HyperAI超神经

최근 제20회 CCF HPC China 2024 컨퍼런스에서 제6회 해양 수치 예측 및 고성능 컴퓨팅 포럼이 성공적으로 개최되었습니다. 이 컨퍼런스에서는국가해양환경예보센터 파도예보실 리번샤 주임은 "파도예보에 인공지능을 적용하다"라는 주제로 발표를 진행했습니다.HyperAI는 원래 의도를 훼손하지 않으면서 연설의 핵심 내용을 편집했습니다. 다음은 연설 전문입니다.

AI는 지능형 파도 예측이 산업 개발 트렌드 중 하나가 되도록 돕습니다.

우리나라는 세계에서 가장 심각한 해양 파도 재해가 발생하는 나라 중 하나입니다. 해양파도 예보는 해상 활동의 안전을 유지하고, 경제 발전을 촉진하며, 해양 환경을 보호하는 데 없어서는 안 될 역할을 합니다.예를 들어, 해상 안전 측면에서 파도 예보는 어부들이 심각한 해상 상황을 피하고 해상 작업의 안전을 보장하는 데 도움이 될 수 있습니다. 해안 관광의 경우, 파도 예보를 통해 관광객에게 미리 경고하고 위험한 해역에서의 사고를 피할 수 있습니다. 해양 에너지 개발 분야에서 해상 풍력 발전 및 조력 발전 시설의 설계와 유지관리에 중요한 참고 자료를 제공합니다.

중국의 파도 예측은 1965년에 시작되었으며, 처음에는 주로 경험적 통계적 예측에 의존했습니다. 이후 해외 수치예측 모델을 도입하고 자체 모델을 개발하면서 점차 중국 연안 해역, 서태평양, 해수욕장 파도를 포괄하는 실무형 수치예측 시스템을 구축했습니다. 더욱이, 인간-컴퓨터 상호작용 플랫폼과 해양 지능형 그리드 예측 기술이 점점 더 성숙해지고 있습니다.

예측 기술의 발전을 볼 때, 해양 파도의 수치 예측 모델이 여전히 주류를 이루고 있습니다. 그러나 해안 지역에서 태풍 재해에 직면하게 되면 태풍 경로가 불확실하기 때문에 태풍 경로 및 강도 예보를 신속하게 업데이트해야 하며, 이를 위해 파도 예보도 이러한 변화에 신속하게 대응할 수 있어야 합니다. 그러나 수치파동 예측 모델은 수동적 경험 수정, 인간-컴퓨터 플랫폼 상호작용, 제품 출시와 같은 과정을 거쳐야 하며, 수요에 신속하게 대응할 수 없습니다. 게다가 계산 비용이 높다는 것도 큰 제약이다.

최근 몇 년 동안 인공지능과 컴퓨팅 기술이 꾸준히 발전하면서 지능형 예측이 점점 더 성숙해지고 있습니다. 또한, 과거의 수치파도예측을 통해 대량의 학습데이터가 축적되어 지능형 파도예측 개발에 중요한 기초적 지원을 제공합니다.이 경우 지능형 파도 예측은 짧은 시간, 단순성, 편의성, 높은 예측 정확도라는 특징으로 돋보입니다.

지능형 파도 예측 실습: 72~96시간 분량의 예보를 1분 안에 완료할 수 있습니다.

지능형 예측 기술은 주로 딥러닝 방법을 사용하여 수치적 및 수동적 경험 예측 프로세스를 시뮬레이션한 다음 파동 요소에 대한 지능형 예측 모델을 구축하고 클라우드 컴퓨팅과 엣지 컴퓨팅 기술을 결합하여 가볍고 빠른 예측 시스템을 구축합니다.

지능형 파도 예측은 다양한 시간대의 파도 예측 결과를 직렬화하고 병렬화할 수 있습니다. 기존의 물리적 모델과 유사하게 T0-m에서 T0+n까지의 풍장 시퀀스를 사용하여 T1에서 T0+n까지의 파동장 시퀀스를 직접 예측할 수 있습니다.

둘째, 지능형 파도 예측은 관측 정보를 보다 직접적이고 효과적으로 활용할 수 있습니다. 예를 들어, 중국의 해상 부표 데이터, 위성파 원격탐사 데이터 등의 관측 데이터를 파도 수치 분석 분야에 통합할 수 있습니다. 이러한 보정 기술은 훈련에 사용되는 분석 필드의 정확도를 향상시켜 예측 결과를 개선할 수 있습니다.

마지막으로, 수치적 파도 예측 모델과 비교했을 때 지능형 파도 예측은 계산 시간을 크게 줄여 72~96시간의 예보를 단 1분 만에 완료할 수 있습니다.

