태양 플레어 데이터 결함과 머신러닝 예측에 미치는 영향

초록

본 논문은 SWPC 운영 및 과학 품질 데이터 등 여러 태양 플레어 데이터 소스의 결함·불일치를 체계적으로 규명하고, 이러한 문제들이 머신러닝 기반 플레어 예측 모델의 성능에 미치는 영향을 정량화한다. 데이터 정제 절차와 보정 방법을 제시하며, 최종적으로 운영 예보에 적합한 데이터 선택 가이드를 제공한다.

상세 분석

이 연구는 태양 플레어 예측에 널리 사용되는 데이터베이스—특히 GOES X‑ray 플레어 기록, SDO/HMI·AIA 이미지, SHARP·SMARP 벡터 파라미터—를 대상으로 데이터 수집·전처리 단계에서 발생하는 결함을 상세히 파악한다. 첫째, 운영 데이터와 과학 품질 데이터 간의 시간 스탬프 불일치, 누락된 이벤트, 중복 기록 등이 발견되었으며, 이는 학습·검증 셋을 구성할 때 클래스 불균형을 왜곡한다. 둘째, 이미지 데이터는 해상도 차이와 재샘플링 과정에서 중요한 미세 구조(예: PIL)의 손실이 발생해 특징 추출 효율을 저하시킨다. 셋째, SHARP 파라미터는 버전 업데이트에 따라 정의가 미묘히 변하고, 일부 값이 NaN 혹은 비현실적인 범위(예: 음수 플럭스)로 기록되어 모델 입력으로 바로 사용하기에 부적합하다. 논문은 이러한 결함을 정량화하기 위해 데이터 소스별 결함 비율을 계산하고, 결함이 포함된 상태와 정제된 상태에서 동일한 머신러닝 파이프라인(LSTM, 랜덤 포레스트 등)을 적용해 TSS, HSS, ROC‑AUC 등 주요 스킬 점수를 비교한다. 결과는 결함이 5 % 수준만 있어도 TSS가 평균 0.07~0.12 포인트 감소하고, 특히 희귀한 X‑class 플레어 예측에서 과대/과소 평가가 크게 나타난다. 또한, 데이터 소스 간 일관성(예: GOES 플레어 등급과 SHARP 기반 이벤트 라벨의 매칭) 부족이 연속형 회귀 모델의 RMSE를 15 % 이상 악화시킨다. 저자는 결함 완화 방안으로(1) 시간 동기화와 누락 이벤트 보간, (2) 이미지 재샘플링 시 고해상도 보존을 위한 비선형 보간 및 ROI 기반 크롭, (3) 벡터 파라미터의 결측값 대체와 버전 통합, (4) 데이터 품질 플래그를 활용한 샘플 가중치 부여 등을 제안한다. 최종적으로 운영 환경에서는 과학 품질 데이터보다 신뢰성 높은 운영 데이터에 기반한 실시간 정제 파이프라인을, 연구·모델 개발 단계에서는 완전한 과학 품질 데이터를 사용하되 위 보정 절차를 적용할 것을 권고한다.