제목: 딥러닝 기반 초단기 강수예측 모델의 개발과 검증

최근 여러 분야에서 데이터 기반의 문제해결 방법론이 성공적으로 적용되고 있다. 초단기 강수예측은 인공지능 기술 적용의 관점에서 매우 도전적인 주제임과 동시에, 현 시점에서 가장 성공 가능성이 높은 영역에 해당되기도 한다. 이에 레이더 또는 위성자료를 활용하여 특정 지역의 초단기 강수예측을 구현하고자 하는 연구가 꾸준히 시도되고 있다. 하지만, 현재까지 공개된 인공지능 기반 초단기 상수예측 모델들은 다음 중 적어도 하나 이상의 항목에서 기존의 외삽법 및 수치모델 기반의 모델들에 비해 한계점을 가지게 된다. 1) 주로 수십 km 규모의 한정된 공간 영역만을 고려함에 따라, 예측 영역 밖에서 발달하여 진입하는 강수시스템에 대한 적절한 대응이 부족하고, 2) 구현 또는 비교검증을 위해 제시된 예측시간 범위가 2시간 내외에 불과하여, 최소 6시간의 예측정보를 제공하는 기존의 초단기 강수예측 모델과 정당한 비교를 하기에 부적절하며, 3) 관측자료만을 학습데이터로 활용함에 따라 강수시스템의 발달과정과 연관된 대기의 역학적, 열역학적 구조에 대한 고려가 불가능하다. 이에 본 연구에서는 한반도 중남부 내륙과 일부 도서를 포함하는 512 km 512 km의 영역에 대하여 6시간 예측 성능을 가지며, ERA5의 주요 역학적, 열역학적 변수를 레이더 데이터와 함께 학습할 수 있는 딥러닌 기반 초단기 강수예측 모델을 구축하였다. 구축된 딥러닝 기반 초단기 강수예측 모델은 각각 6 frames의 연속된 입력과 출력을 가지는 sequence-to-sequence 형태의 모델로써, Conv2D, ConvLSTM, ECA 등의 계층으로 구성된다. 여기서는 이와 같은 딥러닝 모델의 구축 과정과 예측 결과에 대한 정량적, 정성적 분석 결과들을 살펴보고자 한다.​