강수 관측 오차범위 절반 가까이 줄이는 알고리즘 나왔다

KIAST, ‘멀티태스크 학습’ 강수 관측 알고리즘 개발
마이크로파 라이오미터 관측값 적용… 강수 물리 과정 인식
기상학 분야 융합으로 정확도 증가 기대

김형준 한국과학기술원(KAIST) 문술미래전략대학원 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 개발한 알고리즘(아래)과 기존 알고리즘(위) 비교. /KAIST

기계학습법에 강수의 물리 과정을 적용해 강수 관측 오차범위를 대폭 줄인 알고리즘이 나왔다. 기상학과 구름 미세물리 분야와 융합할 경우 정확도가 더 높아질 것으로 기대된다.

한국과학기술원(KAIST)은 김형준 문술미래전략대학원 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습법을 제안했다고 25일 밝혔다. 기계학습 모델은 합성곱 신경망을 기반으로 설계됐다.

마이크로파 라디오미터는 물체가 방출하는 전자파를 관측하는 센서다. 빗방울에서 방출되는 마이크로파의 방사 강도를 측정하고 그 측정값으로 강수량을 추정한다. 공동연구팀은 해당 관측법으로 강수량 오차를 기존보다 최소 15.9%에서 최대 42.5%까지 줄였다.

기존 알고리즘에는 ‘데이터 주도(Data-driven)’ 모델이 적용됐다. 데이터 주도 모델은 대량의 데이터에서 자동으로 패턴을 인식해 모델을 구축하는 방식으로, 수작업으로 설계하기 어려운 복잡한 패턴을 모델링할 수 있다. 하지만 강수 측정 분야에서는 물리적인 일관성이 보장되지 않고, 결과의 원인 분석이 어렵다는 문제가 있었다.

공동연구팀은 ‘멀티태스크 학습’이라는 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합했다. 멀티태스크 학습은 하나의 모델로 여러 개의 문제를 해결하는 기법으로, 여러 문제를 동시에 학습시켜 태스크 간의 공통 요소를 학습해 성능을 향상한다. 데이터에 의존하던 기계학습법에 위성 강수량 추정 지식을 포함시켜 모델 내 상호 의존적인 지식 교환을 구현했다는 게 연구팀의 설명이다.

공동연구팀이 제안한 기계학습 모델은 다양한 물리적 메커니즘을 포함할 수 있다. 비나 눈, 진눈깨비 등 강수 종류, 상승 기류나 층상 구름처럼 강수를 일으키는 구름 유형을 포함해 추정 정확도가 향상될 것으로 보인다.

이번 연구는 한국연구재단 해외우수과학자유치사업(BP+)과 정보통신기획평가원 인공지능대학원의 지원을 받아 수행됐다. 연구 결과는 국제학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 이달 16일 게재됐다.

참고 자료

Geophysical Research Letters, DOI: https://doi.org/10.1029/2022GL102283

- Copyright ⓒ 조선비즈 & Chosun.com -