1. 서 론

지진조기경보시스템(Earthquake Early Warning System; EEWS)은 전 국토에 촘촘한 지진관측망을 구축하여 지진 발생 직후 진원지 부근의 지진계로부터 관측된 지진자료를 분석하여 지진발생 여부, 진원의 위치, 지진의 규모 등 관련 정보를 신속히 통보함으로써 지진에 의한 피해를 줄일 수 있도록 하는 시스템이다^[1]. 지진조기경보 개념은 1989년 일본의 고속철도 신칸센을 위한 유레다스(UrEDAS)에 최초로 적용되어 실용화에 성공하였다. 이후 일본을 비롯하여 미국(Elarms), 대만(RTD), 스위스, 이탈리아 등 전 세계 여러 국가에서 지속적인 연구 및 개발을 통해 해당 국가 환경에 적합한 EEWS를 구축하여 운영 중이다.

EEWS의 효과적인 운영을 위해서는 지진 발생 시 빠르게 전파하는 지진 P파를 신속히 검출하여 피해가 큰 S파가 도달하기 전 지진 발생 여부를 알림으로써 안전한 대피와 화재나 가스 누출 등이 발생할 수 있는 주요 시설물을 제어하는 것이 필요하다. 그동안 신속하고 정확한 P파 검출을 위해 많은 노력이 시도되었다^[2-10]. 이들 P파 검출 알고리즘은 다양한 고급 분석기법을 적용함으로써 우수한 검출 성능을 얻을 수 있었으나 복잡한 파라미터의 설정과 계산량의 문제로 실제 EEWS에 적용하는 데 어려움이 있다. 따라서 대부분의 운영 중인 EEWS에서는 비교적 계산량이 작은 STA/LTA 알고리즘^[2]을 적용하고 있다. STA/LTA 알고리즘은 수집된 지진 데이터의 단구간 및 장구간의 평균 에너지비(신호대잡음비)가 설정된 고정 임계값을 초과할 때 P파를 검출한다. 따라서 시스템 운영장소의 배경잡음에 대한 사전 분석이 필요하고, 오검출을 줄이기 위해 많은 시행착오를 통한 임계값 설정 등 파라미터 설정에 어려움이 있다.

P파 검출방법의 개선과 더불어 EEWS의 성능을 개선하기 위해서는 가능한 많은 수의 지진관측소를 설치하여 지진관측 시간을 줄이는 것이 필요하다. 그러나 현 수준보다 조밀한 지진 관측망의 확보를 위해서는 고가의 관측장비를 비롯하여 관측소 구축을 위한 막대한 예산 투입이 요구된다. 이러한 문제를 해결하기 위해 기존의 국가 지진관측망에서 사용하는 지진센서 보다 매우 저렴한 MEMS 가속도계를 활용하는 On-Site EEWS 구축 연구가 시도되었다^[11-14]. 일반적으로 MEMS 가속도계 기반의 On-Site EEWS는 건축물 등에 영향을 줄 수 있는 중 규모(규모 4.0)이상의 지진재해에 효과적으로 대비하기 위해 대도심 등 생활지역 내 직접 설치되어 운영된다. 이처럼 생활지역에서의 직접 운영은 해당 지역의 지진방재에 필요한 빠른 조치가 가능하다. 그러나 인간 활동에 의해 발생하는 높은 수준의 생활잡음으로 인해 국가 지진관측망과 같이 낮은 수준의 배경잡음 환경에서 관측된 데이터에 활용되는 기존 EEWS의 P파 검출방법을 적용하는 데 한계가 있다. 최근 가속도 데이터로부터 산출한 가가속도(jerk)로부터 추정된 충격 추진력 평균 변화량(IMAV; Impact Momentum Average Variations)에 기반한 지진 P파 검출 알고리즘이 발표되었다^[15]. IMAV 알고리즘은 기존 시간-주파수 영역의 가속도 진폭 변화량을 이용한 ATFC 알고리즘^[6]에서 지진 가속도의 시간-주파수 변화량 대신 충격 추진력 변화량과 가변 임계값을 사용하였다. IMAV-ATFC 알고리즘은 높은 생활잡음 환경에서도 효과적인 P파 검출이 가능하지만 임계값 조정을 위해 다수의 파라미터를 사용하며, 최적의 검출 성능을 위해 측정장소의 잡음에 대한 사전 지식을 바탕으로 한 파라미터 설정이 필요한 단점이 있다.

