연구보고서
- 저자
- 예측기술과 김원무, 박경원, 이윤영, 이진영, 정유란
- 작성일
- 2022.12.28
- 조회
- 1224
- 요약
- 목차
평문 초록
계절 또는 계절내 스케일의 기후 예측을 위한 자료의 특성을 파악하고, 모델의 훈련 자료를 확장하고, 사용자가 쉽게 자료를 얻을 수 있는 입출력 시스템을 개발하고, 다양한 전처리기법을 적용하여 딥러닝 모델의 구조를 최적화하고, 준지도학습을 통해 모델의 성능을 개선하여 객관적 기후예측에 적합한 AI 기반기술 개발하고자 합니다. 이러한 인공지능 모델의 개발 및 개선 과정에서 다양한 설명가능한 인공지능 기술을 적용하여 모델의 연산 과정에 대한 이해를 증진시키고 모델의 과적합, 불안정성을 해소하여 신뢰할 수 있는 기후예측 AI 기반기술을 개발하고자 하며 이를 통해 개선된 계절내 또는 계절예측 결과를 생산하고 궁극적으로 다양하고 손에 잡히는 활용 성과 창출을 위한 자료를 제공하고자 합니다. 1차년도에는 이를 위해 기후예측에 적합한 인공지능활용 기반기술 적용을 위한 자료확장 및 환경구축을 수행하였습니다.
자료 부족 완화를 위해 위성자료인 관측자료와 주별 예측일에 생산되는 자료들을 계절별로 기간을 확장하여 부족한 자료를 확장하고 확장된 자료를 ConvLSTM, U-Net 딥러닝 기법에 적용하여 예측 성능을 평가하였으며, 신기술 인공지능을 적용한 예측 모델의 정확도 향상을 위해 기후모델과 관측자료를 사용자가 쉽게 인공지능 기법에 적용하기 위한 입출력 시스템을 개발하였습니다.
딥러닝 기반의 후처리 기술 개발을 위해 먼저 계절내 예측 일 최고 및 최저기온과 일 적산 강수의 예측 성능, 특히 2-4주 예측 개선에 적합한 전처리 기법을 규명하였습니다. 또한 입력자료의 특성(피처) 선택을 통해 일 강수의 경우 피처 선택에 따른 훈련자료의 차원 감소가 예측성능 변화에 영향을 미치지 않는 것을 확인하였습니다. 그러나 일 최고 및 최저기온의 경우 피처 선택에 의한 훈련자료의 입력 변수가 기준 이하일 경우 예측성능이 저하될 수 있는 것으로 나타나 계절내 기온 훈련자료의 예측성능 개선에는 강수와 다른 딥러닝 훈련 모델 적용 등 다른 접근이 필요할 것으로 판단하였습니다.
준지도학습 적용을 위한 준비로 그래프와 이미지를 이용한 인공지능 모델을 구축하여 우리나라 여름철 평균온도 예측 성능을 살펴보았습니다. 인공지능모델 훈련의 가장 큰 걸림돌인 자료 부족 문제를 완화하고자 기상기후자료의 자료를 강화하는 여러 기법을 테스트하였는데, 일자료의 시간적 조합을 활용한 자료강화와 월자료의 공간적 재조합을 활용한 자료강화를 적용하여 비교하였고 목표 월만 사용하는 경우와 모든 월을 사용하는 경우의 결과를 비교하였습니다. 이미지모델의 경우, 월자료의 공간적 재조합을 활용한 자료강화를 수행하고 모든 월을 사용한 경우 모델이 비교적 잘 학습되어 자료 강화의 개선 효과를 확인할 수 있었습니다.