한반도 근해 해수면 온도 예측을 위한 딥러닝 모델

Abstract

해수면 온도(Sea Surface Temperature, SST)는 지구시스템에서 중요한 역할을 하는 요소이다. 해수면 온도 변화는 해양의 순환과 생태계의 기능 및 역할에 큰 변화를 초래하며, 해수면 온도 상승 현상은 여름철(7~9월)에 집중되어 고수온 현상을 발생시켜 수산업 피해를 발생시킨다. 이러한 해수면 온도 상승으로 인한 고수온 피해를 예방하기 위해 본연구에서는 사전에 해수면 온도와 고수온 현상을 예측하여 피해를 예방하는 방법을 제안한다. 해수면 온도의 시계열 특징을 고려하여 인공신경망 모델 중 시계열 데이터 예측에 특화된 LSTM(Long short-term memory) 네트워크를 이용한다. 데이터는 ECMWF(Europe Centre for Medium-Range Weather Forecast) ERA5 해수면 온도 자료를 이용하였다. 해수면 온도 예측 모델은 1~7일 이후 해수면 온도를 예측하고, 예측한 해수면 온도를 고수온주의보 발령 기준인 28°C 이상일 경우 고수온 현상으로 예측한다. 한반도 근해에 대한 해수면 온도 예측 모델의 정확도 평가를 위해 R²(Coefficient of determination), RMSE(Root Mean Squared Error), MAPE(Mean Absolute Percentage Error) 평가 지표를 사용하여 1~7일 예측 모델을 평가하였다. 2019년 8월 8일에 대한 1일 해수면 온도 예측 모델의 R², RMSE, MAPE 결과는 각각 0.99, 0.12°C, 0.35%이었고, 7일 예측 해수면 온도 모델의 결과는 0.92, 0.42°C, 1.24%이었다. 또한, 예측한 해수면 온도를 이용하여 고수온 예측 및 분류 정확도 평가를 위해 F1 Score 평가를 수행하였다. 1일과 7일 해수면 온도 예측 모델의 F1 Score 결과는 0.965와 0.882로 고수온 분류 알고리즘이 잘 동작하고 있음을 알 수 있었다.