- 지상 강수량 추정하는 새로운 기계학습 방법 제안
- 논문, 지구물리학분야 국제학술지 'Geophysical Research Letters' 게재
[위즈뉴스] 국내 연구진이 참여한 국제공동연구팀이 강수 관측의 오차 범위를 42.5% 줄이는 알고리즘을 개발했다.
KAIST(총장 이광형)는 25일, 문술미래전략대학원(건설및환경공학과 및 녹색성장지속가능대학원 겸임) 김형준 교수 연구팀과 도쿄대 연구팀 등으로 구성된 국제공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다고 밝혔다.
연구팀은 기존의 방법과 비교해 전 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다.
이번 연구 결과를 담은 논문은 지구물리학 분야의 SCI급 국제학술지 ‘지구물리 연구 레터(Geophysical Research Letters, IF=5.576)’ 4월 16일자에 게재됐다.
논문명은 'Multi-Task Learning for Simultaneous Retrievals of Passive Microwave Precipitation Estimates and Rain/No-Rain Classification'이며, KAIST 김형준 교수가 교신저자로 참여했다.
"기계학습을 이용한 위성 강수량 추정에 새로운 가능성 제시"
연구팀은 "이번 연구는 향후 기계학습을 이용한 위성 강수량 추정에 새로운 가능성을 제시했다고 볼 수 있다"고 밝혔다.
강수량의 정확한 파악은 지구의 물 순환을 이해하고 수자원과 재해 대응을 위해 중요하다. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 제안되어 왔으며, 최근에는 기계학습을 이용한 방법들이 많이 제안되고 있다.
단순한 데이터 주도(data-driven)모델은 대량의 훈련 데이터가 필요하고 물리적인 일관성이 보장되지 않으며 결과의 원인 분석이 어렵다는 등의 문제가 있었다.
연구팀은 이번 연구에서 위성 강수량 추정에 대한 분야 지식을 명시적으로 포함함으로써 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.
이번 연구에서 제안한 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.
이번 연구는 한국연구재단 해외우수과학자유치사업과 정보통신기획평가원 인공지능대학원의 지원을 받아 수행됐다.
