[논문]딥러닝 기반의 시공간 지진 예측

남경훈; 김종태; 박성철; 이창주; 김수진; 추창오; 정교철

doi:10.9720/kseg.2023.1.001

딥러닝 기반의 시공간 지진 예측
Deep Learning-Based Spatio-Temporal Earthquake Prediction 원문보기

지질공학 = The journal of engineering geology, v.33 no.1, 2023년, pp.1 - 13

남경훈 (중국 통지대학 토목공학과) , 김종태 (주식회사 자연과기술) , 박성철 (FITI시험연구원) , 이창주 (대영건설 기업부설연구소) , 김수진 (성지건설) , 추창오 (안동대학교 지구환경과학과) , 정교철 (안동대학교 지구환경과학과)

초록
AI-Helper

지진은 지체 구조, 지구조 응력, 지각 성분 및 구성 요소 간의 상호 작용을 통해 발생하는 복잡한 현상으로 이해하기 매우 어려운 시스템이기 때문에 예측하기가 쉽지 않다. 우리나라는 평균 M 2.3의 비교적 안전한 지역으로 볼 수 있으나 지진에 대한 대중의 관심이 높아짐에 따라, 한반도의 지진현상을 분석하기 위하여 딥러닝 기반의 Facebook's Prophet 모델을 이용한 시간에 따른 지진패턴의 변화 및 공간과 규모에 따른 지진예측을 시도하였다. 또한, 진앙분포도 군집분석 방법인 DBSCAN과 비교 및 토의하였다. Prophet 지진 예측 모델링 결과 향후 경상북도뿐만 아니라 충청북도, 경기도 및 서울권역에서 지진이 발생할 것으로 예측되었다.

Abstract ▼ AI-Helper

Predicting earthquakes is difficult due to the complexity of the systems underlying tectonic phenomena and incomplete understanding of the interactions among tectonic settings, tectonic stress, and crustal components. The Korean Peninsula is located in a stable intraplate region with a low average seismicity of M 2.3. As public interest in the earthquake grows, we analyzed earthquakes on the Korean Peninsula by attempting to predict spatio-temporal earthquake patterns and magnitudes using Facebook's Prophet model based on deep learning, and here we discuss seismic distribution zones using DBSCAN, a cluster analysis method. The Prophet model predicts future earthquakes in Chungcheongbuk-do, Gyeonggi-do, Seoul, and Gyeongsangbuk-do.

주제어

표/그림 (15)

그림 Fig. 1. Earthquake history in Korea: (a) all earthquakes 1978-2022 (2,074), (b) recent earthquakes, 2018-2022 (391), and older earthquakes by decade: (c) 2008-2017(917), (d) 1998-2007 (397), (e) 1988-1997 (206), and (f) 1978-1987 (163).
그림 Fig. 2. Magnitudes of earthquakes from 1978 to 2022 with respect to time.
그림 Fig. 3. Frequency of earthquakes from 1978 to 2022 by magnitude.
그림 Fig. 4. Annual count (blue) and 10-year moving average (red) of earthquakes from 1978 to 2022.
그림 Fig. 5. Spatial distribution of earthquakes plotted using kernel density estimation from 1978 to 2022.
그림 Fig. 6. Earthquake history by city and province from 1978 to 2022.
그림 Fig. 7. Training of historical earthquake data from 2015 to 2022 using Prophet: (a) magnitude, (b)epicenter, (c) latitude, and (d) longitude.
표 Table 1. Overview of variables used in seismic precHction modeling
그림 Fig. 8. Earthquakes in 2021 to 2023 predicted using Prophet: (a) magnitude, (b) epicenter, (c) latitude, and (d) longitude.
그림 Fig. 9. Maps plotting actual (green) and predicted (red) earthquakes (including at sea) by month from September to December, 2022.
그림 Fig. 10. Maps plotting actual (green) and predicted (red) earthquakes (a) October 2022, (b) November 2022, (c) December.
표 Table 2. Distances between actual and predicted earthquakes
그림 Fig. 11. Predicted earthquakes from January to September, 2023.
표 Table 2. Continued
그림 Fig. 12. DBSCAN clustering analysis of max distance (a) 60, (b) 70, (c) 80, and (d) 100 km.

AI 본문요약
AI-Helper

제안 방법

과거 한반도의 모든 지진에 비해 가장 큰 사회적 및 경제적 피해를 입었으며 연 이은 강진 및 여진으로 지진에 대한 대중의 관심이 높아짐에 따라, 이 연구에서는 한반도의 지진현상을 분석하기 위하여 딥러닝 기반의 Facebook’s Prophet 모델을 이용한 시간에 따른 지진패턴의 변화 및 공간과 규모에 따른 지진예측을 시도하였고 진앙분포도 군집분석 방법인 DBSCAN과 비교 및 토의하였다.

