강수량 관측 알고리즘으로 오차범위 42.5% 줄였다

KAIST, 기계학습 방법으로 알고리즘 정확도 향상

[이데일리 강민구 기자] 국내 연구진이 기계학습으로 강수량을 보다 정확하게 추정하는 방법을 제시했다. 연구 결과 기존 방법 대비 강수량 오차를 최소 15.9%에서 최대 42.5%까지 줄일 수 있는 것으로 나타났다

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

김형준 KAIST 문술미래전략대학원 교수.(사진=KAIST)

지구 물 순환을 이해해 수자원을 확보하고, 재해에 대응하려면 강수량을 정확하게 파악해야 한다. 강수량을 추정하기 위해 다양한 방법들이 제안돼 왔고, 최근에는 기계학습을 이용한 방법들이 개발중이다.

기존 데이터 주도 모델은 대량의 훈련 자료가 필요하고, 물리적인 일관성이 보장되지 않아 결과 원인 분석이 어려웠다. 이번 연구에서는 위성 강수량 추정 관련 분야 지식을 포함해 학습 모델 속 상호 의존적인 지식 교환을 구현했다.

특히 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합해 동시에 학습시켰다. 또 학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리 메커니즘을 포함시켰다.

가령 비, 눈, 진눈깨비 등 강수 종류를 분류하고, 강수를 일으키는 구름 유형 분류를 포함해 추정 정확도를 높일 수 있다.

연구 결과는 국제 학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 지난 16일자로 출판됐다.

강민구 (science1@edaily.co.kr)