비대칭 라플라스 혼합 모델을 이용한 지진 규모 빈도 분포 일반화

초록

본 논문은 완전성 진도 mc가 공간적으로 변동하는 문제를 해결하기 위해, 비대칭 라플라스 분포를 기본 요소(eFMD)로 하는 혼합 모델(GFMD‑ALMM)을 제안한다. 반감기 파라미터 κ와 Gutenberg‑Richter β값, mc의 분포, 그리고 요소 개수 K와 가중치 w를 반강제 EM 알고리즘과 BIC 기준으로 추정한다. 시뮬레이션 및 전 세계·지역 카탈로그 적용 결과, κ≈3, β≈1이 일관되게 회복되며, 기존 방법보다 보수적인 max(mc)를 제공한다.

상세 분석

이 연구는 지진 빈도‑규모 분포(FMD)의 전통적 해석인 Gutenberg‑Richter(G‑R) 법칙이 완전성 진도 mc 위에서는 잘 맞지만, mc 이하에서는 관측 네트워크의 감도 차이로 인해 왜곡된다는 점에 주목한다. 저자는 Mignan(2012)이 제시한 비대칭 라플라스 분포를 “요소 FMD(eFMD)”로 정의하고, 실제 관측된 전체 FMD를 이러한 eFMD들의 가중합으로 모델링한다는 새로운 프레임워크를 도입한다. 핵심은 두 개의 지수 감쇠율을 갖는 비대칭 라플라스 형태가 감지 확률을 자연스럽게 표현한다는 점이다. 여기서 감지 파라미터 κ는 관측 확률이 10배 감소할 때의 진도 차이를 나타내며, G‑R 법칙의 β와 동일한 차원으로 해석된다.

모델 파라미터 추정은 “반강제(soft) 하드” EM 알고리즘을 사용한다. 초기에는 관측된 진도 데이터를 기반으로 mc의 사전 분포를 추정하고, 각 eFMD에 대한 책임값을 계산한다. 이후 M‑step에서 κ, β, 각 요소의 평균(mc)와 분산, 그리고 가중치 w를 업데이트한다. 모델 복잡도는 Bayesian Information Criterion(BIC)으로 규제하여 과적합을 방지한다. 특히 K(요소 수)를 자동 선택하도록 설계했으며, 이는 실제 데이터에서 복수의 mc 피크가 존재할 경우에도 유연하게 대응한다.

시뮬레이션에서는 다양한 형태의 GFMD(단일 피크, 다중 피크, 비대칭 꼬리)를 생성하고, 제안된 GFMD‑ALMM이 κ와 β를 정확히 복원함을 확인했다. 또한, 진도 반올림 오류가 존재할 경우 κ와 β에 편향이 발생한다는 경고도 제시한다. 실제 적용 사례로는 남부·북부 캘리포니아, 네바다, 대만, 프랑스 등 지역 카탈로그와 전 세계 ISC 카탈로그, 그리고 뉴질랜드 크라이스트처치 여진 시퀀스를 분석했다. 모든 사례에서 max(mc)가 기존 방법보다 보수적이며, κ≈3(k=κ·log10)와 β≈1(b=β·log10)이라는 일관된 값을 얻었다. 이는 감지 확률이 10배 감소할 때 평균적으로 약 3단계의 진도 손실이 발생한다는 물리적 의미를 갖는다.

연구의 의의는 두 가지로 요약된다. 첫째, 불완전한 진도 데이터에서도 통계적으로 일관된 감지 파라미터와 G‑R β값을 추정함으로써, 기존의 “완전성 진도 한계” 개념을 확장한다. 둘째, GFMD‑ALMM이 자동으로 복수의 mc 피크를 식별하고, 각 피크에 대응하는 eFMD를 제공함으로써, 지역별 네트워크 감도 차이를 정량화할 수 있다. 이러한 기능은 장기 지진 발생률 모델링이나 실시간 예측 시스템에서 관측 편향을 보정하는 데 활용될 가능성을 열어준다. 다만, 진도 반올림 및 기록 오류가 모델 파라미터에 미치는 영향을 완전히 제거하려면 추가적인 전처리와 오류 모델링이 필요하다.