대상 데이터

데이터 세트 중에서 지진의 위치나 규모에 대한 누락된 정보가 있는 데이터 세트가 제거되고 분석하였다. 1978년 8월부터 2022년 8월까지 2,074개의 지진이 발생하였으며 2018년도부터 2022까지는 391개, 2008년부터 2017년까지는 917개, 1998년도부터 2007년까지는 397개, 1988년부터 1997년까지는 206개, 1978년부터 1987년까지는 163개의 지진이 발생하였다(Fig. 1).
3의 비교적 안전한 지역으로 볼 수 있으나 최근 2016년 지진과 2017년 지진에서 M 2보다 강한 지진 발생 건수는 각각 254건(2016년), 223건(2017년)이었다. 2016년 9월 12일 경상북도 경주에서 M 5.8 지진이 발생해 지금까지 발생한 지진 중 가장 강력한 지진으로 기록되었다. 2017년 11월 15일 경상북도 포항에서 M 5.
8 지진이 발생해 지금까지 발생한 지진 중 가장 강력한 지진으로 기록되었다. 2017년 11월 15일 경상북도 포항에서 M 5.4 지진이 발생하였으며 우리나라에서 두 번째로 강한 지진이었다. 과거 한반도의 모든 지진에 비해 가장 큰 사회적 및 경제적 피해를 입었으며 연 이은 강진 및 여진으로 지진에 대한 대중의 관심이 높아짐에 따라, 이 연구에서는 한반도의 지진현상을 분석하기 위하여 딥러닝 기반의 Facebook’s Prophet 모델을 이용한 시간에 따른 지진패턴의 변화 및 공간과 규모에 따른 지진예측을 시도하였고 진앙분포도 군집분석 방법인 DBSCAN과 비교 및 토의하였다.
10은 해양 지진을 제외한 2022년 10월부터 2022년 12월까지 실제 지진 데이터와 예측 결과를 맵핑하였다. Prophet 모델링을 시도한 시점(2022년 9월) 이후에 충북 괴산군 M 4.1 지진이 발생(2022년 10월 29일 08:27) 하였다. Table 2는 Prophet 모델을 이용한 2022년 10월 지진 예측 결과와 2022년 10월 29일 충청북도 괴산군에서 발생한 M 4.
1 지진이 발생(2022년 10월 29일 08:27) 하였다. Table 2는 Prophet 모델을 이용한 2022년 10월 지진 예측 결과와 2022년 10월 29일 충청북도 괴산군에서 발생한 M 4.1 지진을 도표화하였다. 충북 괴산군 M 4.
0 미만의 미소지진 데이터를 분류하여 제공한다. 계측이 시작된 1978년 8월부터 2022년 8월까지 규모 2.0 이상의 한반도의 지진 규모와 위치 데이터를 활용하였다. 수집된 데이터는 지진의 날짜, 규모, 진앙(km), 위도 및 경도를 포함한다.
우리나라는 총 264개의 지진 측정소가 있으며 관측소의 종류는 95개의 광대역 지진계, 27개의 단주기 지진계, 142개의 가속도계로 분류된다. 기상청에서 제공하는 지진 데이터(https://data.kma.go.kr/)는 규모 2.0 이상의 지진데이터와 규모 2.0 미만의 미소지진 데이터를 분류하여 제공한다. 계측이 시작된 1978년 8월부터 2022년 8월까지 규모 2.
기상청에서 제공하는 지진 데이터에서 1978년부터 2022년 8월까지 M 2.0 이상의 데이터 중 진앙 데이터는 2015년 이후부터 제공되어 2015년 1월부터 2022년 8월까지 데이터를 사용하였다. Facebook’s Prophet 모델을 사용하여 지진데이터에 대하여 학습 및 예측을 수행하였다.
0 이상의 한반도의 지진 규모와 위치 데이터를 활용하였다. 수집된 데이터는 지진의 날짜, 규모, 진앙(km), 위도 및 경도를 포함한다. 데이터 세트 중에서 지진의 위치나 규모에 대한 누락된 정보가 있는 데이터 세트가 제거되고 분석하였다.