파도 예측 정확도 향상을 위한 훈련 데이터 수정

지능형 파도 예보 제품 구축 측면에서 리벤샤는 그녀의 팀이 중국 연안 해역과 북서 태평양을 위한 일련의 지능형 파도 예보 제품을 개발했다고 언급했습니다. 사용된 훈련 데이터는 아래 그림과 같습니다.주로 사용되는 데이터로는 유럽 중기 기상 예보 센터(ECMWF)가 발표한 5세대 대기 재분석 데이터 ERA5, 미국 국립환경예측센터(NCEP)가 발표한 전 지구 기후 재분석 데이터, 유럽 중기 기상 예보 센터(ECMWF)의 파도 분석 현장 데이터, 국립해양환경예보센터(NMEFC)가 독자적으로 개발한 파도 분석 현장 데이터 등이 있다.

파도 훈련 데이터를 개발하는 동안 연구팀은 대기 성층이 불안정할 때 풍력 에너지 입력이 훨씬 작아질 수 있다는 사실에 특별히 주의를 기울였다는 점은 주목할 만합니다.우리는 해수 온도 차이에 따라 유효 파고를 보정하는 방법을 독자적으로 개발했습니다. 이 방법은 파도 시뮬레이션의 정확도를 크게 향상시키고 얕은 바다에서 발생하는 작은 파도 예측 문제를 해결할 수 있습니다.

구체적으로 연구진은 중국 연안을 따라 북쪽에서 남쪽으로 수십 개의 해상 운영 파도 관측 부표를 선정하고, 북인도양 지역의 위성 데이터를 통합하여 보정했습니다.관측 데이터는 최적 보간을 통해 파도 수치 분석 필드에 융합됩니다.

특정 응용 분야에서 연구진은 해양 2C 규모에서 뚜렷한 체계적 편차가 있는 데이터에 대한 융합장 보정도 수행했습니다. 결과는 다음과 같습니다융합장은 전체 파고 내에서 시스템 편차, 제곱 평균 오차, 상대 오차 및 산란 지수에서 뚜렷한 개선을 보였으며, 실시간 성능이 높고 수치 모델장의 정확도를 향상시킬 수 있습니다.

최초의 운영형 지능형 파도 예측 시스템이 출시되었으며 전문가 검토를 통과했습니다.

리벤샤의 팀은 위 데이터를 바탕으로 Vision Transformer와 같은 딥러닝 방법을 사용하여 중국 연안 해역과 북서 태평양을 위한 지능형 파도 예측 시스템을 개발했습니다.이는 우리나라 최초의 지능형 파도 예보 시스템으로, 상업적으로 운영에 들어갔으며, 2022년 6월에 전문가 검토를 통과했습니다.

Vision Transformer는 시퀀스 데이터 처리를 전문으로 하는 신경망 아키텍처라는 점을 언급할 가치가 있습니다. 현재 선도적인 딥 러닝 아키텍처 중 하나로, 장거리 종속성을 포착하고 긴 시퀀스를 처리하는 데 있어 기존 RNN이 겪는 어려움을 해결할 수 있습니다. 또한 시퀀스의 모든 요소를 동시에 처리할 수 있으므로 높은 병렬 계산을 지원합니다.모델 학습 속도가 크게 빨라졌습니다.

아래 그림과 같이 해양파도의 평균주기 예측에 있어서 공간분포특성 관점에서 보면,이 AI 지능형 파도 예측 세트는 유럽 ECMWF의 운영 파도 수치 예측 결과와 매우 일치합니다.

예보 시간에 따른 오차 변화 측면에서, 파도 AI 지능형 예보의 정확도는 ECMWF의 운영 파도 수치 예보와 비슷합니다. 아래 그림에서 보듯이, 관찰된 데이터를 융합하여 훈련 데이터를 수정하면 더 나은 파도 예측 효과가 나타납니다(노란색 선).이는 파도 예측에 관측된 데이터를 융합하고 보정하는 것이 필요함을 보여줍니다.

또한 파고에 따른 오차 변화 측면에서는,AI 지능형 파도예보의 예측 결과는 유효파고가 4m 이상일 때 현저히 작아집니다.

연구팀은 태풍으로 인한 강한 해상 상태를 과소예보하는 문제를 개선하기 위해 2021년부터 2023년까지 중국 해안 근처의 태풍 과정의 바람과 파도 필드를 신중하게 선택하여 학습 샘플을 구축했습니다. 연구 결과는 다음과 같습니다.태풍 과정의 학습 샘플을 늘리면 대형 파도 과정에 대한 지능형 모델의 예측 정확도가 향상될 수 있습니다. 태풍파도가 클수록 정확도 향상폭이 커지고, 태풍 중심 근처의 큰 파도 영역에 대한 예보도 더욱 원활해질 것입니다.

