[논문 리뷰] Signal-based Bayesian Seismic Monitoring

David A. Moore, Stuart Russell|arXiv (Cornell University)|2017. 03. 02.

Seismology and Earthquake Studies참고 문헌 17인용 수 5

한 줄 요약

이 논문은 원시 지진파형을 직접 모델링하는 신호 기반 베이지안 지진 모니터링 시스템인 SIGVISA를 소개한다. SIGVISA는 웨이블릿 계수를 기반으로 한 가우시안 프로세스를 사용해 파형 변동성을 예측하며, 물리적 사전 지식을 통합하고 다중 지점 간 동시 추론을 가능하게 한다. 이로 인해 이전의 검출 기반 방법과 동일한 정밀도에서 사건 수를 3배로 증가시키며, 평균 위치 오차를 4배로 감소시키고, 저마그니튜드 및 신규 발생 사건에 대한 감도를 크게 향상시킨다.

ABSTRACT

Detecting weak seismic events from noisy sensors is a difficult perceptual task. We formulate this task as Bayesian inference and propose a generative model of seismic events and signals across a network of spatially distributed stations. Our system, SIGVISA, is the first to directly model seismic waveforms, allowing it to incorporate a rich representation of the physics underlying the signal generation process. We use Gaussian processes over wavelet parameters to predict detailed waveform fluctuations based on historical events, while degrading smoothly to simple parametric envelopes in regions with no historical seismicity. Evaluating on data from the western US, we recover three times as many events as previous work, and reduce mean location errors by a factor of four while greatly increasing sensitivity to low-magnitude events.

연구 동기 및 목표

• 원시 파형을 모델링함으로써 잡음이 많고 공간적으로 분포된 센서 네트워크에서의 지진 사건 탐지를 향상시키기 위해, 사전 처리된 검출 결과에 의존하지 않는 방법을 개발하는 것.
• 임계치 설정과 신호 손실로 인해 저마그니튜드 및 신규 발생 사건을 놓치는 검출 기반 시스템의 한계를 해결하기 위한 것.
• 지진파 전파의 물리적 지식과 경로에 따라 변형되는 특성을 통합한 생성적 확률 모델을 개발하기 위한 것.
• 베이지안 방법을 활용해 다중 지점 간 동시 추론을 가능하게 하여, 진동 도착 시간과 파형 상관관계를 통합적으로 고려하는 것.
• 역사적 지진 활동이 없는 근처 지역에서의 사건에 대한 감도를 향상시켜 핵금지조약 모니터링에 필수적인 요구사항을 충족시키기 위한 것.

제안 방법

• 이벤트 위치, 발생 시간, 진동 진폭 등의 잠재 변수를 포함한 생성 모델을 사용해 지진 사건 탐지를 베이지안 추론 문제로 재정의한다.
• 역사적 사건 기반으로 웨이블릿 계수에 대한 가우시안 프로세스를 적용해 세밀한 파형 변동성을 모델링하며, 저지진 활동 지역에서는 매개변수화된 에너지 프로파일로 점진적으로 단순화된다.
• 켄넬트 및 엔드할(1991)의 물리 기반의 전파 시간 모델을 활용해 이벤트-지점 기하학적 구조와 속도 구조를 바탕으로 진동 도착 시간을 예측한다.
• MCMC 추론을 통해 하향식 물리적 제약 조건과 상향식 신호 증거를 통합한 이벤트 역사를 위한 사후 분포를 계산한다.
• 다중 지점 간 파형 상관관계를 활용해 반복 사건의 경우 탐지 및 위치 정확도를 향상시킨다.
• 다양한 지점의 데이터를 통합된 확률적 프레임워크에 통합하여, 이벤트 발생 시점, 위치, 신호 구조에 대한 동시 추론를 가능하게 한다.

실험 결과

연구 질문

• RQ1 원시 지진파형에 대한 베이지안 생성 모델이 검출 기반 시스템보다 이벤트 복귀율과 위치 정확도에서 뛰어난 성능을 보일 수 있는가?
• RQ2 파형 모델링을 통해 기존 데이터에 존재하지 않는 저마그니튜드 및 신규 발생 지진 사건의 탐지 능력이 어느 정도 향상되는가?
• RQ3 신호 기반 모델이 진동 도착 시간과 파형 상관관계를 어떻게 통합하여 이벤트 정위치 정확도를 향상시킬 수 있는가?
• RQ4 웨이블릿 계수 기반의 가우시안 프로세스를 통해 파형 변동성을 모델링할 경우, 지진 활동이 적은 지역에서의 일반화 능력이 향상되는가?
• RQ5 역사적 지진 활동이 없는 사건에 대해서도 시스템이 높은 성능을 유지할 수 있는가? 이는 핵실험 금지 조약 모니터링의 핵심 과제이다.

주요 결과

• SIGVISA는 동일한 정밀도 수준(51%)에서 19.3%의 복귀율을 기록했으며, 이는 기준선인 SEL3 시스템(6.4% 복귀율)의 3배에 해당한다.
• 이전 방법 대비 평균 위치 오차가 4배 감소하여, 이벤트 정위치 정확도가 크게 향상되었다.
• 고감도 모드에서 전체 기준 이벤트의 33%를 탐지했으며, 이 중 6건은 다른 모든 IMS 기반 시스템에서 놓친 진짜 사건들이다.
• SIGVISA는 데노보 사건에 대해서도 뛰어난 성능를 유지한다. 2008년 1월~3월 3개월 간 24건의 데노보 사건 중 6건을 탐지했으며, 동일한 정밀도에서 다른 시스템과 비슷하거나 뛰어난 성능를 보였다.
• 기준 브리핑에 포함되지 않은 두 사건의 경우, 모델 예측과 관측 신호 간 강한 일치가 관찰되어 실제 기준 데이터에 누락된 사건이 있을 가능성이 제기된다.
• 약한 신호 대 잡음 비율로 인해 기준치 기반 검출 시스템에서 자주 놓치는 저마그니튜드 사건에 대한 감도가 향상되었다.