데이터처리

한반도의 지진현상을 분석하기 위하여 딥러닝 기반의 Facebook’s Prophet 모델을 이용한 시간에 따른 지진패턴의 변화 및 공간과 규모에 따른 지진예측을 시도하였고 진앙분포도 군집분석 방법인 DBSCAN과 비교 및 토의하였다

이론/모형

Facebook’s Prophet 모델을 사용하여 지진데이터에 대하여 학습 및 예측을 수행하였다

성능/효과

DBSCAN은 밀도 기반 군집화 방식으로, 임의의 지진 데이터를 중심으로 주변 공간을 탐색하기 위한 반경과 군집으로 인정하기 위한 반경 내 최소 지진 데이터 개수를 사용한다. 반경 내에 최소 지진 데이터 개수 이상의 지진 데이터가 존재하면 군집을 형성하고 이웃 지진 데이터를 중심으로도 동일한 검사를 실시하여 군집을 확장해 나가는 DBSCAN 모델링결과, 최대 반경 70 km에서 Eurasian Plate와 Amurian Plate의 경계부에서 두 번째 구간 군집이 나타났다. 또한, 최대 반경 80 km 및 100 km에서 Eurasian Plate와 Amurian Plate의 경계부를 따라 구간 군집이 더욱 선명하게 보여주었다.
1 지진을 도표화하였다. 충북 괴산군 M 4.1 지진과 Prophet 모델을 이용한 2022년 10월 지진 예측 결과를 진앙과의 거리로 비교하였을 때 최소 26.056 km (2022년 10월 22일), 최대 105.587 km (2022년 10월 31일) 차이를 보였다(Table 2). 또한 2022년 10월 29일 지진 예측 결과는 63.

후속연구

간단하며 빠른 시계열 예측이라는 Prophet 모델의 장점이 분명히 존재하지만 우리나라의 데이터가 다소 부족하고, 복잡한 지체구조 시스템의 지진을 예측하기에는 이 연구는 실험적 연구로 보는 것이 타당하다. 그러나 시계열 모델링에 강력한 성능을 보이는 Facebook’s Prophet 모델뿐만 아니라 기존의 신경망 모델인 RNN(recurrent neural network) 및 LSTM(long short-term memory) 모델 등과 함께 적용한다면 모델의 정확성을 향상시킬 수 있을 것이다.
그러나 시계열 모델링에 강력한 성능을 보이는 Facebook’s Prophet 모델뿐만 아니라 기존의 신경망 모델인 RNN(recurrent neural network) 및 LSTM(long short-term memory) 모델 등과 함께 적용한다면 모델의 정확성을 향상시킬 수 있을 것이다
추후 연구로는 Prophet 모델을 구성하는 세 가지 요소 중에서 ‘h(t)’의 불규칙적으로 영향을 미치는 이벤트에 중점을 맞추어 학습을 진행하고 단기 예측 및 장기 예측과 함께 지진 사례와 연관성 분석 및 개별 변수의 상관관계를 학습에 활용하는 다변량 분석을 수행하는 것도 시도할 예정이다. 뿐만아니라 지진학적, 지구물리학적 및 구조지질학적 다양한 자료를 정량적으로 결합시키는 방법도 모색할 예정이다.
정량적인 방법으로 기존의 지진지체구조구 모델과의 비교를 위해서는 특정의 부지를 상정하여 기존의 모델과 이 연구에서의 모델에 의한 최대지진가속도 값 등에 대한 비교가 수행 되어야 할 것으로 판단된다. 이 연구에서는 지진 자료 중 계기지진의 진앙분포만을 사용하였으나 지진학적, 지구물리학적 및 구조지질학적 다양한 자료를 정량적으로 결합시키는 방법이 요구된다.
DBSCAN 모델링은 단순히 지진분포에 따라 이루어졌으므로 단층이나 지질경계와는 무관하며, 큰 지진을 핵으로 하여 나누어져 있다고 할 수 있다. 정량적인 방법으로 기존의 지진지체구조구 모델과의 비교를 위해서는 특정의 부지를 상정하여 기존의 모델과 이 연구에서의 모델에 의한 최대지진가속도 값 등에 대한 비교가 수행 되어야 할 것으로 판단된다. 이 연구에서는 지진 자료 중 계기지진의 진앙분포만을 사용하였으나 지진학적, 지구물리학적 및 구조지질학적 다양한 자료를 정량적으로 결합시키는 방법이 요구된다.
추후 연구로는 Prophet 모델을 구성하는 세 가지 요소 중에서 ‘h(t)’의 불규칙적으로 영향을 미치는 이벤트에 중점을 맞추어 학습을 진행하고 단기 예측 및 장기 예측과 함께 지진 사례와 연관성 분석 및 개별 변수의 상관관계를 학습에 활용하는 다변량 분석을 수행하는 것도 시도할 예정이다

참고문헌 (19)

Anderson, J.G., Trifunac, M.D., 1978, Uniform risk functionals for characterization of strong earthquake ground motion,？Bulletin of the Seismological Society of America, 68, 205-218.
Ansari, A., Firuzi, E., Etemadseed, L., 2015, Delineation of seismic sources in probabilistic seismic-hazard analysis using？fuzzy cluster analysis and Monte Carlo simulation, Bulletin of Seismological Society of America, 105, 2174-2191.