본 논문에서는 충격 추진력 평균 변화량(IMAV)과 IMAV의 표준편차에 기반한 가변 임계값을 사용하는 지진 P파 검출 방법을 제안한다. 제안한 방법에서 임계값은 IMAV로부터 추정된 순시 평균(mean) 및 표준편차를 활용하여 실시간 조정되므로 측정장소별 잡음에 대한 사전지식이 요구되지 않으며, 낮은 SNR 상황에서도 신속한 P파 검출과 오검출을 줄일 수 있다. 제안한 방법의 성능은 실제 측정된 지진파와 산업현장 및 사무실 내에서 수집된 생활잡음을 입력신호로 사용한 컴퓨터 시뮬레이션을 통해 검증하였다.

2. 충격 추진력 평균 변화량

도심과 같은 생활지역 내 지진계로부터 수집되는 신호는 크게 잡음과 지진동 신호로 구분할 수 있다. 잡음은 바람, 파도, 기압의 변화 등 자연현상에 의해 발생하는 0.01 ~ 0.05Hz 대역의 저주파 배경잡음과 차량의 소통, 기계 동작, 공사장 진동 등 인간의 활동에 의한 1Hz 이상의 고주파 생활잡음으로 이루어져 있다. 저주파 배경잡음의 경우 일반적으로 시간이 지남에 따라 통계적 특성의 변화가 작거나 없는 정상 진동 신호에 해당한다. 그러나 공사장의 파일 항타나 발파 또는 핵실험 등에 의한 진동(충격잡음)과 실제 지진 이벤트 발생에 의한 지진동의 경우 평균값이나 표준편차가 시간에 따라 급격히 변화하는 비정상 진동으로 충격(shock)에 해당한다. 이러한 충격 신호는 일정 수준 이상의 에너지와 긴 지속시간을 가질 때 건축물이나 시설물에 영향을 줄 수 있다. 충격 신호의 정량적 크기인 충격량($\vec{I}$)는 운동량의 변화($\Delta\vec{P}$)를 의미하며, 가해진 힘($\vec{F}$)과 지속시간($\Delta n$)의 곱으로 질량($m$)과 가속도($\vec{a}$)를 사용하여 다음과 같이 쓸 수 있다.

식 (1)으로부터 임의 시간 구간에 대한 충격량의 변화를 다음과 같이 정의할 수 있다^[15].

식 (2)에서 임의의 시간 구간에서의 가속도의 시간에 대한 변화 $\Delta\vec{a}_{n}=\left(\vec{a}_{n}-\vec{a}_{n-1}\right)/\Delta n$는 가가속도(jerk)라 하며 다음과 같이 다시 쓸 수 있다.

여기서 $\vec{j}_{n}$은 시간 $n$에서의 가가속도이다.

식 (3)으로부터 질량 $m$인 대상체가 일정한 시간($\Delta n$)동안 받는 충격량의 변화 즉, 충격 추진력 변화량(IMV; Impact Momentum Variations)의 크기는 다음과 같이 표현할 수 있다^[15].

여기서 파라미터 $\alpha =m(\Delta n)^{2}$이다.

일반적으로 지진방재시스템에서 사용되는 센서는 가속도계(accelerometer)로서 취득된 가속도 데이터로부터 $L$의 크기를 갖는 데이터 구간에 대한 충격 추진력 평균 변화량 (IMAV; Impact Momentum Average Variations)은 식 (2) ~ 식 (4)를 사용하여 다음과 같이 표현할 수 있다^[15].

