[논문 리뷰] Inversion of Tsunamis Characteristics from Sediment Deposits Based on Ensemble Kalman Filtering

Jianxun Wang, Hui Tang외 2명|arXiv (Cornell University)|2015. 11. 10.

earthquake and tectonic studies참고 문헌 7인용 수 4

한 줄 요약

이 논문은 침전물 퇴적물에서 Tsunami 유속과 수심을 추정하기 위해 Ensemble Kalman Filtering (EnKF)를 사용하는 새로운 베이지안 역모델링 프레임워크를 제안한다. 미지의 매개변수는 확장된 상태의 일부로 간주되며, 이 방법은 불확실성과 정확도를 동시에 정량화하여 시뮬레이션 및 실제 사례 테스트(2006년 남자아바 태풍)에서 기존 모델을 능가하는 성능을 보였다.

ABSTRACT

Sediment deposits are the only leftover records from paleo tsunami events. Therefore, inverse modeling method based on the information contained in the deposit is an indispensable way of deciphering the quantitative characteristics of the tsunamis, e.g., the flow speed and the flow depth. While several models have been proposed to perform tsunami inversion, i.e., to infer the tsunami characteristics based on the sediment deposits, the existing methods lack mathematical rigorousness and are not able to account for uncertainties in the inferred quantities. In this work, we propose an inversion scheme based on Ensemble Kalman Filtering (EnKF) to infer tsunami characteristics from sediment deposits. In contrast to traditional data assimilation methods using EnKF, a novelty of the current work is that we augment the system state to include both the physical variables (sediment fluxes) that are observable and the unknown parameters (flow speed and flow depth) to be inferred. Based on the rigorous Bayesian inference theory, the inversion scheme provides quantified uncertainties on the inferred quantities, which clearly distinguishes the present method with existing schemes for tsunami inversion. Two test cases with synthetic observation data are used to verify the proposed inversion scheme. Numerical results show that the tsunami characteristics inferred from the sediment deposit information have a favorable agreement with the truths, which demonstrated the merits of the proposed tsunami inversion scheme.

연구 동기 및 목표

• 침전물에서 고지질 기록을 이용한 고대태풍 흐름 조건을 재구성하기 위한 엄밀하고 불확실성 정량화 기반의 역모델링 방법을 개발한다.
• 기존 모델이 공식적인 불확실성 정량화와 오차 분석을 결여하고 있다는 한계를 해결한다.
• Ensemble Kalman Filtering (EnKF)를 활용해 물리적 변수와 미지의 태풍 매개변수를 동시에 추정한다.
• 현장 관측 자료를 사용하여 시뮬레이션 데이터와 실제 사례(2006년 남자아바 태풍)에 대해 방법을 검증한다.
• 지질 기록을 활용한 고대태풍 위험 평가를 위한 수학적으로 강력한 프레임워크를 제공한다.

제안 방법

• 관측 가능한 침전물 유량과 미지의 매개변수(유속 및 수심)를 포함한 상태 벡터를 확장하여 동시 추정이 가능하도록 한다.
• Ensemble Kalman Filtering를 데이터 융합에 사용하며, 전진 모델 TSUFLIND가 시간에 따라 침전물 퇴적을 시뮬레이션한다.
• 앙상블 공분산과 관측 오차 공분산을 사용해 칼만 이득 행렬을 계산하고 상태 추정치를 갱신한다.
• 정기적인 간격(ΔT)으로 관측치를 융합하며, 예측 및 분석 단계를 반복적으로 반복한다.
• 이 방법은 베이지안 추론 원리를 따르며, 추정된 매개변수에 대한 사후 분포와 정량화된 불확실성을 제공한다.
• 알고리즘은 샘플링, 예측(전진 모델을 통한), 분석(관측치와 칼만 이득을 이용한 갱신) 단계로 구성된다.

실험 결과

연구 질문

• RQ1 EnKF는 침전물에서 침전물 유량과 미지의 태풍 매개변수를 동시에 추정하는 데 효과적으로 적용될 수 있는가?
• RQ2 제안된 방법은 이상적인 침전물 데이터에서 시뮬레이션된 태풍 흐름 조건을 얼마나 정확하게 재구성할 수 있는가?
• RQ3 이 방법은 추정된 유속과 수심에 대해 신뢰할 수 있는 불확실성 정량화를 제공하는가?
• RQ4 2006년 남자아바 태풍 현장 자료에 적용했을 때 이 방법은 어떤 성능을 보이는가?
• RQ5 EnKF 기반의 역모델링은 TsuSedMod와 같은 비베이지안 기존 모델보다 정확도와 불확실성 정량화 측면에서 뛰어나게 성능을 발휘하는가?

주요 결과

• EnKF 기반의 역모델링 방법은 시뮬레이션 테스트 케이스에서 높은 정확도로 태풍 유속과 수심을 성공적으로 추정하였으며, 시뮬레이션 진실값과 밀도 있게 일치하였다.
• 이 방법은 추정된 매개변수에 대한 정량화된 불확실성을 제공하여 기존의 데이터 피팅 모델과 차별화되었다.
• 2006년 남자아바 태풍 사례에서 추정된 매개변수는 현장 데이터와 이전의 역모델링 결과와 강한 일치를 보였다.
• TsuSedMod와의 비교를 통해 제안된 방법이 실제 적용에서 뛰어난 성능을 보였다.
• 결과적으로 EnKF 기반의 프레임워크는 침전물에서 고대태풍 재구성에 있어 강력하고 신뢰할 수 있는 도구임을 확인하였다.
• 본 연구는 EnKF를 태풍 역모델링에 적용한 최초의 사례로, 수학적으로 엄밀하고 불확실성 인식이 가능한 접근법을 제시하였다.