2차원 확률적 역전파를 이용한 평면파 전자기 데이터와 전기저항 탐사의 결합 역전

초록

본 논문은 2차원 픽셀 기반 마코프 연쇄 몬테카를로(MCMC) 방법을 적용해 평면파 전자기(EM) 데이터의 확률적 역전을 수행한다. 모델 구조 제약과 다양한 가능도 함수의 영향을 검토하고, 전기저항 단층촬영(ERT) 데이터와의 공동 역전을 통해 불확실성을 감소시킨다. 합성 및 현장 사례를 통해 제안 방법의 효율성과 제한점을 확인한다.

상세 분석

이 연구는 고차원 파라미터 공간을 갖는 비선형 역전 문제에 대해 확률적 접근법을 적용한 점에서 의미가 크다. 기존의 결정론적 역전은 최적 모델 하나만을 제공하지만, MCMC 기반 확률적 역전은 사후 확률분포를 통해 파라미터와 모델의 불확실성을 정량화한다. 저자들은 2차원 픽셀 모델을 채택해 전자기 파동 전파를 직접 시뮬레이션하는 CPU 집약적 전방 모델을 사용했으며, 이를 MCMC 샘플링에 적용하기 위해 여러 효율화 전략을 도입하였다. 특히, 가능도 함수에 L2‑norm와 L1‑norm(절대값) 두 가지 형태를 시험함으로써 데이터 오차 모델링의 민감도를 평가했다. L2‑norm은 가우시안 오차 가정을 전제로 하지만, 실제 현장 데이터는 비가우시안 특성을 보이는 경우가 많아 L1‑norm이 더 견고한 결과를 제공한다는 점을 확인하였다.

모델 구조 제약은 고해상도 픽셀 모델이 과도하게 자유롭게 변동하면서 발생하는 비정상적 진동을 억제한다. 저자는 총 변동(TV) 정규화와 L2‑smooth 제약을 각각 가중치 파라미터와 함께 계층적 베이지안 프레임워크에 포함시켰다. 이때 정규화 가중치 자체를 하이퍼파라미터로 두어 MCMC가 동시에 추정하도록 함으로써, 사전 가정에 대한 의존성을 최소화하고 데이터에 기반한 최적 가중치를 자동으로 도출한다. 결과적으로, 제약이 없는 경우 사후 분포가 넓게 퍼져 모델 해석이 어려워지지만, 적절한 제약을 가하면 불확실성이 현저히 감소하고, 평균 모델이 실제 구조와 높은 일치를 보인다.

하지만 제약이 강할수록 실제 지하 구조 중 EM 데이터에 민감하지 않은 부분은 사후 분포에서 누락될 위험이 있다. 이를 보완하기 위해 저자들은 전기저항 탐사(ERT) 데이터를 병합한 공동 역전을 수행했다. ERT는 저주파 전류 흐름을 이용해 전기 전도도에 대한 민감도가 높아, EM이 놓치기 쉬운 저전도성 층이나 얕은 구조를 보완한다. 공동 역전에서는 두 데이터 세트의 가능도 함수를 곱하고, 각각의 오차 모델을 별도로 추정함으로써 상호 보완적인 정보를 효과적으로 통합했다. 합성 실험 결과, 공동 역전은 단일 EM 역전 대비 모델 파라미터의 사후 표준편차가 평균 30 % 이상 감소했으며, 특히 깊이와 전도도 대비 민감도가 낮은 영역에서 정확도가 크게 향상되었다.

현장 적용 사례로는 한 지역 대수층의 EM 및 ERT 관측 데이터를 사용했다. 계층적 베이지안 MCMC는 데이터 오차의 분산과 정규화 가중치를 동시에 추정했으며, 사후 평균 모델은 기존 결정론적 역전 결과와 거의 일치했다. 그러나 사후 분포는 결정론적 해가 제공하지 못하는 불확실성 정보를 제공했으며, 특히 경계면의 위치와 전도도 변동 범위에 대한 신뢰구간을 명시했다. 이는 지하수 관리나 오염 물질 추적 등 의사결정 과정에서 중요한 근거가 된다.

전반적으로 이 논문은 고해상도 2D EM 역전에 확률적 방법을 성공적으로 적용했으며, 모델 제약과 공동 역전이 불확실성 감소에 핵심적인 역할을 한다는 점을 실증했다. 다만, CPU 비용이 여전히 높고, 제약 선택이 사후 분포에 미치는 영향을 사전에 충분히 검토해야 한다는 한계도 남아 있다. 향후 연구에서는 효율적인 샘플링 기법(예: 병렬 체인, 적응형 메트로폴리스)과 더 복잡한 3D 구조에 대한 확장 가능성을 탐색할 필요가 있다.