강수 관측 오차범위 42.5% 줄인 알고리즘 개발됐다
강수 관측 오차범위 42.5% 줄인 알고리즘 개발됐다
  • 이웃집과학자
  • 승인 2023.04.25 22:30
  • 조회수 1192
  • 댓글 0
이 기사를 공유합니다

본문 내용과 관련 없음. Adobe Stock
본문 내용과 관련 없음. Adobe Stock

강수량의 정확한 파악은 지구의 물 순환을 이해하고 수자원과 재해 대응을 위해 중요하죠. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 제안되어 왔었는데요. 최근에는 기계학습을 이용한 방법들이 많이 제안되고 있습니다.

 

KAIST가 문술미래전략대학원(건설및환경공학과 및 녹색성장지속가능대학원 겸임) 김형준 교수와 도쿄대 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터[1]의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다고 25일 밝혔습니다. 연구팀은 기존의 방법과 비교해 전 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했습니다.

 

단순한 데이터 주도(data-driven)모델[2]은 대량의 훈련 데이터가 필요하고 물리적인 일관성이 보장되지 않으며 결과의 원인 분석이 어렵다는 등의 문제가 있었습니다. 연구팀은 이번 연구에서 위성 강수량 추정에 대한 분야 지식을 명시적으로 포함함으로써 학습 모델 내의 상호 의존적인 지식 교환을 구현했는데요. 구체적으로, 멀티태스크 학습(multitask learning)[3]이라는 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시에 학습시켰습니다.

다중작업학습(Multi-task Learning)과 단일작업학습(Single-task Learning)의 개념도. 출처 : KAIST
다중작업학습(Multi-task Learning)과 단일작업학습(Single-task Learning)의 개념도. 출처 : KAIST

이번 연구에서 제안한 기계학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리적 메커니즘을 포함할 수 있습니다. 예를 들어, 비 또는 눈, 진눈깨비 등 강수 종류의 분류 및 상승 기류 또는 층상 구름 유형 등 강수를 일으키는 구름 유형의 분류를 포함함으로써 앞으로 추정의 정확도가 더욱 향상될 것으로 기대됩니다.

다중작업학습 알고리즘을 이용한 강수 추정과 기존 위성 강수 관측 자료와의 성능 비교. 출처 : KAIST
다중작업학습 알고리즘을 이용한 강수 추정과 기존 위성 강수 관측 자료와의 성능 비교. 출처 : KAIST

연구 결과는 국제 학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 지난 4월 16일 출판됐습니다.

논문명: Multi-Task Learning for Simultaneous Retrievals of Passive Microwave Precipitation Estimates and Rain/No-Rain Classification

 

#용어설명

[1] 마이크로파 라디오미터

마이크로파 라디오미터는 물체가 방출하는 전자파(마이크로파)를 관측하는 센서로서 강수량 추정에서는 빗방울에서 방출되는 마이크로파의 방사 강도를 측정하고 그 측정값으로 강수량을 추정.

[2] 데이터 구동형 모델

데이터 기반 모델이란 대량의 데이터에서 자동으로 패턴을 인식하여 모델을 구축하는 방식으로서 인간의 주관적인 판단이나 선입견을 배제할 수 있고 수작업으로 설계하기 어려운 복잡한 패턴을 모델링할 수 있음.

[3] 멀티태스킹 학습

멀티태스킹 학습은 하나의 모델로 여러 개의 태스크(문제)를 해결하는 딥러닝 기법으로 관련된 여러 태스크를 동시에 학습시킴으로써 태스크 간의 공통 요소를 학습하여 모델의 전반적인 성능이 향상되는 것으로 알려져 있음.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • 충청남도 보령시 큰오랏3길
  • 법인명 : 이웃집과학자 주식회사
  • 제호 : 이웃집과학자
  • 청소년보호책임자 : 정병진
  • 등록번호 : 보령 바 00002
  • 등록일 : 2016-02-12
  • 발행일 : 2016-02-12
  • 발행인 : 김정환
  • 편집인 : 정병진
  • 이웃집과학자 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재와 복사, 배포 등을 금합니다.
  • Copyright © 2016-2024 이웃집과학자. All rights reserved. mail to contact@scientist.town
ND소프트