Core Concepts
물리 기반 변수를 활용한 ConvLSTM2D 모델은 인도 뭄바이의 6시간 및 12시간 선행 강수 예측 정확도를 향상시킬 수 있다.
Abstract
이 연구는 물리 기반 딥러닝 모델을 활용하여 단기 강수 예측 정확도를 향상시키는 것을 목표로 한다. 주요 내용은 다음과 같다:
뭄바이의 지리적, 기후적 특성을 고려하여 강수 예측에 중요한 물리 기반 변수를 선정하였다. 이includes 온도, 습도, 잠재 와도 등 대기 변수들이다.
선정된 변수들을 입력으로 하는 ConvLSTM2D 모델을 개발하였다. 이 모델은 공간적, 시간적 특성을 모두 학습할 수 있어 강수 예측에 적합하다.
모델 훈련 및 테스트 결과, 6시간 및 12시간 선행 강수 예측에서 각각 NSE 값 0.41-0.59, 0.41-0.61의 높은 정확도를 보였다. 이는 물리 기반 변수를 활용한 딥러닝 모델이 단기 강수 예측에 효과적임을 보여준다.
이 모델은 뭄바이와 같은 열대 지역의 강수 예측 정확도를 높이는데 기여할 수 있으며, 도시 홍수 대응 등 실용적인 활용이 가능할 것으로 기대된다.
Stats
최대 강수량은 그리드 1에서 31.3mm, 그리드 2에서 33.1mm, 그리드 3에서 32.9mm, 그리드 4에서 27.7mm로 나타났다.
6시간 선행 예측의 NSE 값은 훈련 시 0.49-0.66, 테스트 시 0.41-0.59 범위였다.
12시간 선행 예측의 NSE 값은 훈련 시 0.53-0.69, 테스트 시 0.41-0.61 범위였다.
Quotes
"물리 기반 변수를 활용한 딥러닝 모델이 단기 강수 예측에 효과적임을 보여준다."
"이 모델은 뭄바이와 같은 열대 지역의 강수 예측 정확도를 높이는데 기여할 수 있다."