상세보기
Asha, J., Rishidas, S., SanthoshKumar, S., Reena, P., 2020, Analysis of temperature prediction using random forest and facebook prophet algorithms, International Conference on Innovative Data Communication Technologies and Application, Part of the Lecture Notes on Data Engineering and Communications Technologies Book Series, 46, 432-439.
Bountzis, P., Kostoglou, A., Papadimitriou, E., Karakostas, V., 2021, ？dentification of spatiotemporal seismicity clusters？in central Ionian Islands (Greece), Physics of the Earth and Planetary Interiors, 312, 106675.
Cornell, C.A., 1968, Engineering seismic risk analysis, Bulletin of Seismological Society of America, 58, 1583-1606.

상세보기
Fan, Z., Xu, X., 2019, Application and visualization of typical clustering algorithms in seismic data analysis, Procedia？Computer Science, 151, 171-178.
GSK (Geological Society of Korea), 2016, Investigation and research of maximum earthquake for nuclear power plant？sites (I), Technical Report to Korea Hydro & Nuclear Power Co., Seoul, Korea, 427p (in Korean).
Hasterok, D., Halpin, J.A., Collins, A.S., Hand, M., Kreemer, C., Gard, M.G., Glorie, S., 2022, New maps of global geological provinces and tectonic plates, Earth-Science Reviews, 231, 104069.

상세보기
Kim, S.K., Jeon, J.S., Jun, M.S., 2017, Seismotectonic zoning by K-means clustering analysis in the Korean Peninsula,？Journal of the Geological Society of Korea, 53(5), 703-714 (in Korean with English abstract).

상세보기
KINS (Korea Institute of Nuclear Safety), 2010, Technological development for geological seismic safety evaluation basis？of NPP sites, 68p (in Korean).
Kirpich, A., Shishkin, A., Weppelmann, T.A., Tchernov, A.P., Skums, P., Gankin, Y., 2022, Excess mortality in Belarus？during the COVID-19 pandemic as the case study of a country with limited non-pharmaceutical interventions and？limited reporting, Scientific Reports, 12, 5475.

상세보기
Martinez-Alvarez, F., Gutierrez-Aviles, D., Morales-Esteban, A., Reys, J., Amaro-Mellado, J.L., Rubio-Escudero, C.,？2015, A novel method for seismogenic zoning based on triclustering: Application to the Iberian Peninsula, Entropy,？17, 5000-5021.

상세보기
Scitovski, S., 2018, A density-based clustering algorithm for earthquake zoning, Computers and Geosciences, 110, 90-95.

상세보기
Taylor, S.J., Letham, B., 2018, Forecasting at scale, The American Statistician, 72(1), 37-45.

상세보기
Thiyagarajan, K., Kodagoda, S., Ulapane, N., Prasad, M., 2020, A temporal forecasting driven approach using facebook's？prophet method for anomaly detection in sewer air temperature sensor system, Proceedings of the 2020 15th IEEE？Conference on Industrial Electronics and Applications (ICIEA), Kristiansand, Norway.
Weatherill, G., Burton, P.W., 2009, Delineation of shallow seismic source zones using K-means cluster analysis, with？application to the Aegean region, Geophysical Journal International, 176, 565-588.

상세보기
Wolff, J., Klimke, A., Marschollek, M., Kacprowski, T., 2022, Forecasting admissions in psychiatric hospitals before and？during Covid-19: A retrospective study with routine data, Scientific Reports, 12, 15912.

상세보기
Xie, C., Wen, H., Yang, W., Cai, J., Zhang, P., Wu, R., Li, M., Huang, S., 2021, Trend analysis and forecast of daily reported？incidence of hand, foot and mouth disease in Hubei, China by Prophet model, Scientific Reports, 11, 1445.

상세보기
Zhao, D., Zhang, R., Zhang, H., He, S., 2022, Prediction of global omicron pandemic using ARIMA, MLR, and Prophet？models, Scientific Reports, 12, 18138.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증