후쿠시마 원전 사고는 장기적 사건과 실시간 사건 모두에서 완화 전략을 마련하기 위해, 해안의 핵심 기반 시설에 대한 쓰나미 위험을 정확하고 신속하게 예측하는 것이 중요함을 부각시킨다. 최근 딥러닝 모델은 쓰나미 파형과 연관된 것과 같은 고차원, 비선형, 비정상 시계열 데이터에 대해 정확하고 빠른 예측을 가능하게 했다. 따라서 본 연구는 한국 남부의 울진 원자력발전소 냉각수 취수구에서의 파형을 예측하기 위해 1차원 합성곱 신경망(convolutional neural network, CNN) 모델을 사용한다. 해당 부지는 특히 일본 서해안에서 기원하는 쓰나미에 취약하다. CNN 모델을 위한 데이터는 단층 위치에서 시작되는 쓰나미 전파의 1107개 사례에 대한 수치 시뮬레이션으로 생성된다. 파형의 시계열 데이터는 연구 지역의 연안(근해) 영역에 위치한 13개의 가상 계측기에서 예측되었으며, 그중 10개는 관측 지점으로 분류되었고 3개 계측기는 냉각수 취수구에 위치하여 목표 지점으로 분류되었다. 모델의 예측 성능 평가는 빠른 예측과 함께 매우 우수한 결과를 보였다. 본 연구는 두 가지 주요 관점을 제시한다. (i) 딥러닝 모델은 해양심층평가 및 보고(deep-ocean assessment and reporting of tsunamis) 또는 해양 파도에 대해 국소적으로 운영되는 어떤 모니터링 관측소가 기록한 것과 같은 희소한 현장 파형 데이터에 기반할 수 있으며, 지배적인 파 전파 방향을 따라 단지 몇 지점에서 수치적으로 시뮬레이션된 데이터만으로도 가능하다. (ii) 딥러닝 모델은 신속한 긴급 대응을 촉발하는 복잡한 지구재해에 대해 정확하고 빠른 예측을 수행할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.