인공신경망을 활용한 수위시계열 보간 가능성 검토

초록

우리나라 연안의 수위자료는 국립해양조사원 관할의 조위관측소에서 수집되고 있으며, 수집된 자료는 실시간해양관측정보시스템(KOOFS)을 통해 공개되고 있다. 하지만, 관측자료 수집 중에 해양기상악화, 기기점검 등이 있을 시엔 관측이 중단되기도 하며, 정상 수집된 자료라 할지라도 품질관리 과정 중에 저품질로 분류된 자료가 제거된 후 제공되기 때문에 자료의 연속성이 결여되는 구간이 있다. 수위는 해양물리현상을 이해하고 규명하는데 매우 주요한 요소로, 결측값을 보간한 연속된 수위 시계열을 확보하는 것은 중요한 과제이다. 따라서 본 연구에서는 수위시계열의 결측 구간을 보간하기 위하여 인공신경망 기법의 활용성을 검토하였다. 연구대상 정점은 조위관측소 중 반경 100 km 이내에 타 관측소의 자료가 충분히 확보되는 포항, 후포, 통영, 추자도, 모슬포, 진도, 위도, 안흥 조위관측소로 설정하였으며, 연구에 사용한 자료의 기간은 2015년 1월부터 2018년 9월까지의 1시간 간격 자료이다. 인공신경망 학습의 입력 자료는 기상청의 기상관측자료와 국립해양조사원의 기상, 해양관측자료를 사용하였으며, 학습 대상은 수위에서 천문조를 제외한 잔차로 하였다. 입력자료의 기간은 결측 시각을 기준으로 12시간 전후로 설정하였으며, 이는 서해에서 기압변화에 영향을 받는 수위의 변화가 기압의 변화보다 위상이 앞서는 시간차에 근거를 두었다. 학습 모델은 가장 일반적인 형태의 인공신경망인 심층신경망(DNN; Deep Neural Network)과 시계열 자료에 적합한 상태유지 순환신경망(RNN-LSTM; Recurrent Neural Network-Long Short Term Memory)을 이용하였다. 본 연구를 통해 인공신경망의 적절한 활용이 수위시계열의 결측 구간을 ??? cm(?) 오차 내에서 효과적으로 보간할 수 있음을 확인하였다.