혼돈 흐름에서 혼합 효율을 위한 시간 가변 민감도 분석 비교 연구

초록

본 연구는 두 종류의 혼돈 흐름(RPM 흐름과 16차원 사중극 흐름)에 대해 설계 파라미터의 시간에 따른 민감도를 Sobol 지수, Morris 점수, 수정된 Activity Score 세 가지 전역 민감도 분석 방법으로 비교한다. RPM 흐름(2·4 파라미터)에서는 세 방법이 유사한 결과를 보였으며, Morris 방법이 모델 실행 횟수를 최대 4배 절감하면서도 수렴성을 확보함을 확인했다. 고차원 사중극 흐름(16 파라미터)에서는 계산 비용 절감 차원에서 Morris와 Activity Score만을 적용했으며, 이 역시 일관된 민감도 순위를 제공한다.

상세 분석

이 논문은 혼돈 어드벡션을 이용한 혼합 강화 시스템에서 설계 변수의 불확실성이 혼합 효율에 미치는 영향을 정량화하기 위해 시간 가변 전역 민감도 분석을 수행한다. 두 흐름 모델은 물리적 복잡도와 입력 차원에서 크게 차이나는데, RPM 흐름은 회전 각도와 회전 간격을 제어하는 2~4개의 하이퍼파라미터만을 갖는 저차원 시스템이며, 사중극 흐름은 펌핑 속도, 우물 위치, 수리 전도도 등을 포함한 16개의 파라미터로 구성된 고차원 시스템이다.

분석 방법으로는 (1) 분산 기반 Sobol 지수, (2) 평균 효과와 표준편차를 이용한 Morris 방법, (3) 활성 서브스페이스(Active Subspace)에서 파생된 Activity Score를 변형한 방식을 선택했다. Sobol은 입력 변수의 1차·2차 상호작용까지 정량화하지만 샘플 수가 N·(2n+2)로 급증해 고차원 문제에 비효율적이다. 반면 Morris는 N·(n+1) 샘플만으로도 충분히 수렴하며, 특히 10~20개의 트라젝터리만으로도 안정적인 μ와 σ 값을 얻는다. Activity Score는 모델의 기울기 정보를 활용해 선형 조합의 중요도를 파악하고, Morris 샘플을 재활용함으로써 추가 비용 없이 정량적 비율(%)로 변환한다.

시간 가변 민감도는 각 시점별 출력(혼합 지표)의 변동성을 기준으로 계산된다. RPM 흐름에서는 영역 커버리지(¯M)를, 사중극 흐름에서는 최대 농도(peak concentration)를 혼합 효율 지표로 사용했다. 결과적으로, RPM 흐름에서는 Θ와 τ(또는 그 평균·편차)가 초기 단계에서 가장 큰 영향을 미치며, 시간이 진행될수록 파라미터 간 상호작용이 약화된다. Sobol과 Morris, Activity Score 모두 이 패턴을 동일하게 포착했으며, Sobol의 2차 상호작용 지수는 거의 0에 수렴해 비선형 상호작용이 미미함을 시사한다.

고차원 사중극 흐름에서는 계산 비용 제한으로 Sobol을 제외하고 Morris와 Activity Score만을 적용했는데, 두 방법 모두 펌핑 속도(k1~k4)와 우물 회전 각도(θ) 계열이 초기 혼합 단계에서 지배적임을 보여준다. 특히 k1·k2·k3·k4의 조합이 시간에 따라 변동하는 민감도 패턴을 형성하며, 이는 설계 시 펌핑 비율을 조절함으로써 목표 혼합 시간을 최적화할 수 있음을 의미한다.

수렴 분석에서는 Morris가 Sobol 대비 최대 4배 적은 모델 실행으로도 μ와 σ가 안정화되는 것을 확인했다. Activity Score는 Morris와 동일한 샘플을 사용하므로 추가 비용이 없으며, 비율 스케일링을 통해 직관적인 해석이 가능하다. 따라서 고차원 문제에서는 Morris와 Activity Score 조합이 실용적이며, Sobol은 저차원 혹은 상호작용을 정밀히 파악해야 할 경우에만 선택적으로 사용한다는 결론을 도출한다.