3 차원 합성곱 인공신경망을 이용한 우리나라 주변 표층 해류 예측

초록

해양의 표층해류 예측은 해양 재난 모니터링, 어업 활동, 수색 및 구조 활동과 같은 여러가지 해양 활동에 필수적이다. 보다 현실에 가까운 해양 현상의 예측은 자료동화, 공간 및 시간해상도의 세밀화 등과 같은 해양수치모델의 지속적인 발전을 통해 가능하게 되었지만, 발전된 해양수치모델의 경우 높은 성능과 함께 상대적으로 많은 계산 자원 및 시간이 필요하다. 필요계산자원의 증가는 수치모델의 실용적인 적용을 어렵게 할 수 있으며, 계산 자원 문제를 극복하기 위하여 기존의 수치모델자료와 융합하여 상대적으로 낮은 계산 자원을 사용하는 표층 해류 예측 기법을 개발할 필요가 있다. 최적화가 완료된 인공신경망은 미리 학습된 파라미터를 사용하며 매우 낮은 계산 자원을 사용하기 때문에, 계산 자원이 부족한 문제를 해결할 수 있다. 본 발표에서는 우리나라 주변의 표층 해류 예측에 사용할 수 있는 3 차원 합성곱 신경망(3-Dimensional convolutional neural networks)을 사용한 네트워크를 제시하였다. 네트워크의 구조는 3 차원 U-shaped network (3D-Unet)을 바탕으로 하였고, 각 격자에서 주변의 시공간자료를 사용하여 표층 해류를 예측할 수 있도록 구조화하였다. 예측 네트워크는 기준일 다음 날의 표층 해류를 예측하는 것에 최적화되도록 학습이 되었으며, 재귀적인 방법을 통해 추가적인 예측을 진행할 수 있다. 예측 네트워크의 성능은 각기 다른 입력 일자 및 변수를 설정하여 평가하였고, 이는 추후 본 연구와 유사한 상황에 실용적으로 사용될 수 있을 것으로 사료된다.