AI 기반 모델, 전 세계 홍수 예측 및 수자원 관리 혁신을 주도

극심한 기상 현상이 점점 더 흔해지는 시대에, 펜실베이니아 주립대학교의 획기적인 개발이 희망의 빛을 제시합니다. 연구진은 전례 없는 정확도로 전 세계 홍수를 예측하고 수자원을 관리하도록 설계된 AI 기반 수문 모델을 공개했습니다.

홍수 관련 재해가 급증하여 현재 전 세계 기상 관련 재난의 최대 40%를 차지하고 있습니다. 유엔 재난위험경감국(UNODR)의 최근 보고서에 따르면, 이러한 재해의 발생 빈도는 2000년 이후 두 배 이상 증가했으며, 전 세계 홍수 피해액은 연평균 388억 달러에 달합니다. 동시에 가뭄도 더욱 광범위하고 피해가 심각해지고 있습니다.

이러한 과제에 대응하여 펜실베이니아 주립대학교의 한 팀은 인공 지능과 물리 기반 모델링을 통합한 모델을 개발했습니다.

이 이중 접근 방식은 한 연구에서 설명되었습니다. 출판 Nature Communications 저널에 실린 이 연구는 지역 사회에 수자원 관리, 홍수 위험 감소, 작물 계획 및 생태계 보호를 위한 신뢰할 수 있는 데이터를 제공합니다.

교신저자이자 펜실베이니아 주립대 토목환경공학과 교수인 차오펭 셴(Chaopeng Shen)은 보도자료를 통해 "이 모델은 지구 수문학에 있어 획기적인 변화를 가져올 것입니다."라고 밝혔습니다. "전 지구적 범위, 더욱 정밀한 해상도, 그리고 높은 품질 덕분에 지구 규모 모델이 지역 규모의 수자원 관리 및 홍수 예측에 진정으로 유용할 가능성이 높아졌습니다. 이 모델은 지구 위성 임무에 필요한 풍부한 사전 수문학 지식을 제공할 수 있으며, 이러한 서비스가 부족했던 저개발 지역에 실질적인 지원을 제공할 수도 있습니다."

이 모델의 해상도는 전 세계적으로 36제곱킬로미터(14제곱마일)만큼 작은 지역까지 시뮬레이션하고, 더 자세한 데이터가 있는 지역에서는 6제곱킬로미터(2.5제곱마일)까지 확대하도록 설정되어 있습니다.

이 모델은 기후 변화로 인해 강, 지하수, 지형 간의 물 균형이 변화하는 것과 같은 중요한 통찰력을 이미 보여주었습니다.

예를 들어, 유럽의 강 유량이 감소하여 하구의 담수량이 감소하고 염도가 상승하며 생태계가 변화했습니다. 이 모델은 이러한 수문학적 변화를 성공적으로 포착하여 정확성과 실제 적용 가능성을 보여주었습니다.

이 모델을 특별하게 만드는 요소는 신경망(인간의 뇌처럼 학습하도록 설계된 AI)과 수학 방정식과 물리 법칙에 의존하는 물리 기반 구성 요소를 결합한 것입니다.

"이러한 엔드 투 엔드 접근 방식은 특히 물리 기반 부분이 기본적인 동작을 보장하는 데이터가 부족한 지역에서 훨씬 더 강력합니다."라고 셴은 덧붙였습니다. "신경망은 빅데이터를 학습하고 이미 확인된 데이터 내의 공백을 메우는 데는 뛰어나지만, 그 범위를 넘어서는 예측에는 그다지 효과적이지 않습니다. 그렇기 때문에 시스템이 실제로 작동하는 방식의 물리학에 기반한 프로세스 기반 모델과 신경망을 결합하는 것이 매우 중요합니다. 특히 글로벌 패턴을 살펴볼 때 더욱 그렇습니다."

Shen은 다양한 지역의 모델 매개변수를 미세 조정하는 데 필요했던 수동 작업을 줄임으로써 새로운 머신 러닝 접근 방식이 효율성을 크게 향상시킨다고 강조했습니다.

"기존 방식은 속도가 느리고 범위가 제한적이었으며, 실제 데이터에서 직접 학습할 수 없었습니다."라고 셴은 덧붙였습니다. "매개변수 보정은 땀과 눈물의 연속이었습니다. 미분 가능 프로그래밍을 통해, 결합된 신경망은 이제 관측값으로부터 얻은 피드백을 사용하여 학습하는 동안 매개변수를 자동으로 생성할 수 있습니다."

셴에 따르면, 이 획기적인 발견은 전 세계의 물 사용, 관개, 홍수 관리 및 생태계 보호에 대한 의사 결정에 영향을 미칠 것으로 기대됩니다. 향후 업데이트에는 수질 모니터링, 영양소 추적 및 3D 지하수 매핑이 포함될 수 있습니다.

출처: 펜실베니아 주립 대학