[논문 리뷰] Bayesian Nonparametric Nonhomogeneous Poisson Process with Applications to USGS Earthquake Data

Junxian Geng, Wei Shi외 1명|arXiv (Cornell University)|2019. 07. 06.

Bayesian Methods and Mixture Models참고 문헌 27인용 수 8

한 줄 요약

이 논문은 비모수 베이지안 방법을 제안하며, 혼합 유한 혼합(MFM) 모형을 사용하여 비균일 포아송 과정에서 강도와 군집 구조를 동시에 추정함으로써 지진 데이터의 공간 이질성을 일관되게 추정한다. 이 방법은 군집 수를 통합하여 추정하는 효율적인 깁스 샘플러를 사용하며, 기존 방법보다 강도 추정 성능이 뛰어나며, 알라스카와 푸에르토리코 근처에 두 개의 고강도 지진 구역을 드러낸다.

ABSTRACT

Intensity estimation is a common problem in statistical analysis of spatial point pattern data. This paper proposes a nonparametric Bayesian method for estimating the spatial point process intensity based on mixture of finite mixture (MFM) model. MFM approach leads to a consistent estimate of the intensity of spatial point patterns in different areas while considering heterogeneity. An efficient Markov chain Monte Carlo (MCMC) algorithm is proposed for our method. Extensive simulation studies are carried out to examine empirical performance of the proposed method. The usage of our proposed method is further illustrated with the analysis of the Earthquake Hazards Program of United States Geological Survey (USGS) earthquake data.

연구 동기 및 목표

• 지역적 영역 간 지진 발생 강도의 공간 이질성을 모델링하는 데 도전 과제를 해결한다.
• 공간 점 패턴에서 군집 수와 구성(형태)을 동시에 추정한다.
• 기존의 파라미터적 및 빈도주의 방법이 미리 알 수 없는 군집 수와 공간 변동성을 다룰 수 있는 데에 한계를 극복한다.
• MFM의 Pólya 우산 구조를 활용하여 복잡한 역전이 MCMC를 피하는 스케일러블하고 효율적인 MCMC 알고리즘을 개발한다.
• 실제 USGS 세계 지진 데이터(M≥4, 2018년)를 대상으로 고해상도 공간 분석을 통해 방법의 효과성을 입증한다.

제안 방법

• 각 군집이 고유한 강도 파라미터를 가지는 혼합 유한 혼합(MFM) 프레임워크를 사용하여 비균일 포아송 과정의 강도를 모델링한다.
• 강도 파라미터에 공액의 감마 prior를 사용하고, 군집 할당 확률에 대칭 딜레르트 prior를 사용한다.
• 군집 수를 해석적으로 통합하여 전체 조건부 깁스 샘플러를 구현함으로써 역전이 MCMC를 피한다.
• 군집 할당 $ z_i $ 와 강도 파라미터 $ \lambda_r $ 의 완전 조건부 분포를 유도하여 효율적인 MCMC 샘플링을 가능하게 한다.
• MFM에 내재된 Pólya 우산 체계를 활용하여 군집 할당과 임의의 작은 군집 제거를 촉진한다.
• 예를 들어 $100\times100$ 격자와 같이 공간 격자를 적용하여 각 영역의 강도를 추정하고, 사후 확률 기반으로 각 영역을 군집에 할당한다.

실험 결과

연구 질문

• RQ1 미리 알 수 없는 군집 수를 가진 공간 점 과정에서, 비모수 베이지안 접근법이 강도와 군집 구조를 동시에 추정할 수 있는가?
• RQ2 기존의 비모수 및 파라미터 강도 추정 기법과 비교할 때, MFM 기반 방법은 정확도와 일관성 측면에서 어떻게 성능을 내는가?
• RQ3 2018년 세계 M≥4 지진에서 나타나는 공간 군집 패턴은 무엇이며, 알려진 지진대와 일치하는가?
• RQ4 해상도(예: $20\times20$, $50\times50$, $100\times100$)는 강도 추정 성능과 모델 적합도에 어떤 영향을 미치는가?
• RQ5 이 방법은 여분의 작은 군집을 탐지하고 제거하여, 중국 식당 프로세스 기반 모델보다 더 일관된 군집 수 추정을 가능하게 하는가?

주요 결과

• 모의 실험에서 8개의 경쟁 방법 중에서 제안된 MFM 기반 방법이 가장 뛰어난 강도 추정 성능을 보였으며, 각각 $20\times20$, $50\times50$, $100\times100$ 해상도에서 LPML 값이 68,970, 75,116, 79,148이었다.
• $100\times100$ 해상도에서 가장 높은 LPML를 기록하여, 더 뛰어난 모델 적합도와 추정 정확도를 나타낸다.
• USGS 데이터에서 이 방법은 8개의 군집을 추정하였으며, 가장 높은 강도 군집(단위 면적당 374.011건)은 단지 2개의 격자 셀을 차지했고, 지진의 90%는 세계 표면의 5%에 집중되어 있었다.
• 두 개의 주요 고강도 군집은 알라스카 중부 해안($-151.15, 61.28$)과 푸에르토리코 해구($-67.23, 17.96$) 근처에 위치해 있으며, 알려진 지진대와 일치한다.
• 사후 평균 강도 지ap은 강한 공간 이질성을 드러내었으며, 거의 모든 지진 활동이 두 개의 주요 지구대에 집중되어 있었다.
• MFM 접근법은 여분의 군집을 성공적으로 제거하여, CRP 기반 모델의 과적합 경향을 피한 일관되고 해석 가능한 군집 구조를 제공했다.