본 연구는 조위 관측자료를 이용하여 부산항에서의 장기 조위 자료를 생성하는 Long Short-Term Memory (LSTM)으로 구현된 순환신경망 모델을 개발하였다. 국립해양조사원의 부산 신항과 통영에서 관측된 조위 자료를 모델 입력 자료로 사용하여 부산항의 조위 를 예측하였다. 모델에 대하여 2019년 1월 한 달의 학습을 수행하였으며, 이후 2019년 2월에서 2020년 1월까지 1년에 대하여 정확도를 계 산하였다. 구축된 모델은 부산 신항과 통영의 조위 시계열을 함께 입력한 경우에 상관계수 0.997 및 평균 제곱근 오차 2.69 m로 가장 성 능이 높았다. 본 연구 결과를 바탕으로 딥러닝 순환신경망 모델을 이용하여 임의 항만의 장기 조위 자료 예측이 가능함을 알 수 있었다.

이중편파레이더는 강수의 형태를 구분하고 대기 중의 기상 현상뿐만 아니라 비강수에코에 대한 정보를 제공하기 때문에 보다 정확한 강수량 추정을 가능하게 한다. 그러나 수직, 수평으로 진동하는 전파를 송 수신하여 생성되는 이중편파레이더 관측변수들은 레이더 자체가 갖는 시스템적 관측오차를 포함하기 때문에 정량적 강수량 추정을 위해서는 이에 대한 보정이 필수적이다. 본 연구에서는 2차원 영상우적계(2-Dimensional Video Disdrometer, 이하 2DVD) 관측 자료를 이용하여 비슬산 이중편파레이더가 갖는 Z, ZDR 관측오차를 계산한 후, 관측오차 보정에 따라 강수량이 정량적으로 얼마나 개선되는지를 살펴보았다. 총 33강수사례에 대한 분석결과, Z는 약-0.3~5.5 dB, ZDR는 -0.1~0.6 dB의 관측오차를 가지며, 대부분의 사례에서 Z와 ZDR는 모의된 값보다 낮게 관측하였다. 관측오차를 보정한 전 후 산출된 이중편파레이더 강수량 추정값을 지상관측 강우강도와 비교한 결과, 평균 bias와 RMSE는 각각 1.54 mm/hr, 1.73 mm/hr로 보정 전의 1.69 mm/hr, 2.54 mm/hr 보다 감소함으로써 지상우량계 관측값 대비 레이더 강수량 추정값이 약 7~61% 향상되었다.