여기서 $V_{n}$은 샘플 인덱스(sample index) $n$에서의 충격 추진력 평균변화량, $L$은 데이터 구간의 길이, $\alpha$는 스케일링 파라미터(scaling parameter)이다.

3. 3σ기반의 가변 임계값을 이용하는 제안 방법

식 (5)의 충격 추진력 변화량을 이용하여 배경 잡음과 지진 신호를 구별할 때 기준이 되는 임계값은 충격 추진력 변화량으로부터 반복적 계산(iterative calculation)을 통한 수치해석적 방법으로 추정된 순시 평균(instantaneous mean)과 순시 표준편차(instantaneous standard deviation)를 사용하여 다음과 같이 설정된다.

여기서 $TH_{n}$은 임계값, $\mu_{n}$과 $\sigma_{n}$은 충격 추진력 변화량($V_{n}$)의 평균과 표준편차의 순시 추정값이다.

충격 추진력 변화량의 순시 평균값은 반복적 계산식^[16]에 의해 다음과 같이 구할 수 있다.

여기서 $\mu_{n}$은 충격 추진력 변화량의 순시 평균값이다.

충분한 수의 데이터에 대한 충격 추진력 변화량의 분산을 다음과 같이 쓸 수 있다.

여기서 $\mu$는 충격 추진력 변화량의 평균값이다.

식 (8)의 결과로부터 $n$ 샘플까지의 분산 $\sigma_{n}^{2}$에 대해 다음과 같은 표현이 가능하다.

식 (7)로부터 식 (9)의 $S_{n}$은 다음과 같은 반복적 계산식으로 표현할 수 있다.

식 (10)의 반복적 계산식으로 구한 $S_{n}$으로부터 식 (6)에서 사용한 순시 표준편차는 다음과 같이 구할 수 있다.

일반적으로 수집된 지진 데이터의 배경잡음은 통계적으로 정상 특성을 갖는 진동신호로 정규분포를 갖는다고 볼 수 있다. 따라서 식 (5)를 사용하여 산출한 배경잡음의 충격 추진력 변화량 $V_{n}$은 그 평균값($\mu_{n}$)의 상하에 3배의 표준 편차($3\sigma_{n}$)를 더한 한계범위 내에 99.73%가 존재하게 된다. 반면, 충격(shock)에 해당하는 충격잡음 및 지진 이벤트에 의한 지진동의 경우는 급격한 진폭 및 주파수의 변화를 갖는 비정상 진동으로 충격 추진력 변화량 $V_{n}$은 이러한 한계 범위를 벗어나게 된다. 따라서 건물에 영향을 줄 수 있는 인공지진이나 실제 지진 이벤트 발생 시 나타나는 에너지의 급격한 변화를 감지하기 위한 임계값을 $V_{n}$로부터 추정된 순시 평균값과 순시 표준편차 $\sigma_{n}$을 사용하여 식 (6)과 같이 조정하는 것은 타당하다고 볼 수 있다.

그림 1은 식 (7) ~ 식 (11)과 같이 가속도 신호로부터 추정된 충격 추진력 변화량의 평균과 표준편차를 이용한 임계값 설정의 유효성을 평가한 결과이다. 유효성 평가에 사용한 가속도 신호는 식 (12)와 같이 모델링된 신호이다.

여기서 $z_{n}$은 평균이 0이고 분산이 0.04인 백색 가우시안 랜덤잡음(white Gaussian random noise)이다.

