다변수 확률적 궤적의 데이터 기반 모델링: 물결 파동 해석에의 적용

초록

본 연구는 관측된 샘플로부터 다변수 확률적 궤적의 분포를 모델링하는 새로운 데이터 기반 방법론을 제안한다. 먼저 기능적 주성분 분석(FPCA)을 통해 각 궤적을 저차원 특징 벡터로 축소한다. 이후 분포의 중심부(벌크)는 비모수적 바인 코퓰라 접근법으로, 다변수 꼬리 부분은 Heffernan과 Tawn(2004)의 조건부 모델링 프레임워크로 각각 모델링한다. 이 방법을 DeRisk 데이터베이스의 수치 시뮬레이션을 통해 얻은 물결 파동 데이터에 적용하여, 자유 표면 기울기, 수직 유체 속도, 수직 라그랑지안 가속도 등 세 가지 운동학적 변수의 결합 확률적 궤적을 성공적으로 모델링하고 합성 궤적을 생성하였다.

상세 분석

본 논문이 제안하는 방법론의 기술적 핵심은 ‘차원 축소’와 ‘결합 분포 모델링’의 두 단계로 구분된다. 첫 번째 단계인 기능적 주성분 분석(FPCA)은 연속적인 시간 궤적 데이터를 유한한 개수의 특징값(스코어)으로 변환하는 차원 축소 기법이다. 이는 물리적 시스템의 복잡한 동역학을 보존하면서도 확률 모델링을 가능하게 하는 필수적 전처리 과정이다. 특히 물결 파동과 같이 비선형성이 강한 현상에서 궤적의 형태적 다양성을 포착하는 데 FPCA가 효과적임을 보여준다.

두 번째 단계인 결합 분포 모델링은 ‘벌크’와 ‘꼬리’를 다른 통계적 접근법으로 분리하여 모델링하는 것이 주요 혁신점이다. 중심부(벌크) 분포에 대해 비모수적 바인 코퓰라를 사용한 것은 변수 간의 복잡한 비선형 의존 구조를 유연하게 포착하기 위함이다. 반면, 다변수 극값(꼬리) 모델링에는 Heffernan-Tawn의 조건부 모델링을 채택했다. 이는 기존의 다변수 극값 이론이 가지는 모델링의 어려움(예: 극단적 동시발생 구조의 제한적 표현)을 극복하고, 각 변수가 극단적 값을 가질 때 다른 변수의 조건부 분포를 추정하는 보다 실용적인 접근법이다.

해양 구조물 설계 관점에서 본 연구의 의미는 크다. 기존의 선형 또는 2차 비선형 파동 모델은 극한 파랑 조건에서의 비선형성(예: 쇄파 직전의 가파른 파형, 높은 유체 가속도)을 정확히 예측하기 어려웠다. 본 논문의 데이터 기반 접근법은 DeRisk 데이터베이스와 같은 고해상도 비선형 수치 시뮬레이션 결과를 ‘학습’하여, 이러한 극한 조건에서의 물리량 결합 분포를 직접 추정할 수 있다. 또한, 라그랑지안 가속도를 파라미터로 포함시켜 쇄파 조건을 필터로 적용한 것은 모델의 물리적 현실성을 높이는 중요한 장치이다. 이는 슬래밍 하중 추정과 같이 극한 응답에 민감한 해양 공학 문제에 직접적으로 활용될 수 있는 실용적인 방법론을 제시한다고 평가할 수 있다.