Nan Yang, Chong Wang, Meihua Zhao, Zimeng Zhao, Huiling Zheng, Bin Zhang, Jianing Wang, Xiaofeng Li
개요
LangYa는 딥러닝 기반의 범지역적이고 대기-해양 결합된 해양 예보 시스템이다. 기존의 전지구 해양 예보 시스템(GOFSs)의 계산 비용과 누적 오차 문제를 해결하기 위해 개발되었으며, 시간 임베딩 모듈을 통해 1일부터 7일까지의 예보가 가능하고, 대기-해양 결합 모듈을 통해 대기-해양 상호작용을 효과적으로 시뮬레이션한다. 해양 자기 주의 모듈은 네트워크 안정성과 학습 속도를 향상시키고, 적응형 수온약층 손실 함수는 수온약층 예보 정확도를 높인다. GLORYS12 데이터 27년치를 사용하여 학습되었으며, 기존의 수치 및 AI 기반 해양 예보 시스템보다 더 신뢰할 수 있는 결정론적 예보 결과를 제공한다.
시사점, 한계점
•
시사점:
◦
기존 GOFSs의 한계점인 계산 비용 및 누적 오차 문제를 AI 기반 시스템을 통해 효과적으로 해결.
◦
시간 임베딩 모듈을 통해 다양한 리드타임(1~7일)의 예보가 가능해짐.
◦
대기-해양 결합 모듈을 통해 더욱 현실적인 예보 가능.
◦
해양 자기 주의 모듈 및 적응형 수온약층 손실 함수를 통해 예보 정확도 및 학습 효율 향상.
◦
GLORYS12 데이터를 활용하여 범지역적이고 장기간의 정확한 해양 예보 제공.
◦
해양 과학 연구에 새로운 패러다임 제시 및 강력한 소프트웨어 도구 제공.
•
한계점:
◦
논문에서는 구체적인 한계점이나 향후 연구 방향에 대한 언급이 부족함.
◦
GLORYS12 데이터에 대한 의존도가 높아, 다른 데이터셋에 대한 일반화 성능 검증이 필요함.
