본 연구는 수치예보(NWP)의 체계적인 편향 수정을 위한 인공지능(AI) 프레임워크인 ReSA-ConvLSTM을 제시합니다. 동적 기후학적 정규화, 시간적 인과 관계 제약이 있는 ConvLSTM, 그리고 잔차적 자기 주의 메커니즘을 통합하여 세 가지 혁신을 제안합니다. 이 모델은 ECMWF 예보와 ERA5 재분석 자료 간의 물리적으로 인식 가능한 비선형 매핑을 구축합니다. 41년(1981-2021) 동안의 전 지구 대기 자료를 사용하여 2m 기온(T2m), 10m 풍속(U10/V10), 해면 기압(SLP)의 체계적인 편향을 줄여, 운영상의 ECMWF 출력과 비교하여 1~7일 예보에서 최대 20%의 RMSE 감소를 달성합니다. 경량 아키텍처(10.6M 매개변수)는 여러 변수와 후속 응용 프로그램에 대한 효율적인 일반화를 가능하게 하여 변수 간 교정에 대한 재훈련 시간을 85% 단축하는 동시에 편향이 수정된 경계 조건을 통해 해양 모델의 성능을 향상시킵니다. 제거 실험은 제안된 혁신이 모델의 수정 성능을 크게 향상시킨다는 것을 보여주며, 모델에 변수 특성을 통합하는 것이 예측 기술 향상에 도움이 된다는 것을 시사합니다.