그림. 1. 평균 및 표준편차를 이용한 임계값 설정의 유효성 평가

Fig. 1. Validation of threshold settings using mean and standard deviation

그림 1의 결과로부터 배경잡음 구간($0\le n\le 900$)에서 $V_{n}$는 대부분 한계범위 내에 있지만, 충격신호가 나타나는 범위($n\ge 900$)에서는 $V_{n}$이 한계범위를 초과하는 것을 알 수 있다. 지진 P파 검출 시 신속성과 더불어 정확성은 매우 중요한 성능지표이다. 충격 추진력 변화량 $V_{n}$이 설정한 한계범위를 초과한 직후 지진 P파 검출을 판정하는 것은 신속한 검출을 가능하게 하지만, 지진파 외 배경잡음의 갑작스러운 증가에 의한 오검출의 부담이 여전히 남는다. 이러한 오검출을 방지하기 위해 충격 추진력 변화량 $V_{n}$이 한계범위 이상에서 유지되는 시간을 감시할 필요가 있다. 배경잡음 중 비교적 짧은 시간동안 에너지가 증가하다 감소하는 충격잡음과 달리 지진파 신호는 일정 시간 이상 지속적으로 에너지가 증가한다. 따라서 충격 추진력 변화량 $V_{n}$이 한계범위 이상의 레벨(level)에서 일정 시간 이상 유지될 때 최종적으로 지진파 검출이 이루어진다. 그림 2는 제안한 $3\sigma$-IMAV P파 검출 알고리즘의 순서도(flow chart)이다.

그림. 2. 3$\sigma$-IMAV P파 검출 알고리즘의 순서도

Fig. 2. Flow chart of the 3$\sigma$-IMAV P-wave detection algorithm

4. 컴퓨터 시뮬레이션

제안한 3$\sigma$-IMAV 알고리즘의 지진 P파 검출 성능을 평가하기 위해 실제 발생한 지진파 신호와 생활지역에서 측정된 잡음신호를 이용하여 컴퓨터 시뮬레이션을 수행하였다. 시뮬레이션에 사용한 지진 신호는 내륙에서 발생한 중규모(MI 5.0) 이상의 지진에 대해 기상청(KMA)의 지진 관측망에서 수집한 가속도계 신호이다. 또한 잡음신호는 가속도 센서를 적용한 지진데이터 수집장치를 이용하여 사무실 환경 및 산업현장에서 측정된 잡음신호이다. 시뮬레이션에 사용된 신호의 샘플링 주파수는 100Hz이며 저주파 배경잡음과 건축물에 적은 영향을 미치는 고주파 잡음의 제거를 위해 통과대역이 0.075∼15Hz인 IIR Butterworth 4차 대역 통과 필터(Band Pass Filter)를 설계하여 전처리하였다. 3$\sigma$-IMAV 알고리즘을 위해 시뮬레이션에서 사용한 데이터 블록의 길이 $L$은 $L=50$, $Cnt IMAV=$$Time TRG=100$을 사용하였다.

그림 3은 2017년 11월 15일에 발생한 포항 지진(MI 5.4)과 2016년 09월 12일에 발생한 경주 지진(MI 5.8)에 대한 충격 추진력 변화($V_{n}$)와 $V_{n}$의 순시 평균($\mu_{n}$) 및 표준편차에 의해 조정되는 임계값($TH_{n}$)의 변화를 나타내고 있다. 그림 3(a)와 그림 3(d)는 각각 포항지진(포항 관측소)와 경주지진(울산 관측소)에서 측정된 지진 가속도이다. 그림 3(b)와 그림 3(e)는 각 지진에 대한 잡음영역에서의 $V_{n}$과 $V_{n}$의 평균 및 임계값의 변화, 그리고 그림 3(c)와 그림 3(f)는 지진파 영역에서의 $V_{n}$과 $V_{n}$의 평균 및 임계값의 변화이다. 그림 3(b)와 그림 3(e)의 배경잡음만 존재하는 구간에서 충격 추진력 변화량 $V_{n}$의 대부분은 임계값 $TH_{n}$의 범위 이내에 있으며, 임계값을 초과하더라도 비교적 짧은 유지시간을 갖는다는 것을 알 수 있다. 그러나 그림 3(c)와 그림 3(f)에서 지진파의 P파가 관측되는 시점부터 충격 추진력 변화량 $V_{n}$은 급격히 증가하며, 배경잡음만 존재하는 구간에 비해 $TH_{n}$을 초과하는 유지시간이 긴 것을 알 수 있다.

