본 연구는 기상 대규모 모델 기법을 해양 영역에 적용하여 KunPeng이라는 전 지구 해양 환경 예측 모델을 구축했습니다. 해양 공간의 불연속적인 특성을 고려하여 지형 적응형 마스크 제약 메커니즘을 제안하여 육지-해양 경계에서 발생하는 급격한 기울기로 인한 학습 발산을 효과적으로 완화했습니다. 원거리, 중거리, 근거리 해양 특징을 통합하기 위해 경도 순환 변형 합성곱 신경망(LC-DCN)을 사용하여 동적 수용 영역을 향상시켜 다중 스케일 해양 특징의 정교한 모델링을 달성했습니다. 또한, 변형 합성곱 강화 다단계 예측 모듈(DC-MTP)을 사용하여 시간 의존성 특징 추출 기능을 강화했습니다. 실험 결과, 0.25° 해상도에서 15일 전 지구 예측에서 평균 ACC 0.80을 달성하여 비교 모델보다 0.01~0.08 향상되었으며, 평균 MSE는 0.41(5%-31% 감소), 평균 MAE는 0.44(0.6%-21% 감소)를 기록했습니다. 특히 해수면 매개변수 예측, 심해 지역 특성 분석, 해류 속도장 예측에서 상당한 개선을 보였습니다. 다양한 스케일의 연산자의 해양 영역 적용성을 비교 분석하여 느리게 변하는 해양 과정에서 국소 연산자가 전역 연산자보다 성능이 뛰어나다는 것을 밝혀내어 동적 특징 피라미드 표현의 효과를 입증했습니다.
