기상관측자료를 고려한 기계학습 기반의 단기 풍속 예측

Abstract

기존의 역학모델은 오랜 연구로 인한 이론적 바탕이 누적되어 높은 수준의 기상예측이 가능하나, 이러한 모델을 수행하기 위해서는 과도한 전산자원을 필요로 한다. 전산자원의 감축 및 성능개선을 위해서 최근 기계학습 관련 연구가 대두되고 있다. 본 논문은 슬라이딩 윈도우 기법과 기계학습 (심층 신경망, 서포트 벡터 머신, 랜덤 포레스트)을 활용하여 단기 풍속예측모델을 생성하고, 이를 평가하여 최적의 예측모델을 제안하고자 한다. 본 연구에 사용된 자료는 기상청에서 제공하는 남한 전역의 ASOS 95지점의 2017년 08월부터 2018년 8월까지의 관측자료이며, 제안된 풍속 예측모델의 입력 변수는 기온, 풍향, 습도, 강수와 관측지점의 위경도, 시간 변수를 활용하였다. 그 결과, 기계학습 기법은 저풍속대와 육지지형에서 뛰어난 풍속 예측상능을 보였으며, 기계학습 기법 중에서는 랜덤 포레스트 기법을 이용하였을 때 가장 우수한 성능을 나타내었다.