초록 ▼

□ 연구개요
본 연구는 딥러닝 인공신경망을 이용하여 태풍의 경로와 세기를 저비용 쾌속으로 예측할 수 있는 기술의 개발을 목표로 하였다. 기상청이 보유하고 있는 한반도 영역에서 과거에 발생한 태풍의 위성영상 데이터를 데이터베이스로 구축하였으며, 딥러닝 기법인 회선신경망에 기반한 생성적적대신경망(Generative Adversarial Network)을 개발하였다. 본 인공신경망을 이용하여 학습하지 않은 미지의 태풍 경로를 6~12시간 간격으로 성공적으로 예측하였으나, 위성사진 데이터가 충분하지 않아 태풍의 세기와 경로를 더 큰

□ 연구개요
본 연구는 딥러닝 인공신경망을 이용하여 태풍의 경로와 세기를 저비용 쾌속으로 예측할 수 있는 기술의 개발을 목표로 하였다. 기상청이 보유하고 있는 한반도 영역에서 과거에 발생한 태풍의 위성영상 데이터를 데이터베이스로 구축하였으며, 딥러닝 기법인 회선신경망에 기반한 생성적적대신경망(Generative Adversarial Network)을 개발하였다. 본 인공신경망을 이용하여 학습하지 않은 미지의 태풍 경로를 6~12시간 간격으로 성공적으로 예측하였으나, 위성사진 데이터가 충분하지 않아 태풍의 세기와 경로를 더 큰 시간 간격으로 예측하는 데 어려움이 있었다. 이를 극복하고자 유럽 기상청의 수치해석(재해석) 데이터를 추가로 데이터베이스화하였고, 이에 맞게 신경망을 개선하였다. 생성적적대신경망의 예측 정확도 최적화를 위하여 재해석 데이터의 요소별 중요도를 분석하였다. 6, 12, 18, 24시간 간격으로 태풍의 경로와 세기 예측을 수행하였고, 미국 및 일본의 기상예보 결과와 실제 태풍의 경로 및 세기 결과와 비교하여 본 기술의 우수성과 활용성을 검토하였다.

□ 연구 목표대비 연구결과
○ 제안서에서 제시된 본 연구의 세부 연구 목표 달성도
1. 태풍의 유동 특성 학습 및 예측에 최적화된 인공신경망 개발(100% 달성)
2. 기상청 태풍 위성영상을 바탕으로 학습을 위한 데이터베이스 구축(100% 달성)
3. 딥러닝 신경망을 이용한 태풍의 공간적, 시간적 특성의 추출 및 학습(100% 달성)
4. 딥러닝 신경망을 이용한 학습되지 않은 태풍의 경로 및 세기 예측 검증(100% 달성)
○ 추가 연구 달성내용
1. 수치해석(재해석) 데이터베이스의 구축
2. 태풍 예측에 특화된 손실함수 개발
3. 태풍에 영향을 주는 입력 정보에 대한 고찰
○ 태풍의 경로 및 세기 예측 결과
1. 태풍의 경로 예측 오차
2. 태풍의 세기 예측 적중률
3. 계산 비용 및 시간 비교

□ 연구개발결과의 중요성
본 인공신경망을 이용한 태풍의 경로 및 세기 예측기술은 태풍 예측에 필요한 계산 비용과 시간을 기존의 예측기술과 비교할 수 없을 수준으로 저감시키는 기술이며, 기상청 보유 인공위성 데이터와 수치해석(재해석) 데이터를 지속적으로 추가 학습시키면 예측 정확도 측면에서도 기존의 기술에 근접 혹은 더 우수할 것으로 기대된다. 특히, 인공위성 사진을 바탕으로 한 태풍(구름)의 미래 모습까지 영상으로 예측할 수 있는 인공신경망 기술의 개발은 전 세계 최초의 시도로 판단된다. 국소 지역 기상예보, 해상, 대기, 육상에서의 유체흐름 예측을 저비용 쾌속으로 가능케 하여, 풍력과 조력 발전, 해운업 등 다양한 방면에서 활용이 가능할 것으로 판단된다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1.1. 연구의 필요성 ... 4
• 1.2. 연구가설 및 도출 근거 ... 4
• 1.3. 연구 목표 및 추진 계획 ... 6
• 2. 연구수행내용 및 연구결과 ... 7
• 3. 연구개발 결과의 중요성 ... 18
• 3.1. 연구의 독창성 ... 18
• 3.2 연구결과를 통한 과학·기술에 미치는 기대효과 ... 18
• 3.3 연구결과를 통한 사회·경제에 미치는 기대효과 ... 18
• 4. 참고문헌 ... 19
• 5. 연구성과 ... 21
• 대표적 연구실적 ... 24
• 끝페이지 ... 38