연구보고서
- 저자
- 예측기술과 손수진, 김원무, 박경원, 정유란, 정임국
- 작성일
- 2021.12.29
- 조회
- 610
- 요약
- 목차
평문 초록
유사한 기후 특성을 기반으로 하는 지역 기후 전망을 위해서는 지역 맞춤형 기후 예측 기술이 개발 및 활용되어야 합니다. 따라서 이 연구에서는 계절 및 계절 내 시간 규모를 예측 목표로 동아시아와 한반도 지역을 중점 연구지역으로 하여, 수집 가능한 여러 역학 기후 모델을 바탕으로 모델 간 앙상블을 활용하는 기후 예측 기술을 개발하였습니다.\\
2017년부터 APCC 계절 기후 예측을 지원하던 우리나라 맞춤형 전문가 계절 예측 시스템 ESPreSSO (Expert Seasonal Prediction System for operational Seasonal Outlook)이 한 단계 개선하였습니다. 우리 센터의 최신 다중모델앙상블 구성에 기반한 전문가 가이드와 인공지능의 협력을 통해 예측자료 생산의 민첩성과 예측성을 확보하였고, 평문 예보문과 기후 모식도 등을 통해 예측정보를 쉽게 이해할 수 있도록 접근성이 향상되었습니다. 동아시아 계절 기후 예측을 위해서는 역학 모델의 예측성능을 바탕으로 우수 모델을 선별하여 모델 간 앙상블을 수행하는 방법이 고려되었습니다. 모델 선정의 기준은 기후인자 (엘니뇨-남방진동의 복잡성과 열대 서태양 대류 동)와 그 영향에 대한 모델의 재현 능력을 바탕으로 합니다. 선별 모델 앙상블이 가용모델 앙상블에 비해 높은 예측성능과 낮은 불확실성을 제시하였습니다. 이러한 모델 선별 앙상블에 적합한 확률 앙상블 방법을 도출 및 적용하여, 계절 예측을 위한 시스템을 구축하고 통합 기후 전망을 위한 표출 시스템을 개발하였습니다. 이 연구를 통해서 개발된 새로운 버전의 ESPreSSOv3.2, 동아시아 맞춤형 기후 예측 및 가시화 시스템의 전체 과정은 2021년 동안 시운영 되어 그 효용성을 확인, 이에 현업화를 위한 과정이 추진되었습니다.
한편, 정규화 베이즈 후처리를 통한 지점 대 지점 간의 선형 후보정의 한계를 극복하고자, 최신 인공지능 신경망 기술을 도입하였습니다. 우리 센터의 다중모델앙상블 계절 기후 예측 자료로부터 의미있는 정보를 추출하여, 동아시아에 맞는 정확한 예측 정보를 제공하기 위해 이미지 처리에 사용되는 최신 인공신경망 구조인 유-넷을 도입하고, 이를 기후 정보에 맞게 대폭 수정하여 예측 성능이 향상되면서도 안정적인 후보정이 이루어질 수 있도록 하였습니다. 특히 이 과정에서 공간적인 구조를 가지면서 계절별 특성을 가지는 기후 정보로부터 유의미한 정보를 추출하기 위해 다양한 기법을 개발/적용하였습니다. 이러한 맞춤형 인공신경망 후처리 모형을 통해 다중모델앙상블을 후처리한 결과, 동아시아 강수 예측의 경우 기존 다중모델앙상블 확률예측에 비해 예측 적중률이 상승하였고, 계절별/연도별로 안정적인 예측 성능을 보였습니다.
계절내 예측자료에 대한 수요증대와 높은 정확도의 3-4주 예측을 제공하기 위하여, 신경망 기법을 활용하여 계절내 예측의 오차를 줄이는 기법을 개발하였습니다. 신경망 기법은 동아시아 지역의 온도, 강수 등의 다양한 기후변수를 바탕으로 최대온도값을 잘 학습하도록 설계되었습니다. 신경망 기법은 3-4주에서 오차가 줄어든 예측을 생산하였습니다. 한편 연산 속도 개선 및 신경망 모델의 분산 감소를 위한 심층학습 앙상블 학습 기법 개발하였니다. 심층학습 앙상블은 합성곱 신경망을 통해서 공간 정보를 유지한 채 학습시키고, 이 정보를 기계학습의 새로운 훈련셋으로 전달되도록 구축하였습니다. 3-4주에서 심층학습 앙상블은 단일 모델보다 계절 내 예측성을 개선하였습니다. 아울러 샘플데이터의 증강 혹은 변환, 심층학습 알고리즘 개선은 추후 예측성 향상에 기여할 것으로 기대합니다.