BROWSE
Detail
Conference Paper
딥러닝 기반 강우 예측 성능 향상을 위한 손실함수 비교 연구
Cited - time in 
Share 
Share
- Issue Date
- 2026-05
- Citation
- 한국수자원학회 학술발표회 2026, pp.1-1
- Publisher
- 한국수자원학회
- Language
- Korean
- Type
- Conference Paper
- Abstract
- 기상 레이더 기반의 고해상도 정량적 강수 예측 기술은 예·경보 및 수재해 대응을 위해 필수 적이며, 특히 극값이 포함된 고강우 구간의 예측 성능 향상이 요구된다. 최근까지 다양한 딥러닝 구조가 예보 정확도 향상에 기여하였으나 모델 학습 손실 함수 자체에 대한 체계적 비교 연구는 상대적으로 미흡하다. 특히 회귀 문제에 광범위하게 적용되는 평균제곱오차(MSE) 기반 손실 함수 는 구조적으로 강우장의 우편향 분포로 인해 저강도 픽셀에 기울기가 편중되고 예측장이 공간적 으로 확산되는 평활화 현상을 야기한다. 또한 이는 수재해 대응에 가장 중요한 극한값에 대한 과 소 추정을 발생시켜 고강우 구간의 성능이 크게 저하된다. 본 연구에서는 회귀 정확도와 공간적 탐지 성능을 동시에 극대화할 수 있는 최적의 손실함수 구성을 도입하고자 한다. 제안된 핵심 손 실함수는 레이더 관측 임계치를 기준으로 강우 발생 여부를 판별하는 이진 교차 엔트로피(Binary Cross Entropy)와 실제 강수 영역의 강도를 추정하는 Log-cosh 회귀항을 결합하여 학습을 진행 하도록 설계되었으며, 기존 손실함수들과 체계적으로 비교·분석한다. 학습 자료로는 기상청의 하 이브리드 고도면 합성기법(HSR)이 적용된 고해상도 강우강도 자료(500m, 10분 단위)를 활용하였 다. 2022~2023년 관측치는 모델 학습 및 검증에 할당하였으며, 2024년에 발생한 주요 극한 강우 사상을 독립적인 성능 평가에 적용하였다. 또한, 제안 기법의 범용성을 입증하기 위해 U-Net, ConvLSTM, Hybrid Unet-ConvLSTM2D 등 3가지 상이한 딥러닝 구조를 교차 적용하였다. 이를 통해 모델 구조의 추가적 개발 또는 수정 없이 손실 함수 변경을 통해 강수 탐지 성능과 공간 예 측 정확도를 동시에 개선할 수 있음을 실증함으로써 기구축된 현업 예보 시스템의 성능과 신뢰성 향상을 위한 실용적 기반을 제공한다.
- Keyword
- 정량적 강수 예측, 기상레이더, 딥러닝, 손실함수, 극한호우
- KSP Keywords
- Cross entropy