[논문 리뷰] Statistical characterization and time-series modeling of seismic noise

Kanchan Aggarwal, Siddhartha Mukhopadhyay외 1명|arXiv (Cornell University)|2020. 09. 03.

Complex Systems and Time Series Analysis참고 문헌 39인용 수 5

한 줄 요약

이 논문은 실시간 데이터 185건을 활용하여 지진성 음향의 체계적 통계적 특성화를 제안하며, 정상성, 선형성, 가우시안성 등의 기존 가정이 성립하지 않음을 밝혀낸다. 대신 지진성 음향은 통합 효과와 조건부 이방분산성을 나타내며, 이에 따라 소음 모델링 정확도를 크게 향상시키고 저 SNR 조건에서 P파 도래 시점 탐지의 정밀도를 높이는 ARIMA-GARCH 모델이 개발된다.

ABSTRACT

Developing statistical models for seismic noise is an exercise of high value in seismic data analysis since these models play a critical role in detecting the onset of seismic events. A majority of these models are usually built on certain critical assumptions, namely, stationarity, linearity, and Gaussianity. Despite their criticality, very little reported literature exists on validating these assumptions on real seismic data. The objectives of this work are (i) to critically study these long-held assumptions and (ii) to propose a systematic procedure for developing appropriate time-series models. A rigorous statistical analysis reveals that these standard assumptions do not hold for most of the data sets under study; rather they exhibit additional special features such as heteroskedasticity and integrating effects. Resting on these novel discoveries, ARIMA-GARCH models are developed for seismic noise. Studies are carried out on $185$ real-time data sets over different time intervals to study the daily and seasonal variations in noise characteristics and model structure. Nearly all datasets tested positive for first-order non-stationarity, heteroskedasticity, and Gaussianity, while $19\%$ tested negative for linearity. Analysis of the structural uniformity of the developed models with respect to daily and seasonal variations is also presented.

연구 동기 및 목표

• 실제 데이터를 활용하여 지진성 음향 모델링에서 오랫동안 유지되어 온 가정—정상성, 선형성, 가우시안성, 동분산성—을 철저히 검증한다.
• 기존 모델링 접근 방식에 도전하는 새로운 통계적 특성—예를 들어 통합 효과 또는 조건부 이방분산성—을 식별한다.
• empirical 소음 특성에 기반한 시간열 모델 선택의 체계적 절차를 개발한다.
• 고정된 위치에서 일일 및 계절적 변화에 따른 소음 특성의 안정성을 조사하여 일관된 모델 적용을 가능하게 한다.
• 전통적인 선형 가우시안 모델보다 더 정확한 대안으로 ARIMA-GARCH 모델을 제안한다.

제안 방법

• 다양한 시간 간격에서 실지 지진성 음향 데이터 185건에 대한 종합적인 통계 분석을 수행하였다.
• 정상성(ADF 검정), 선형성(RESET 검정), 가우시안성(Jarque-Bera 검정), 이방분산성(ARCH-LM 검정)에 대한 공식적 가설 검정을 적용하였다.
• 정상성을 확보하기 위해 필요한 차수 d를 갖는 ARIMA(p,d,q) 과정을 사용하여 통합 효과를 모델링하였다.
• ARIMA 모델 잔차에 GARCH(p,q) 모델을 적용하여 조건부 이방분산성을 기록하였다.
• 모델 매개수 및 적합도 통계량을 비교 분석하여 낮과 밤, 계절 변화 간 모델 구조 일관성을 검증하였다.
• 모델 성능 평가 및 최적 모델 구성 선택을 위해 AIC와 MSE를 사용하였다.

실험 결과

연구 질문

• RQ1 지진성 음향 데이터는 정상성, 선형성, 가우시안성, 동분산성이라는 표준 가정을 충족하는가?
• RQ2 실제 지진성 음향에 존재하는 숨겨진 통계적 특성—예를 들어 통합 효과 또는 조건부 이방분산성—은 무엇인가?
• RQ3 고정된 위치에서 일일 및 계절적 시간 간격 동안 소음 특성은 어떻게 변화하는가?
• RQ4 ARIMA-GARCH 모델은 전통적 모델보다 지진성 음향에 더 나은 적합도를 보이는가?
• RQ5 최적의 모델 구조는 다양한 기상 및 시간 조건에서 안정적인가?

주요 결과

• 모든 데이터셋(185개) 중 거의 전부가 1차 비정상성으로 판명되어 모델링 시 차분이 필요함을 시사한다.
• 19%의 데이터셋이 선형성에 대해 부정적 결과를 보였으며, 이는 지진성 음향에 비선형 역학이 존재함을 시사한다.
• 모든 데이터셋에서 이방분산성이 확인되었으며, ARCH-LM 검정을 통해 조건부 이방분산성이 확인되었다.
• praticallly 모든 데이터셋에서 가우시안성이 확인되어 오차 구조에서 가우시안 소음 가정의 타당성을 지지한다.
• 모델 성능은 겨울에 더 우수했으며(AIC 및 MSE가 낮음), 이는 모델 적합도의 계절적 변동을 시사한다.
• 매개수의 변동에도 불구하고 모델 구조는 일/야 및 계절 조건 간 일관성을 유지하여 안정적인 모델 적용 가능성을 뒷받침한다.