달력 시간 지역 지진 예측 DIY 앙상블 방법

초록

본 논문은 지역별 지진 현재상태(nowcast)를 활용해 자연시간(소규모 지진 횟수) 기반 예측을 달력시간(월·년)으로 전환하는 DIY 앙상블 기법을 제시한다. 그룭버그‑리히터 법칙을 전제로 지역 통계가 주변 대규모 영역과 동일하다고 가정하고, 소규모 지진 누적 횟수 n(t)에 따라 양성예측값(PPV)을 직접 계산한다. ROC 테스트에서 높은 기술력을 보이며, 최근 대형 지진 이후 시간 경과에 따라 예측 확률이 증가한다. 로스앤젤레스 지역(1994년 노스리지 M6.7) 사례를 통해 단기(수개월)에는 주진 클러스터링, 장기에는 탄성 복구 패턴을 확인한다.

상세 분석

이 연구는 기존의 ‘지진 현재상태(nowcast)’ 개념을 확장하여, 자연시간(마지막 대형 지진 이후 발생한 소규모 지진 수) 대신 달력시간(월·년)으로 확률을 추정한다는 점에서 혁신적이다. 핵심 가정은 그룩버그‑리히터(GR) 규모‑빈도 관계, 즉 목표 규모 MT 이상의 대형 지진 1건당 평균 NGR개의 소규모 지진(MS)이 발생한다는 것이다. 이를 바탕으로 연구자는 지역별 통계가 주변 넓은 영역과 동일하다고 가정함으로써, 복잡한 베이지안 모델이나 파라미터 추정 없이도 직접적인 확률을 도출한다.

특히, 확률을 ‘양성예측값(Positive Predictive Value, PPV)’으로 정의하고 ROC 곡선에서 해당 PPV를 읽어내는 방식은 전통적인 확률 모델링의 불확실성을 회피한다는 장점이 있다. ROC 테스트는 예측값을 이진(발생/미발생)으로 변환한 뒤, 민감도와 특이도의 trade‑off를 평가한다. 논문에서는 시간 경과에 따라 ROC 곡선이 점점 상승하는 모습을 보여, 마지막 대형 지진 이후 경과 시간이 길수록 예측 성능이 향상된다는 ‘시간 의존성(time‑dependence)’을 확인한다.

방법론은 ‘DIY 앙상블’이라는 명칭에서 알 수 있듯, 여러 규모 구간과 지역을 독립적으로 적용한 뒤 결과를 평균하거나 가중합하는 단순한 앙상블을 사용한다. 이는 데이터가 부족한 지역에서도 적용 가능하게 하며, 복잡한 머신러닝 모델에 비해 해석 가능성이 높다. 또한, 소규모 지진 카운트 n(t)를 실시간으로 업데이트함으로써, 예측 확률이 동적으로 변한다. 예를 들어, 최근 몇 달 동안 소규모 지진이 급증하면 PPV가 급격히 상승해 단기 클러스터링 현상을 포착한다. 반대로, 장기적으로는 소규모 지진 누적이 일정 수준에 도달하면 ‘탄성 복구(elastic rebound)’ 단계에 진입해 확률이 서서히 상승한다.

실증 분석에서는 1994년 1월 17일 발생한 M6.7 노스리지 지진을 중심으로 로스앤젤레스 지역을 대상으로 했다. 연구자는 사건 이후부터 현재까지의 소규모 지진 데이터를 수집하고, n(t) 값을 월별로 계산했다. 결과는 초기 몇 개월 동안 높은 PPV(>0.8)를 보이며, 이는 대형 지진 직후에 발생하는 소규모 지진 클러스터와 일치한다. 이후 1~3년 구간에서는 PPV가 점진적으로 상승하고, 5년 이상 경과 시에는 최대 0.6 수준의 중간 확률을 유지한다. 이는 전통적인 ‘탄성 복구’ 이론과도 부합한다.

이 논문의 한계는 지역 통계가 주변 영역과 동일하다는 가정과, GR 법칙이 모든 지진 구역에 동일하게 적용된다는 전제이다. 또한, PPV 기반 확률은 실제 발생률과 차이가 있을 수 있어, 장기적인 검증이 필요하다. 그럼에도 불구하고, 복잡한 파라미터 추정 없이도 실시간으로 적용 가능한 DIY 앙상블 프레임워크는 지진 위험 평가와 정책 수립에 실용적인 도구가 될 가능성이 크다.