심층 생성 모델을 이용한 강수 단기 예측 개선: 사례 연구 및 R2O 경험

강수 단기 예측은 기상 의존적 의사결정에 필수적입니다. 레이더 데이터와 딥러닝 방법의 결합은 연구에 새로운 길을 열었습니다. 딥러닝 접근법은 저강도 강수에 대해 광학 흐름 방법과 동등하거나 더 나은 성능을 보여주었지만, 고강도 강수 이벤트의 단기 예측은 여전히 도전 과제입니다. 우리는 네덜란드 왕립기상연구소(KNMI)의 레이더 데이터를 사용하고, 강한 강수 강도의 단기 예측을 개선하기 위해 딥러닝 아키텍처의 다양한 확장(예: 손실 함수, 추가 입력)을 탐구합니다. 우리 모델은 최신 모델 및 벤치마크를 능가하며 최대 60분 예상 시점까지 고강도 강수 예측에 능숙합니다. 연구 결과를 운영에 적용하는 것은 많은 기상기관에 어려운 과제이며, 특히 AI/ML 방법을 사용하는 신규 응용 분야에서 그렇습니다. 본 논문에서는 KNMI가 이 분야에서 직면한 일부 도전 과제에 대해 논의합니다.