풍성한 성과: 지능형 파도 예측으로 새로운 시대가 열렸습니다

연구팀은 또한 남부와 북부 인도양의 파도장이 각각 풍파와 너울파에 의해 지배되는 특성을 고려했습니다.국가전력결합망(SFCN)을 기반으로 한 지능형 파도 예측 모델이 개발되었습니다.

이 모델은 이중 분기 구조를 채택하여, 서로 다른 분기를 통해 바람장과 파도장을 처리하고, 고수준 네트워크 의미론을 통해 바람장과 파도장의 느슨한 결합을 실현하여 잘못된 바람-파도 결합을 방지합니다. 동시에, 이 기술은 기존의 합성곱 장단기 메모리 네트워크가 바람-파도 관계가 약한 지역에서 예측 능력이 부족하다는 문제를 해결합니다. 검증에는 HY-2B 위성의 궤적을 따라 나타나는 유효파고가 사용되었습니다. 결과는 SFCN의 계산 효율성이 크게 향상되었으며 예측 결과가 수치 예측과 매우 가깝다는 것을 보여주었습니다.

주목할 점은 이 모델을 기반으로 구축된 선박용 경량 예보 시스템이 2023년 교룡 북서태평양 과학탐사 및 중국 제13차 북극 과학탐사의 선상 예보 지원에 활용되어 상업적 홍보 및 응용을 달성했다는 것입니다.

현재 연구팀은 초고해상도 모델을 기반으로 한 글로벌 파도 지능 예측 시스템을 연구하고 있습니다.정확도가 높아짐에 따라 학습 데이터 양과 컴퓨팅 능력은 기하급수적으로 증가하지만, 그래픽 카드 메모리와 학습 시간의 한계로 인해 글로벌 고해상도 모델을 직접 학습시키는 것은 어렵습니다. 따라서 연구팀은 두 단계로 진행할 계획이다. 첫째, Swin Transformer를 이용해 저해상도 글로벌 모델을 구축하고 저해상도 피처 마이닝을 실시한다. 둘째, 상세 정보를 보완하는 초고해상도 모델을 구축하여 고해상도의 전 지구적 파도 예측 모델을 실현합니다. 예측 테스트 결과는 아래 그림과 같습니다.

마지막으로 리벤샤는 팀이 개발한 머신러닝을 기반으로 한 수치파동 예측을 위한 롤링 보정 기술을 소개하는 데 집중했습니다.이 기술은 실제 값 관측 시퀀스를 도입하여 신경망이 이미 발생한 예측 값과 실제 파도 관측 값의 차이 정보를 얻을 수 있게 해줍니다. 시간이 지남에 따라 신경망은 미래 예측 값을 적응적으로 조정하고 변화하는 관찰 순서를 사용하여 롤링 웨이브 예측 수정을 완료할 수 있습니다. 특히 현장 실시간 관측 엔지니어링 지점(예: 해상 풍력 발전소)에서 고정밀 파도 예측에 적합합니다.

인공지능 해양학은 떠오르는 학제간 학문으로, 해양 과학, 인공지능, 대기 과학, 컴퓨터 과학 등의 분야의 지식과 기술을 결합하고 있으며, 폭넓은 발전 전망을 가지고 있습니다. 현재의 데이터 기반 AI 모델은 여전히 전통적인 수치 모델에 의존하고 있지만, 모델의 학습과 예측은 수치 모델과 수치 모델 결과의 정확성을 기반으로 해야 합니다.하지만 미래에는 AI 예측과 전통적인 수치 예측을 유기적으로 결합하는 것이 예측 기술에서 획기적인 발전을 이루는 효과적인 방법이 될 것입니다.

리벤샤 소개

리벤샤 박사는 현재 국가해양환경예보센터의 파도예보실 소장을 맡고 있습니다. 그녀는 중국 핵심 학술지인 "해양 예보"와 "해양 과학의 최전선"의 편집위원으로 활동하고 있습니다. 그녀는 또한 중국해양대학의 시간제 석사 튜터, 중국국가자연과학기금의 심사 전문가, 교육부의 논문 심사 전문가, 국가 해양 재해 위험 조사 전문가로 활동하고 있습니다.

그녀의 연구 관심사에는 지능형 해양 파도 예측, 수치 파도 시뮬레이션 및 조기 경보 기술, 해양 재해 위험 평가 및 구역 지정, 기후 변화 대응 등이 있습니다.