중부 이탈리아 지진 카탈로그 머신러닝 성능 변동

초록

본 연구는 2016‑2017년 중부 이탈리아 지진 연속을 대상으로, 기존 관측 기반 카탈로그와 딥러닝 기반 PhaseNet 카탈로그의 검출 능력을 동일한 관측망에서 비교한다. 로지스틱 회귀를 이용해 각 관측소별 검출 확률을 추정하고, 이를 네트워크 수준으로 결합해 공간적 완전성(Mc) 지도를 만든다. 결과는 머신러닝 카탈로그가 전파 검출 감도를 크게 향상시켜 P파와 S파의 평균 완전성 마진을 각각 1.6→0.5, 1.7→0.5로 낮추지만, 관측소별 변동성은 오히려 증가함을 보여준다.

상세 분석

이 논문은 기존 지진 관측망에서 얻은 ‘routine’ 카탈로그와 최신 딥러닝 기반 PhaseNet을 적용한 ‘ML’ 카탈로그를 직접 비교함으로써, 머신러닝이 실제 현장 검출 성능에 미치는 정량적 영향을 최초로 제시한다. 핵심 방법론은 각 관측소별로 사건 규모(M)와 중심거리(L) 두 변수에 대한 검출 여부를 이진 라벨링하고, 로지스틱 회귀 모델 pϕi(M*,Li)=1/(1+exp