njnu.edu.cn

이 이메일 도메인이 관측된 논문 2건

arXiv:2606.17553v1cs.LG

지리적 임계점 조기 경보를 위한 시공간 인과 네트워크 진단

SpatioTemporal Causal Network Diagnostics for Geographic Tipping Point Early Warning

생태계, 기후 하위 시스템, 또는 빙상의 지리적 임계점(geographic tipping point)은 국지적 조기 경보에 심각한 도전을 제기합니다. Moran's I와 같은 고전적인 공간 지표는 전역 공간 구조를 요약하지만, 공간적 희석(spatial dilution), 유클리드 가정, 상관된 노이즈(correlated noise)라는 세 가지 문제에 취약합니다. 본 논문은 지리적 장(geographic field)을 시변 방향성 인과 네트워크로 표현하여 이 세 가지 문제를 해결하는 프레임워크인 시공간 인과 네트워크 진단(ST-CND)을 소개합니다. 핵심 워크플로우는 다음과 같습니다: (1) 전달 엔트로피(transfer entropy)를 통해 어떤 공간 노드가 다른 노드의 예측에 도움이 되는지 추론하여, 고정된 유클리드 이웃을 데이터 기반 정보 흐름 위상(topology)으로 대체합니다; (2) 동적 모드 분해(dynamic mode decomposition)를 통해 각 후보 서브네트워크 내의 국소 회복률을 추정합니다; (3) 높은 내부 변동, 높은 내부 동기화, 낮은 외부 결합이라는 세 가지 신호를 결합하여 가장 취약한 서브네트워크를 식별함으로써, 공간적으로 상관된 노이즈로 인한 오탐을 억제합니다. 합성 분기(synthetic bifurcations)와 인도-태평양 SST 및 북대서양 AMOC라는 두 가지 관측 해수면 온도 벤치마크에 대한 검증 결과, ST-CND는 국지적이고 해석 가능한 경보를 제공합니다. AMOC 작업에서 ST-CND는 0.783의 AUROC와 0.378의 임계 서브네트워크 IoU를 달성하여 recurrence-network 및 lambda-AR1 기준선(baseline)을 능가했습니다. 이 프레임워크는 지구 시스템 과학에서의 공간 조기 경보를 위한 해석 가능하고 확장 가능한 파이프라인을 제공합니다.