연쇄극단현상 예측을 위한 콜모고로프아놀드 신경모델

초록

본 논문은 지진·쓰나미와 같은 연쇄극단현상의 발생 확률을 공변량에 조건부로 추정하기 위해, 콜모고로프‑아놀드 네트워크(KAN)에 단위구간 강제 레이어를 추가한 KANE 모델을 제안한다. 극값 이론과 스플라인 기반의 일변량 함수 근사를 결합해 POC(Probability of Cascade) 표면을 학습하고, 시뮬레이션 및 실제 지진·기후 데이터에 적용해 성능을 검증한다.

상세 분석

이 논문은 연쇄극단현상, 즉 하나의 극단 사건이 다른 극단 사건을 유발하는 현상을 정량화하기 위한 새로운 통계‑머신러닝 프레임워크를 제시한다. 핵심 아이디어는 기존 극값 이론(EVT)에서 사용되는 꼬리 의존계수(tail dependence coefficient)를 일반화한 α 함수(식 3)와 이를 공변량 x에 조건부로 확장한 POC 표면(식 6)이다. POC 표면은 x∈