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.
어떤 절차인가
- 이미 알고 있는 점 (x₀, y₀), …, (xₙ, yₙ)을 준비합니다. 이 점들을 정확히 지나는 함수 f를 정하는 것이 보간입니다.
- 방법을 고릅니다. 대표적으로 (a) 선형 보간(이웃 두 점을 직선으로 연결), (b) 다항식 보간(예: 라그랑주 보간으로 n+1개의 점을 지나는 n차 다항식), (c) 스플라인 보간(구간마다 낮은 차수의 다항식을 잇되 연결점에서 매끄럽게, 흔히 3차), (d) 최근접 이웃 보간(가장 가까운 점의 값을 그대로 씀)이 있습니다.
- f를 새 위치 x에 대입해 추정값을 얻습니다. 점 안쪽에서 값을 구하면 보간, 점 범위 밖에서 구하면 외삽이라고 부르며 외삽은 훨씬 불안정합니다.
- 공간 자료(위도·경도에 흩어진 관측값)에는 역거리가중법이나 크리깅 같은 공간 보간을 씁니다.
언제 쓰고 무엇을 얻나
(가상의 예, 코드로 계산) 점 (0,1), (1,3), (2,2), (3,5)에서 x = 1.5의 값을 구합니다.
| 방법 | x = 1.5에서의 값 |
|---|---|
| 선형 보간 (이웃 점 (1,3), (2,2)) | 2.5 |
| 3차 라그랑주 보간 (네 점 전체) | 2.4375 |
| 자연 3차 스플라인 | 2.425 |
점 사이를 어떻게 연결하느냐에 따라 값이 달라집니다. 모든 방법이 주어진 네 점에서는 같은 값을 냅니다.
점을 늘리면 다항식의 차수를 무작정 높이는 것이 좋은 선택이 아닐 수 있습니다. Runge(1901)가 보인 예인 f(x) = 1/(1 + 25x²)를 [−1, 1]에서 같은 간격의 11개 점으로 10차 다항식 보간하면, x = 0.9에서 보간값은 약 1.579인데 실제 값은 약 0.047이고, 구간 안에서 오차가 최대 약 1.92까지 커집니다(코드로 계산). 그래서 같은 간격의 점이 많을 때는 고차 다항식보다 스플라인을 흔히 씁니다(de Boor, 1978).
논문에는 이렇게 적는다
- 어떤 보간법인지, 모수가 무엇인지 적습니다. 예를 들어 역거리가중법이면 거듭제곱 지수(흔히 2를 기본으로 씀)와 탐색 반경, 크리깅이면 베리오그램 모형을 적습니다. Shepard(1968)가 이 역거리가중 방식을 처음 제안했습니다.
- 정확도는 한 점씩 빼고 나머지로 그 점을 추정해 비교하는 교차검증(leave-one-out)의 RMSE 등으로 평가해 보고합니다.
- 자료 점 밖으로 나가는 외삽 구간은 신뢰하기 어려우므로 결과 지도에서 구분하거나 제외했다고 밝힙니다.
- 보간은 점을 정확히 지나는 반면, 회귀는 점들 사이의 경향을 따라갈 뿐 점을 지나지 않아도 된다는 차이를 구분해 서술합니다.
논문에서는 이렇게 쓰입니다
실제 논문에서
국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.
“한편, 퇴적물 분석결과는 IDW 보간법으로 공간내삽하여 시각화하고 공간적 분포 특성을 해석하였다.”
하동 주교천 하구역의 지형과 물리･화학적 환경, 지역과 지리, 2025 · KCI 한국학술지인용색인 · 원문 보기 ↗
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
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.
헷갈리기 쉬운 용어
| 용어 | 핵심 | 보간법과의 차이 |
|---|---|---|
| 라그랑주 보간 | 주어진 점을 모두 지나는 다항식 | 보간법의 한 종류 |
| 역거리가중법 | 거리에 반비례하는 가중치로 주변 값을 평균 | 공간 자료용 보간법의 한 종류 |
| 크리깅 | 공간 자기상관 구조를 쓰는 통계적 보간 | 추정 오차(분산)도 함께 제공 |
| 면적보간 | 한 구역 체계의 값을 다른 구역 체계로 옮김 | 점 사이를 메우는 것이 아니라 경계 체계를 변환 |
| 회귀 | 자료 경향을 가장 잘 따르는 함수를 찾음 | 점을 지나지 않아도 되고 잡음이 있는 자료에 적합 |
참고 문헌
- Burden, R. L., & Faires, J. D. (2011). Numerical Analysis (9th ed.). Brooks/Cole.
- de Boor, C. (1978). A Practical Guide to Splines. Springer.
- Runge, C. (1901). Über empirische Funktionen und die Interpolation zwischen äquidistanten Ordinaten. Zeitschrift für Mathematik und Physik, 46, 224–243.
- Shepard, D. (1968). A two-dimensional interpolation function for irregularly-spaced data. Proceedings of the 1968 ACM National Conference, 517–524.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.