본 논문은 심층 학습 기반의 새로운 열대 저기압 강도 예측 모델인 Physics-Informed Residual Neural Ordinary Differential Equation (PIR-NODE) 모델을 제시합니다. PIR-NODE 모델은 심층 신경망의 비선형적 적합 능력과 Neural ODEs를 이용하여 열대 저기압 강도의 연속적인 시간적 변화를 명시적으로 모델링합니다. 잔차 연결(residual connection)을 통해 모델의 깊이와 학습 안정성을 향상시켰습니다. SHIPS 데이터셋을 이용한 실험 결과, 기존 통계 모델 및 기준 심층 학습 방법에 비해 24시간 강도 예측 정확도가 크게 향상되었으며, RMSE는 25.2% 감소하고 R-square는 19.5% 증가했습니다. 잔차 구조는 초기 상태 정보를 효과적으로 보존하며, 모델은 강력한 일반화 성능을 보입니다.
