본 논문은 심층 학습 기반의 그래프 신경망을 활용하여 카나리아 해류 상승류 시스템과 같은 하위 지역 해양 예측을 개선하는 연구를 제시합니다. 기존의 전지구 순환 모델 기반 예측 방법의 계산 비용과 속도 문제를 해결하기 위해, 위성 데이터로 훈련된 그래프 신경망 모델을 개발하여, 최첨단 물리적 해양 모델과 비교 분석했습니다. 결과적으로, 특히 케이프 기르, 케이프 보자도르, 케이프 블랑과 같이 해양 역학이 복잡한 지역에서 ConvLSTM 및 GLORYS 재분석에 비해 RMSE 오차를 크게 줄이는 우수한 성능을 보였으며, 최대 26.5% (ConvLSTM 대비) 및 최대 76% (GLORYS 재분석 5일 예측 대비)의 오차 감소를 달성했습니다. 이는 복잡한 지역에서의 공간 변동성 포착 및 예측 정확도 향상에 대한 그래프 신경망 모델의 효용성을 보여줍니다.
