보간법 (Interpolation Methods)
쉽게 풀면
보간법은 듬성듬성 알고 있는 점들 사이의 '빈 구간'을 자연스럽게 채워 넣는 방법이다. 예를 들어 오전 9시와 오후 3시의 기온만 알고 있을 때, 그 사이 정오의 기온을 그럴듯하게 추정하는 것이 보간이다. 점들을 직선으로 잇는 가장 단순한 방법부터, 곡선을 매끄럽게 이어주는 더 정교한 방법까지 다양한 보간법이 존재한다.
왜 중요한가
보간법은 제한된 관측값으로부터 연속적인 함수 형태를 복원해야 하는 거의 모든 계산과학·공학 분야에서 기초 도구로 쓰이기 때문에 수치해석, 컴퓨터 그래픽스, 신호처리, 지리정보시스템 등 폭넓은 연구주제와 맞닿아 있습니다. 실측 데이터가 시공간적으로 듬성듬성 존재할 수밖에 없는 기상학, 의료영상, 지구과학 분야에서는 결측 구간을 메우거나 해상도를 높이는 실무적 수단으로도 필수적으로 활용됩니다.
논문에서는 이렇게 쓰입니다
데이터가 일부 지점에서만 관측될 때, 그 사이의 값을 추정하거나 그래프를 매끄럽게 그리는 데 보간법이 널리 쓰인다.
영상·지리 데이터 분야에서는 보간법이 성긴 격자 데이터를 촘촘하게 채우는 데 쓰인다는 의미입니다.
지구과학·환경 분야에서는 공간적으로 흩어진 관측값을 통계적 보간법으로 전체 지역에 걸쳐 추정한다는 뜻입니다.
조금 더 깊게 보면
보간법은 방법에 따라 특성이 크게 달라지는데, 선형 보간은 단순하지만 급격한 변화 구간에서 부정확할 수 있고, 다항식 보간은 데이터 점이 많아질수록 구간 사이에서 값이 크게 진동하는 현상(룽게 현상)이 나타날 수 있습니다. 이런 문제를 줄이기 위해 구간별로 매끄럽게 이어지는 스플라인 보간이 널리 쓰이며, 공간 데이터의 경우 관측값 사이의 통계적 상관구조를 반영하는 크리깅 같은 방법이 사용되기도 합니다. 어떤 보간법을 선택하느냐에 따라 추정된 값의 매끄러움과 정확도, 계산 비용이 달라지므로 데이터 특성에 맞는 방법을 고르는 것이 중요합니다.
주의할 점
보간은 이미 알고 있는 데이터 범위 안의 값을 추정하는 것이며, 그 범위를 벗어난 값을 추정하는 외삽과는 구별되고 훨씬 신뢰도가 낮다.