물리 정보 신경망과 WRF-CMAQ 모델을 결합한 새로운 형태의 하이브리드 대기질 예측 시스템을 개발하여 우리나라의 PM2.5 예측 성능을 향상시킨다. 물리 정보 신경망을 활용함으로써 기존의 물리적 메커니즘을 유지하면서 수치 모델의 불확실성 요소를 개선할 수 있다.

한반도 해양-육상-대기 탄소순환 시스템을 상세화하고, 이를 이용하여 동 사업 1단계 수행 연구 결과를 검증 후 보완 의견을 제시하며, 상세화된 탄소순환 시스템을 활용 및 개선하는 전략을 수립

관측자료와 수치모델 예측 결과를 딥러닝 알고리즘에 대입시켜서 태풍의 5일까지 단기 변화를 예측하는 모델을 개발한다.

본 과제는 인공위성·레이더 같은 관측자료와 수치모델 예측결과를 딥러닝에 넣어 태풍의 변화를 5일까지 미리보는 예측 모델을 만드는 연구임. 연구 목표는 관측자료와 수치모델 예측결과를 딥러닝 알고리즘에 대입해 태풍 단기 변화를 예측하는 모델 개발임. 핵심 연구 내용은 딥러닝 기반으로 발생 확률, 진로, 강도, 크기를 5일까지 예측하고, 우리 실정에 맞는 예측인자와 알고리즘을 선정해 최고 성능 모델을 구성하며, 북서태평양 태풍 적용으로 검증을 수행하는 단계임. 설명 가능한 인공지능과 수치모델 앙상블을 도입해 결과 설명 및 불확실성 표현을 지원하고, 전처리·학습·예측을 통합한 최적의 자율화 시스템을 구축하는 연구임. 기대 효과는 현업 컨센서스 예보의 멤버로 활용되어 정확도 향상과 방재대응 기여가 가능함.