강수 관측 오차 42.5% 줄여…KAIST 새로운 기계학습 방법 개발

우리 연구진이 국제 공동연구로 강수 관측 오차를 크게 줄이는 방법을 내놓았다.

한국과학기술원(KAIST·총장 이광형)은 김형준 문술미래전략대학원 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다고 25일 밝혔다.

연구팀은 기존 방법 대비 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다.

다중 작업학습알고리즘을 이용한 강수 추정과 기존 위성 강수 관측 성능 비교.

정확한 강수량 파악은 재해 대응에 꼭 필요하다. 최근에는 기계학습을 이용한 방법들이 많이 제안되고 있다. 데이터에서 자동으로 패턴을 인식, 모델을 구축하는 기존 데이터 주도 모델은 데이터가 대량으로 필요하고 일관성이 보장되지 않는다. 결과 원인 분석이 어렵다는 등 문제도 있었다.

연구팀은 이번 연구에서 위성 강수량 추정 분야 지식을 명시적으로 포함해, 학습 모델 내 상호 의존적인 지식 교환을 구현했다. 여러 문제를 동시 학습해 전반적인 성능을 향상시키는 '멀티태스크 학습'을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시 학습시켰다.

다중 작업학습과 단일 작업학습 개념

이번 연구에서 제안한 기계학습 모델에는 이밖에 다양한 물리적 메커니즘을 포함시킬 수 있다. 비 또는 눈, 진눈깨비 등 강수 종류 분류, 강수를 일으키는 구름 유형 분류를 포함시켜 앞으로 추정 정확도가 더욱 향상될 것으로 기대된다.

이번 연구 결과는 국제 학술지 '지구물리 연구 레터'에 지난 16일 출판됐다. 한국연구재단 해외우수과학자유치사업(BP+)과 정보통신기획평가원(IITP) 인공지능대학원지원을 받아 연구가 수행됐다.

김영준기자 kyj85@etnews.com