그림. 3. 포항 지진(2017.11.15, MI 5.4)과 경주 지진(2016.09.12)의 지진 가속도와 $3\sigma$-IMAV 알고리즘을 위해 추정된 평균과 임계값

Fig. 3. Seismic accelerations of the Pohang Quake (2017.11.15, MI 5.4) and Kyeongju Quake (2016.09.12, MI 5.4) estimated instantaneous mean and threshold for 3$\sigma$-IMAV algorithm

그림 4는 사무실과 공장지역에서 가속도 센서를 사용하여 수집한 잡음신호와 제안한 $3\sigma$-IMAV 알고리즘을 위해 추정된 평균과 임계값의 변화를 나타내고 있다. 그림 4(a)와 그림 4(c)는 각각 사무실과 공장지역에서 측정된 잡음신호이고, 그림 4(b)와 그림 4(d)는 각 잡음의 $V_{n}$과 $V_{n}$의 평균 및 임계값의 변화이다. 그림 4의 잡음신호는 사무실과 공장지역에서 발생한 충격잡음으로 충격 추진력 평균 변화량 $V_{n}$이 급격히 변화하지만 짧은 시간동안 유지되는 것을 알 수 있다.

그림. 4. 사무실과 공장지역에서 수집한 잡음신호와 $3\sigma$- IMAV 알고리즘의 순시 평균과 추정 임계값

Fig. 4. Noise signals measured in office and factory area, and estimated instantaneous mean and threshold for 3$\sigma$-IMAV algorithm

그림 5는 배경잡음의 영향이 적은 기상청의 지진 관측소에서 측정된 지진 가속도에 제안한 알고리즘의 검출 성능을 나타내고 있다. 그림 5(a)와 그림 5(b)는 각각 진앙 근처의 포항 관측소에서 수집된 지진 가속도와 제안한 알고리즘의 검출 성능이다. 그림 5(a)의 가속도 데이터에서 지진 P파와 S파는 함께 나타나는 직하지진에 해당하므로 신속하고 정확한 P파 검출이 요구된다. 그림 5(b)에서 지진 발생 후 관측소에 P파가 도달함에 따라 급격히 증가하는 충격 추진력 평균 변화량($V_{n}$)으로부터 정확히 P파 검출이 이루어졌음을 확인할 수 있다. 그림 5(c)는 진앙에서 근거리에 위치한 부산 관측소의 가속도 데이터로 피해는 적지만 빠르게 전파하는 P파 도달 후 전파 속도가 느리며 큰 피해를 유발하는 S파의 구분이 가능하다. 그림 5(d)의 $V_{n}$은 그림 5(b)에 비해 약 1/15이하로 작지만 P파의 검출이 정확히 이루어졌음을 확인할 수 있다.

그림. 5. 제안한 3$\sigma$-IMAV 알고리즘의 검출 성능(입력 신호는 진앙 및 근거리의 지진 관측소에서 측정된 데이터)

Fig. 5. Detection performance of the proposed 3$\sigma$-IMAV algorithm (input signal is acceleration data measured at the epicenter and near-field seismic stations)

그림 6은 기상청의 지진 관측소에서 경주지진 발생 시 수집한 지진 가속도에 공장지역의 충격잡음을 추가한 입력신호에 대한 $3\sigma$-IMAV 알고리즘의 검출 성능이다. 그림 6(a)와 그림 6(b)는 각각 진앙 근처의 울산 관측소에서 수집된 지진파에 공장지역 잡음이 추가된 가속도와 제안한 알고리즘의 검출 성능이다. 그림 6(a)의 가속도 데이터는 그림 5(a)와 마찬가지로 지진 P파와 S파는 함께 나타나는 직하지진에 해당한다. 지진 이벤트가 발생하기 전에 상당한 수준의 연속적인 충격 잡음이 추가되어 있다. 그림 6(b)에서 충격잡음에 의해 충격 추진력 평균 변화량($V_{n}$)이 급격이 증가함에 따라 임계값이 변화한다. 제안한 알고리즘의 P파 검출에서 가변 임계값을 초과하는 $V_{n}$의 유지시간이 짧은 충격잡음에 대해서는 오검출이 발생하지 않지만, 지진 P파가 도달함에 따라 비교적 긴 유지시간을 가지며 증가하는 $V_{n}$의 변화에 대해서는 정확히 P파 검출이 이루어 졌음을 알 수 있다. 그림 6(c)는 진앙에서 근거리에 위치한 부산 관측소에서 수집된 지진파에 공장지역 잡음이 부가된 가속도 데이터이다. 진앙 근처인 그림 6(a)의 지진 가속도에 비해 최대 가속도의 크기는 약 20% 수준이지만 부가된 잡음의 크기는 그림 6(a)와 동일하게 사용하였다. 그림 6(d)에서 충격잡음에 의해 $V_{n}$이 급격히 증가함에 따라 임계값 또한 증가하여 충격잡음에 대한 오검출이 발생하지 않지만 지진파 구간에서는 P파의 검출이 정확히 이루어졌다.

