기후 변화로 인해 해수면 상승과 폭풍해일 발생 빈도가 증가하면서, 해안 지역에서의 재난 위험이 심화되고 있다. 본 연구는 NOAA의 GFS(Global Forecast System) 모델과 일본 기상청의 JMA-MSM(Japan Meteorological Agency Meso-Scale Model) 데이터를 기반으로 딥 러닝 기술을 활용하여 폭풍해일 예측 알고리즘을 개발하고, 두 모델에서 제공하는 대기 데이터를 입력 변수로 사용하여 예측 성능을 비 교하는 것을 목표로 한다. CNN(Convolutional Neural Network), LSTM(Long Short-Term Memory), Attention 메커니즘을 결합한 모델을 설계하고, 조위관측소의 관측 자료를 학습 데이터로 사용하였다. 과거 한반도에 직접적인 영향을 미쳤던 네 개의 태풍 사례를 통해 모델 성능을 검 증한 결과, JMA-MSM 기반 모델이 GFS 기반 모델에 비해 서해, 남해, 동해에서 각각 평균 RMSE를 0.34cm, 0.73cm, 1.86cm, MAPE를 0.15%, 0.36%, 0.68% 개선하였다. 이는 JMA-MSM의 고해상도 자료가 지역적 기상 변화를 정밀하게 반영했기 때문으로 분석된다. 본 연구는 해안 재난 대비를 위한 폭풍해일 예측의 효율성을 높이고, 추가 기상 데이터를 활용한 향후 연구의 기반 제공이 기대된다.

태풍 내습 시 신속하고 정확한 해일고 예측은, 연안재해 대응에 필수적인 요소이다. 이러한 해일고의 예측을 위해서 기존에는 태풍예측정보를 수치모델에 적용하여 예측자료를 생산하는 것이 대부분이였다. 이러한 방법은 대용량의 컴퓨팅 자원과 시간이 소요된다는 단점이 있다. 최근에는 인공지능 기반으로 신속하게 예측자료를 생산하는 연구가 다양한 분야에서 진행되고 있으며, 본 연구에서는 인공지능 기반 해일고 예측을 수행하였다. 인공지능 적용을 위해서는 많은 수의 학습자료가 필요하게 되며, 기왕 발생태풍은 개수가 한정되어 있어 본 연구에서는 TCRM(Tropical Cyclone Risk Model)을 통하여 합성태풍을 생성하고, 이를 폭풍해일 모델에 적용하여 해일고 자료를 생성한 후, 학습자료로 활용하였다. 인공지능으로 예측한 해일고와 실제 발생 태풍에 대한 비교 결과, RMSE(Root Mean Square Error)는 0.09 ~ 0.30 m, CC(Correlation Coefficient)는 0.65 ~ 0.94, 최대 해일고의 ARE(Absolute Relative Error)는 1.0 ~ 52.5 %로 분석되었다. 특정 태풍/지점에 서는 다소 오차가 크게 나타나고 있으나, 향후 학습자료의 최적화 등을 통하여 정확도를 개선할 수 있을 것으로 기대된다.

기후변화 등으로 인해 폭풍해일의 피해가 증대하고 있어, 재현기간에 기초한 폭풍해일고의 추정은 새로운 연안 구조물의 설 계 및 개발 관점뿐만 아니라 기존 구조물의 안정성을 평가하는데 중요하다. 현재 우리나라의 설계해면은 과거 태풍을 이용한 극치 분 석을 이용하여 추정되지만, 이 경우 자료의 부족으로 재현기간이 큰 경우 오차의 원인이 될 수 있으며, 추계학적 접근은 하나의 대안 이 될 수 있다. 본 연구에서는 폭풍해일에 취약한 경기만 지역의 폭풍 해일고 추정을 위해 결정론적 수치 모형인 SLOSH 모형과 가상 태풍을 위한 몬테카를로 시뮬레이션의 결합을 통하여 추계학적 접근 방법을 제시하였다. 모멘트법에 의해 결정된 파라메터를 이용하 여 Weibull 분포를 통해 추계학적 해일고가 추정되었으며, 제시된 폭풍 해일고는 연안 지역 구조물 설계를 위한 대안이 될 수 있다.

Storm surge height in the coastal area of Jeju Island was examined using the Princeton Ocean Model(POM) with a sigma coordinate system. Amongst the typhoons that had affected to Jeju Island for six years(1987 to 2003), the eight typhoons(Maemi, Rusa, Prapiroon, Olga, Yanni, Janis, Gladys and Thelma) were found to bring relatively huge damage . The storm surge height of these typhoons simulated in Jeju harbour and Seogwipo harbour corresponded relatively well with the observed value. The occurrence time of the storm surge height was different, but mostly, it was a little later than the observed time. Jeju harbour showed a higher storm surge height than Seogwipo harbour, and the storm surge height didn't exceed 1m in both of Jeju harbour and Seogwipo harbour. Maemi out of the eight typhoons showed the maximum storm surge height(77.97 cm) in Jeju harbour, and Janis showed the lowest storm surge height(5.3 cm) in Seogwipo harbour.