아시아·태평양경제협력체 기후센터(APCC)와 한국과학기술연구원(KIST)이 인공지능을 활용해 전 세계 이상기후를 좌우하는 대기 현상의 예측 정확도를 크게 높였다.
APCC와 KIST는 인공지능(AI) 딥러닝(Deep Learning) 기술을 활용해 전 세계 기상·기후에 큰 영향을 미치는 매든-줄리안 진동(MJO)의 예측 성능을 획기적으로 향상시키는 데 성공했다고 28일 밝혔다.
이번 연구 성과는 APCC 김미애 선임연구원이 주저자로 참여한 논문 '딥러닝을 활용한 MJO 예측'에 담겨 기상·기후 분야 국제 학술지인 지오피지컬 리서치 레터스에 게재됐다. 이번 연구는 기상청 연구개발 사업의 일환으로 진행됐다.
매든-줄리안 진동(MJO)은 열대 인도양에서 발생해 태평양으로 이동하는 대규모 구름 집단으로, 약 30~90일 주기로 지구를 순환하며 전 세계 기상·기후에 영향을 미친다. 이 현상은 우리나라를 포함해 가뭄, 폭염, 태풍 등 각종 이상기후를 조절하는 주요 요인으로 꼽힌다.
이에 따라 MJO를 얼마나 정확하고 장기간 예측할 수 있는지가 중·장기 기상 예측의 핵심 과제로 여겨졌다.
기존 인공지능 예측 모델은 대기와 해양 변동 중 MJO 변동 성분에 초점을 맞춰 학습해 왔다. 그러나 APCC 연구팀은 MJO가 발생하고 이동하는 배경이 되는 계절적 배경과 주변 기후 환경이 MJO 움직임에 중요한 영향을 미친다는 점에 주목했다.
연구팀은 입력 데이터를 '현상'(MJO 변동)과 '배경'(기존 기후 상태)으로 분리해 인공지능에게 동시에 학습시키는 새로운 딥러닝 기법을 개발했다. 이는 개별 현상만 분석하는 것이 아니라, 해당 현상이 나타나는 환경까지 함께 고려해 변화를 예측하는 방식이다.
그 결과 새롭게 개발된 인공지능 모델은 겨울철 약 26일, 여름철에는 최대 29일까지 MJO의 이동과 강도를 높은 신뢰도로 예측하는 데 성공했다. 특히 예측 기간이 길어질수록 주변 배경 기후 정보가 예측 정확도를 높이는 데 더욱 중요한 역할을 하는 것으로 나타났다.
김미애 APCC 선임연구원은 "이번 연구는 인공지능을 활용해 기후의 전체적인 흐름을 함께 학습함으로써 이상기후 예측 기술의 한계를 확장했다는 데 의미가 있다”며 “앞으로 가뭄이나 홍수 등 기후 재해에 선제적으로 대응하고 피해를 예방하는 데 기여할 수 있을 것"이라고 말했다.
