시공간 통계 기반 예측·추정 및 환경 데이터 모델링

Spatial Statistics for Prediction and Estimation with Environmental Applications

연구 내용

공간적 의존성과 비선형성을 반영한 통계 모델을 구축하여 분포·변동을 예측하고, 크리깅 기반 및 푸리에 계수 기반 회귀 등으로 공간 정보를 정량 추정하는 연구

공간 데이터의 비정상성, 관측 불완전성, 다변량 정보 결합과 같은 구조적 문제를 해결하기 위해 공간 통계 이론을 기반으로 예측·추정 방법을 개발합니다. 크리깅과 공크리깅의 성능 조건을 엄밀히 분석하고, 푸리에 계수의 비모수적 모델링을 통해 공분산 구조를 유연하게 표현합니다. 또한 앙상블 비모수 분위회귀와 같은 분포 중심 접근으로 환경 변수의 꼬리 영역까지 해석 가능하게 만듭니다. 이를 통해 시공간 자료에서 신뢰 가능한 불확실성 표현과 실용적 예측 성능을 동시에 확보하는 데 차별성이 있습니다.

관련 프로젝트

3건

연구 흐름

초기에는 공간 분석을 데이터사이언스 관점에서 정리하고, 공크리깅이 크리깅보다 반드시 우수하지 않은 조건을 수학적으로 도출하는 데 집중했습니다. 이후 공간 회귀를 가우시안 과정과 연계하여 공분산 함수를 푸리에 계수 기반으로 비선형·비모수적으로 구성하는 방향으로 확장했습니다. 2021~2022년에는 질산염 농도처럼 관측 변동이 큰 환경 변수에 대해 앙상블 분위회귀로 분포 전체를 추정하는 연구를 수행했습니다. 최근에는 시간 및 공간 예측의 계산 가능성과 확장성을 함께 고려하는 흐름으로 발전하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

공간 예측 및 보간
공간 공분산 구조 추정
공크리깅 성능 조건 판별
환경 오염 농도 분포 추정
비모수 분위 기반 위험도 평가
시공간 표본추출 설계
고차원 공간자료 차원축소
불확실성 정량화 기반 의사결정
다변량 공간 융합 추정
확장 가능한 공간 통계 계산