그림. 6. 제안한 3$\sigma$-IMAV 알고리즘의 검출 성능(입력 신호는 공장지역의 잡음이 추가된 진앙 및 근거리의 지진 관측소에서 측정된 데이터)

Fig. 6. Detection performance of the proposed 3$\sigma$-IMAV algorithm (input signal is acceleration data measured at the epicenter and near-field seismic stations with noise from factory area)

그림 7과 그림 8은 포항지진 발생 시 관측된 지진 가속도에 공장지역 또는 사무실에서 수집한 생활잡음을 추가하여 제안한 알고리즘과 기존 방법과의 검출 성능을 비교한 결과이다. 그림 7(a)는 입력신호로 사용한 진앙 근처인 포항 관측소에서 수집된 지진 가속도에 공장지역에서 수집한 생활잡음을 추가한 가속도 신호를 나타내고 있다. 그림 7(b)는 STA/LTA(short term average/long term average) 알고리즘의 검출 결과이다. STA/LTA 알고리즘을 위한 파라미터 $L_{STA}$와 $L_{LTA}$는 각각 0.2초 (20 샘플)와 5초 (500 샘플)이며, 고정 임계값인 $ratio=$$L_{STA}/L_{LTA}=5$를 사용하였다. STA/LTA 알고리즘은 잡음구간에서의 STA/LTA의 비가 지진파 구간보다 크므로 임계값을 낮게 설정하더라도 오검출을 피할 수 없다. 그림 7(c)과 그림 7(d)는 각각 ATFC 알고리즘^[3]에 IMAV를 적용하여 개선한 IMAV-ATFC 알고리즘^[5]과 제안한 3$\sigma$-IMAV 알고리즘의 검출 결과로서 두 알고리즘 모두 지진 P파를 정확히 검출하였다.

그림 8(a)는 P파 검출 성능의 비교를 위해 사용한 입력 신호로서 진앙에서 근거리에 위치한 울산 관측소에서 관측된 지진파에 사무실에서 수집한 생활잡음을 추가한 가속도 신호이다. 사무실 잡음의 공장지역의 잡음에 비해 최대가속도는 낮지만, 관측된 지진파가 매우 작으므로 지진파가 존재하는 구간의 SNR은 진앙 근처인 그림 7에 비해 매우 낮은 편이다. 그림 8(b)은 STA/LTA 알고리즘의 검출 결과로서 충격잡음에 의해 오검출이 발생하였다. 그림 7에서의 결과와 마찬가지로 고정 임계값인 $ratio$를 조정하더라도 낮은 SNR에 의해 정확한 P파 검출이 이루어질 수 없다. 그림 8(b)는 IMAV-ATFC 알고리즘^[15]의 P파 검출 결과이다. IMAV-ATFC 알고리즘도 가변하는 임계값을 사용하지만 임계값 조정을 위한 파라미터의 설정에 어려움이 있으며 이와 같이 SNR이 매우 낮을 경우 P파 검출이 이루어지지 않았다. 그림 8(d)은 제안한 3$\sigma$-IMAV 알고리즘의 검출 결과로서 SNR이 낮은 상황에서도 정확히 P파 검출이 이루어렸다. 그림 8과 같이 지진파의 충격 추진력 평균 변화량의 크기가 작은 경우는 실제 건물이나 시설물에 미치는 영향이 작지만, 진동에 민감한 반도체 공정이나 병원의 수술 진행 상황에서는 낮은 수준의 P파에 대한 신속하고 정확한 검출은 P파에 비해 높은 수준의 진동인 S파에 대비할 수 있는 시간을 확보할 수 있게 한다.

