다중 스케일 시계열의 경향 정의와 ITD 활용

본 논문은 다중 스케일 특성을 가진 시계열 데이터에 대해 새로운 트렌드 개념인 “경향(tendency)”을 정의하고, 이를 실현하기 위한 구체적인 방법론을 제시한다. 서론에서는 기존 트렌드 정의가 분석 방법에 따라 크게 달라지는 문제점을 지적하고, 특히 기후·지구과학 분야에서 짧은 길이의 복합 신호에 대한 장기 구조 파악이 필요함을 강조한다. 이를 위해 저자들은 경험적 기준에 기반한 경향 정의를 제안한다. 경향은 원 신호의 큰 시간 규모 변동을 포착하면서도 히스토그램에서 가장 빈번히 나타나는 값들을 유지해야 한다는 목표를 갖는다. 경향 후보를 생성하기 위해 선택된 도구가 Intrinsic Time‑Scale Decomposition(ITD)이다. ITD는 신호를 반복적으로 베이스라인과 회전으로 분해하는 비선형 알고리즘으로, 각 단계에서 베이스라인은 인접 극값 사이를 선형 보간한 형태로 정의되고, 회전은 베이스라인과 원 신호의 차로 얻어진다. 알고리즘은 하나의 조정 파라미터 α(본 연구에서는 ½)만을 사용하며, 베이스라인 추출 연산은 스케일링에 대해 동질적이다. 베이스라인과 회전은 각각 저주파와 고주파 성분을 담당하는 필터 역할을 수행한다. 논문은 먼저 무작위 전극 신호(정규분포 및 균등분포)와 같은 단순 모델에 ITD를 적용해 스케일링 특성을 실험적으로 조사한다. 실험 결과, 각 단계에서 극값의 수는 약 0.4배로 감소하고, 극값 간 거리(파장)는 약 2배씩 증가한다는 일정한 스케일링 법칙이 관찰된다. 또한 베이스라인의 ℓ₂ 노름은 단계가 진행될수록 약 0.4배씩 감소하며, 회전의 에너지는 전체 에너지의 약 1.7배를 차지한다. 이러한 현상은 ITD가 신호를 고주파와 저주파로 효과적으로 분리하는 필터 뱅크와 유사함을 시사한다. 다음으로 저자들은 경향 선택을 위한 네 가지 경험적 기준을 정량화한다. 첫째, 경향의 분산은 원 신호보다 크지 않아야 하며, 이는 ℓ₂ 노름 비율로 측정한다. 둘째, 원 신호와 경향 차이의 히스토그램이 가능한 한 대칭이어야 하므로, 평균·왜도(제1·제3 모멘트)를 비교한다. 셋째, 경향은 복잡도가 낮아야 하며, 이는 회전 성분의 수와 베이스라인의 극값 개수로 평가한다. 넷째, 경향은 원 신호 히스토그램의 주요 피크를 유지해야 하므로, 교차 엔트로피 혹은 Kullback‑Leibler 발산을 최소화한다. 이 네 기준을 모두 만족하는 후보가 최종 경향으로 선정된다. 경향의 실용성을 검증하기 위해 모스크바 연속 온도 기록을 분석한다. 전통적인 Hodrick‑Prescott 필터와 비교했을 때, ITD 기반 경향은 장기 상승 추세를 유지하면서도 단기 변동을 효과적으로 억제한다. 특히 2010년 여름 극한 온도 사건을 평가할 때, 경향이 제공하는 장기 평균은 해당 사건이 통계적 이상치가 아니라 기후 변동의 일부분임을 보여준다. 이는 기후 변화 논쟁에서 장기 트렌드 정의의 중요성을 강조한다. 마지막으로 논문은 ITD와 EMD(Empirical Mode Decomposition)를 비교한다. 두 방법 모두 데이터‑드리븐 방식이지만, ITD는 베이스라인 추출 시 경계 조건에 민감하여 신호 길이가 짧을 때 결과에 큰 영향을 미친다. 반면 EMD는 스플라인 보간을 사용해 경계 효과가 상대적으로 작다. 저자들은 ITD가 구현이 간단하고, 스케일링 법칙이 명확히 관찰되어 다중 스케일 신호에 대한 이론적 분석에 유리하다고 주장한다. 또한 ITD는 비선형 연산이지만, 베이스라인과 회전의 ℓ₂ 노름 관계가 일정하게 유지되어 신호 복원에 안정성을 제공한다. 결론적으로, 본 연구는 다중 스케일 시계열에 대한 새로운 트렌드 개념인 “경향”과 이를 구현하기 위한 ITD 기반 절차를 제시한다. 제안된 기준과 실험적 분석을 통해 경향이 원 신호의 주요 구조를 보존하면서 잡음과 고주파 변동을 효과적으로 제거함을 입증하였다. 향후 연구에서는 다른 분해 기법과의 비교, 경계 조건 최적화, 그리고 비선형 확률 모델을 통한 ITD의 이론적 정밀화가 기대된다.