엘니뇨현상과 관련된 해양 아표층 변동성을 조사하기 위해 1980년부터 2004년까지의 적도 해역의 20도 등온선 깊이(Z20)와 난수질량(WWV) 자료를 분석하였다. 주성분 분석, 합성 분석 및 교차상관 분석 결과, 아표층 시계열 자료는 Nino3.4 SST와 유의미한 시간 지연을 가지고 강한 상관성을 보였다. 이 결과는 아표층 해양 변수가 엘니뇨현상에 유용한 예측 인자임을 시사한다. 분석된 결과를 근거로 1996년부터 2004년까지 Nino3.4 SST를 예측하기 위해 신경망 예측 모델을 구성하였다. 해상풍을 입력 자료로 사용하였을 경우 보다 WWV를 적용하였을 때 3개월 이하의 단기 예측을 제외하고 모든 예측 시간에서 더 우수한 예측력을 보였으며, 5-8개월의 예측에 있어서는 기존의 여러 통계 모델 결과보다 예측 성능이 우수함을 확인하였다.

대표적인 엘니뇨 지수인 태평양 Nino 해역의 표층 수온을 예측하기 위해 비선형 통계모델 중의 하나인 신경망 기법을 적용하였다. 신경망 모델 학습 과정의 입력 자료로 1951년부터 1993년까지의 태평양 해역(120˚ E, 20˚ S-20˚ N) NCEP/NCAR의 재분석 표층 수온 편차의 경험적 직교함수 7개 주모드를 사용하였고, 그 중 1994년부터 2003년까지의 10년 결과를 분석하였다. 모든 해역에서의 9개월까지의 신경망 모델의 예측력은 비교적 우수하였으며, 특히 1997년과 1998년의 강한 엘니뇨의 발달 및 소멸도 잘 예측함을 확인할 수 있었다. 해역별로는 Nino3 지역의 예측성능이 가장 높았으며, 9개월 이후부터는 그 예측력이 급격히 감소하였다. 한편 지역적인 영향이 커 예측력이 낮은 동태평양 연안의 Nino1+2 지역은 9개월 이후에도 예측력의 감소가 관찰되지 않았다.