그림. 7. 제안한 알고리즘과 기존 방법과의 검출 성능 비교(포항지진, 포항 관측소)

Fig. 7. Comparison of detection performance between the proposed algorithm and the conventional algorithms (Pohang Quake, Pohang station)

그림. 8. 제안한 알고리즘과 기존 방법과의 검출 성능 비교(포항지진, 울산 관측소)

Fig. 8. Comparison of detection performance between the proposed algorithm and the conventional algorithms (Pohang Quake, Ulsan station)

그림 9는 경주지진 발생 시 부산 관측소에서 측정된 지진 가속도에 사무실에서 수집한 생활잡음을 추가하여 제안한 알고리즘과 기존 방법과의 검출 성능을 비교한 결과이다. 그림 9(c)의 IMAV-ATFC 알고리즘에서 오검출 방지를 위한 파라미터를 $2\le M\le 10$의 범위에서 선택적으로 사용했을 때의 결과를 보이고 있다. IMAV-ATFC 알고리즘의 경우 파라미터 설정을 적절히 하였을 경우 지진 P파 검출이 비교적 정확히 이루어지지만, 발생하는 지진의 규모(seismic magnitude scale)와 진앙으로부터 관측지점까지의 다양한 거리에 따른 관측 데이터가 다양하므로 적절한 파라미터 설정에 어려움이 있다. 그림 9(d)는 제안한 3$\sigma$-IMAV 알고리즘의 검출 결과를 나타내고 있다. 제안한 알고리즘은 정확히 P파 검출이 이루어졌다. 또한 오검출 방지를 위해 사용하는 파라미터는 그림 2에서 제시한 바와 같이 $Cnt IMAV$와 $Time TRG$를 사용하며, $Cnt IMAV=Time TRG$로 간단히 설정하여 사용할 수 있으므로 파라미터 설정 시 지진 규모나 관측장소의 SNR 등 데이터 수집환경의 영향에 덜 민감한 장점이 있다.

그림. 9. 제안한 알고리즘과 기존 방법과의 검출 성능 비교(경주지진, 부산 관측소)

Fig. 9. Comparison of detection performance between the proposed algorithm and the conventional algorithms (Kyeongju Quake, Busan station)

5. 결 론

지진 가가속도(jerk)로부터 산출한 충격 추진력 변화량의 순시 평균과 표준 편차 기반의 가변 임계값을 이용한 지진 P파 자동검출 알고리즘을 제안하였다. 지진 발생 시 급격히 변화하는 에너지 변화를 감지하기 위해 충격 추진력 변화의 평균값에 3배의 표준 편차를 더한 한계범위를 임계값으로 설정한다. 임계값은 별도의 파라미터 사용없이 충격 추진력 변화량에 따라 가변되므로 낮은 SNR을 갖는 지진파에 대해서도 오검출 없이 효과적인 지진 P파 검출이 가능하다. 실제 관측된 지진파를 이용한 컴퓨터 시뮬레이션 결과로부터 충격 추진력 평균 변화량 $V_{n}$과 표준편차 기반의 가변 임계값 $TH_{n}$을 사용하는 제안한 알고리즘은 지진파의 최대 가속도 크기에 상관없이 지진 P파 검출이 가능함을 알 수 있다. 또한 P파 검출에 있어 지진파 수집 시 부가되는 생활지역의 잡음과 구분되는 지진파의 충격 에너지 지속시간의 특성을 반영함으로써 P파 오검출의 주요 원인이 되는 충격잡음의 영향없이 효과적인 검출이 가능하다.