전 세계 곳곳에서 극심한 가뭄과 폭우로 인한 홍수 피해 등 물재해가 빈발하고 있다. 강수량의 정확한 파악은 지구 전반의 물순환을 이해하고 물재해 대응에 중요한 역할을 수행한다. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 사용돼 왔으며, 최근에는 기계 학습(Machine Learning)을 이용한 방법들이 주목받고 있다.
김형준 KAIST(한국과학기술원) 문술미래전략대학원 교수와 도쿄대학교 연구진으로 구성된 국제 공동 연구팀은 인공위성에 탑재된 마이크로파 라디오미터의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계 학습 방법을 개발했다고 밝혔다. 물체가 방출하는 전자파를 측정하는 센서인 마이크로파 라디오미터는 빗방울에서 방출되는 마이크로파(전자파)의 방사 강도를 측정하고 그 측정값으로 강수량을 추정한다.
공동 연구팀은 이번 기계 학습 알고리즘 개발로 기존 대비 전(全) 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다. 기존 알고리즘에 사용된 데이터 주도(Data-Driven) 모델은 대량의 훈련 데이터를 필요로 하고, 물리적 일관성이 보장되지 않으며, 결과의 원인 분석이 어렵다는 문제점이 있었다.
이에 공동 연구팀은 강수량 추정에 대한 분야 지식을 명시적으로 포함시켜 학습 모델 내의 상호 의존적인 지식 교환을 구현했다. 구체적으로, 멀티태스크 학습(Multitask Learning)이라는 심층 학습 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시에 학습시켰다.
또한 연구를 통해 개발한 기계학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리적 메커니즘을 포함할 수 있다. 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 기대된다.
김형준 교수의 이번 연구는 지난 4월 16일 국제 학술지 『지구물리 연구 레터(Geophysical Research Letters)』에 게재됐으며, 한국연구재단 해외우수과학자유치사업(BP+)과 정보통신기획평가원 인공지능대학원(한국과학기술원)의 지원을 받아 수행됐다.
즐겨찾기 추가 
시작페이지로 설정
