2018년 하와이 킬라우에아 화산에서는 3개월 동안 60회 이상의 칼데라 붕괴 사건이 발생했다. 이 중 마지막 40회 사건은 규모 5 이상의 매우 긴 주기 지진을 동반했으며, 사건 간 시간 간격은 0.8-2.2일이었다.
이 연구에서는 GPS, 경사계, 지진 데이터를 이용하여 딥러닝 그래프 신경망 모델을 훈련시켜 칼데라 붕괴 사건의 발생 시간을 예측했다. 모델은 각 사건 초기 0.5일 동안의 데이터만으로도 사건 발생 시간을 수 시간 이내의 정확도로 예측할 수 있었다. 이는 과거 사건 간 통계만을 이용한 모델보다 크게 향상된 성능이다.
예측 정확도는 입력 데이터 길이가 늘어날수록 향상되었으며, 특히 고신호대잡음비의 경사계 데이터를 활용할 때 가장 정확했다. 합성 데이터에 대한 실험 결과, 모델이 칼데라 붕괴의 근본 물리 메커니즘을 학습한 것으로 나타났다.
이 연구 결과는 잘 모니터링된 환경에서 칼데라 붕괴 사건의 예측 가능성을 보여주며, 제한된 학습 데이터 환경에서도 딥러닝 기법의 잠재력을 강조한다.
To Another Language
from source content
arxiv.org
Głębsze pytania