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.

우리나라 해안지역은 매년 평균 3개의 태풍으로부터 직·간접적인 영향을 받아왔으며, 태풍에 의한 폭풍 해일은 해안지역에 많은 피해를 주는 자연현상 중 하나이다. 또한 기후 변화로 나타나는 해수면 및 해수 온도 상승으로 인해 태풍 강도의 증가로 폭풍해일에 의한 피해가 필연적으로 증가할 것으로 예상된다. 본 연구는 한반도 태풍 내습 시 확률적 해일고 추산을 위한 초기 연구로서, 해양·기상 연계 모형인 SLOSH(Sea, Lake, and Overland Surges from Hurricanes) 모델을 이용하여 과거 한반도를 내습한 태풍 매미(MAEMI, 0314)와 볼라벤(BOLAVEN, 1215)의 해일고 및 최대 해일고 발생 시간을 확인하였다. SLOSH 모델을 이용하여 예측된 해일고는 국립 해양 조사원에서 제공하는 실측 자료와의 비교 및 검증을 통해 유용성을 입증하였다.