 등 주요 파라미터의 허용 범위가 넓어졌으며, 이는 “민감도 일관성” 지표가 크게 향상된 것으로 해석된다. 결론에서는 확률적 파라미터화가 물리 기반 모델의 구조적 강점을 보존하면서도, 미해결 소규모 물리의 통계적 영향을 효율적으로 반영한다는 점을 강조한다. 제안된 “민감도 일관성” 지표는 모델 개발 단계에서 파라미터 선택의 타당성을 정량화하는 도구로 활용 가능하며, 향후 다른 해양·대기 현상에도 일반화될 수 있다.