MIT 연구진, 2~6주 기상예보 정확도 개선
- •MIT 연구진, 기계학습 보정 기법으로 2~6주 앞 기상예보 개선
- •예측 정확도 두 배로 높여 국제 대회 1위, 장기 기후 평균도 넘어
- •극한 기상 예측도 향상…슈퍼컴퓨터 없이 실행 가능한 저비용 모델
MIT 연구진이 참여한 연구팀은 기존 기상예보의 오류를 보정해 2~6주 앞 예측을 개선하는 기계학습 모델을 개발했습니다. 주요 예보 모델에 적용한 결과 해당 기간의 정확도가 두 배로 높아졌고, 국제 대회에서 1위를 차지했으며 장기 기후 평균보다 정확한 예보를 처음으로 내놓았습니다. 연구 결과는 네이처에 발표됐습니다.
이 기법은 홍수와 한파를 비롯한 극한 기상 예측도 통계적으로 유의미하게 개선했습니다. 연구진은 전 세계 대부분 지역의 육상 예보 정확도가 높아지며, 다른 예보 모델이나 다른 인공지능 알고리즘으로 이미 보정된 모델에도 적용할 수 있다고 밝혔습니다. 모델은 오픈소스이며 비용이 낮다고 설명했습니다.
2주를 넘는 기상예보는 신뢰도가 낮은 경우가 많아 에너지 운영자와 농민, 재난 대응 인력이 대비할 시간이 제한돼 왔습니다. 기사에 따르면 텍사스에서는 2021년 겨울 폭풍으로 에너지 기반시설이 주 역사상 최악의 마비를 겪었고, 식량·물·난방·전력 부족 속에 최소 246명이 사망했습니다. 공동 저자인 주다 코언은 2주 전에 경보가 나오면 에너지 당국이 얼음 폭풍에 대비할 시간이 생길 수 있다고 말했습니다.
모델은 과거 예보 오류를 학습하고, 새로운 예보와 데이터가 쌓일 때마다 예측을 조정합니다. 연구팀은 MIT 엔게이징 슈퍼컴퓨터 클러스터를 사용해 모델을 개발했지만, 완성된 모델을 실행하는 데 슈퍼컴퓨터는 필요하지 않다고 밝혔습니다. 연구진은 유럽중기예보센터가 주최한 대회에 보정 계층을 적용한 세 가지 버전을 제출했으며, 1위 모델은 센터의 모델과 다른 예보 모델을 결합한 뒤 보정 기법을 적용했습니다.
연구팀은 이 모델이 비를 고려한 시비 시점 결정, 서리로부터 농작물 보호, 가뭄 대비 등 농업 판단에도 도움을 줄 수 있다고 밝혔습니다. 케냐 기상청은 연구진에게 연락해 올해 겨울 연례 몬순 예보와 농업 수확량 개선에 모델을 활용하는 방안을 문의했습니다. 연구는 미국 국립과학재단, 카를루스 샤가스 필류 연구지원재단, 유럽연합의 지원을 받았습니다.