[논문 리뷰] A doubly stochastic enhancement of the Failure Forecast Method using a noisy mean-reverting process

Andrea Bevilacqua, E. Bruce Pitman외 2명|arXiv (Cornell University)|2018. 05. 29.

Meteorological Phenomena and Simulations참고 문헌 49인용 수 1

한 줄 요약

이 논문은 평균 회귀 확률적 미분 방정식(SDE)에 확률적 노이즈 항을 통합하여 고갈 예측 방법의 이重확률적 확장 버전을 제안한다. 이는 불확실성 정량화를 향상시키며, 다양한 볼록성과 관측 산산각도를 가진 역학적 데이터에 대해 우수한 예측 능력을 보이는 전체 사후 확률 분포를 제공함으로써 예측 정확도를 향상시킨다.

ABSTRACT

We introduce a doubly stochastic method for performing material failure theory based forecasts of volcanic eruptions. The method enhances the well known Failure Forecast Method equation, introducing a new formulation similar to the Hull-White model. In particular, we incorporate a stochastic noise term in the original equation, and systematically characterize the uncertainty. The model is a stochastic differential equation (SDE) with a mean reverting solution, which assumes the traditional ordinary differential equation (ODE) as the mean solution. Our implementation allows the model to make excursions from the classical solutions, by including uncertainty in the estimation. The doubly stochastic formulation is particularly powerful, in that it provides a complete posterior probability distribution, allowing civil protection officials to determine a worst case scenario with a specified level of confidence. We validate the new method on historical datasets of precursory signals, across a wide range of possible values of convexity in the solutions and amounts of scattering in the observations. The results show the increased forecasting skill of the doubly stochastic formulation of the SDE.

연구 동기 및 목표

• 결정론적 고갈 예측 방법의 한계를 극복하기 위해 확률적 불확실성을 통합하는 것.
• 다양한 화산 시스템에서 전조 신호의 변동성을 포괄하는 확률적 프레임워크를 개발하는 것.
• 사후 확률 분포를 통해 민방위 관계자들이 정의된 신뢰 수준으로 최악의 시나리오를 평가할 수 있도록 하는 것.
• 다양한 볼록성 정도와 관측 산산각도를 가진 역학적 데이터 세트에서 모델의 예측 성능을 검증하는 것.

제안 방법

• 기존의 고갈 예측 방법을 확장하기 위해 일반 미분 방정식(ODE) 대신 평균 회귀 특성을 가진 확률적 미분 방정식(SDE)을 도입한다.
• SDE에 노이즈 항을 도입함으로써 이중 확률적 솔루션—즉, 추세 및 분산 성분 모두에서 확률적 성격을 가지는 해를 얻는다.
• SDE는 헐-화이트 금리 모델과 유사하게 구성되어 평균 회귀 행동을 보장하며 해석적 접근이 가능하다.
• 모델의 해는 폭발 시점에 대한 사후 확률 분포를 제공하여 신뢰 수준 기반 시나리오 분석이 가능하다.
• 역사적 전조 신호 데이터를 기반으로 SDE를 캘리브레이션하여 불확실성을 체계적으로 특성화한다.
• 모델의 강건성과 예측 능력을 평가하기 위해 다양한 볼록성 파라미터와 산산각도 수준에 적용한다.

실험 결과

연구 질문

• RQ1 고갈 예측 방법에 확률적 노이즈를 통합하면 화산 폭발 예측 성능이 어떻게 향상되는가?
• RQ2 이중 확률적 SDE 설정은 결정론적 ODE 기반 모델에 비해 불확실성 정량화에 얼마나 뛰어난가?
• RQ3 사후 분포를 활용해 특정 신뢰 수준으로 최악의 폭발 시나리오를 신뢰성 있게 추정할 수 있는가?
• RQ4 다양한 볼록성 정도와 관측 노이즈 수준을 가진 다양한 화산 시스템에서 모델의 성능은 어떠한가?
• RQ5 SDE 기반 접근법은 역학적 전조 신호 데이터 세트에서 증가된 예측 능력을 보여주는가?

주요 결과

• 이중 확률적 SDE 설정은 기존의 ODE 기반 고갈 예측 방법에 비해 예측 능력이 크게 향상된다.
• 모델은 폭발 시점의 전체 사후 분포를 성공적으로 포착하여 민방위 대응 계획의 신뢰 수준 기반 시나리오 분석이 가능하다.
• 모델은 역사적 데이터에서 다양한 볼록성 값과 관측 산산각도 수준에서도 강건한 성능을 보인다.
• 확률적 노이즈의 통합으로 인해 모델은 고전적 해에서 벗어나 실제 전조 신호의 변동성을 반영한 진동을 가능하게 한다.
• SDE의 평균 회귀 성향은 물리적으로 타당한 해를 유지하면서도 불확실성을 수용한다.