LSTM을 이용한 해수면 및 고수온 예측 성능 개선 기법

Abstract

본 연구에서는 고수온 현상으로 인한 경제적 피해를 방지하기 위해 다양한 기상데이터를 이용하여 해수면 및 고수온 예측 모델의 성능을 개선시키는 기법을 다룬다. 고수온은 해양 수산부가 실행하는 고수온 특보제에 따라 해수면 온도가 이상인 경우로 선정하였다. 고수온을 예측하기 위해 기본적으로 시계열 데이터를 다루는데 특화된 Long Short-Term Memory (LSTM) 모델이 사용하였다. 기존 연구로 해수면 온도 (SST ; Sea Surface Temperature)를 예측하기 위해서는 단순히 SST 데이터를 이용하였지만 이러한 방법은 예측하고자 하는 지역의 기상환경을 반영하지 못해 예측성능이 저하되는 문제점을 가지고 있다. 따라서 본 연구에서는 SST 데이터를 포함한 해수면 온도에 영향을 끼치는 다양한 기상 데이터를 훈련에 반영하여 고수온 예측 모델을 생성하는 방법을 제안한다. 본 연구에서 제안한 방법의 우수성을 입증하기 위해 측면에서 기존 연구와 해수면 온도 예측 성능을 비교하였고, Receiver Operating Characteristic Spatial analysis (ROC) 공간분석과 측면에서 고수온 예측 성능을 비교 분석하였다. 본 연구에서 제안한 방법을 적용한 결과 해수면 및 고수온 예측 성능이 기존 방법보다 우수함을 알 수 있었고, 기상 데이터가 예측 성능을 개선시키는데 주 된 요인임을 확인하였다.