In this paper, a study was conducted to improve precipitation accuracy by correcting the results of the numerical model used for precipitation prediction using a deep learning model. Precipitation predictions are typically classified into short-term prediction (nowcasting) and long-term prediction. Recently, there are several studies that perform nowcasting using deep learning model. However, the precipitation prediction model using deep learning has a weakness in long-term prediction of more than a day, so the existing numerical model continues to be used. This study aims to improve the accuracy of precipitation prediction by using deep learning for long-term prediction. For this, the U-Net model, which is a deep learning model previously used for nowcasting, was used, and based on the fact that the location information of the prediction data is fixed, a layer that can learn information by terrain was added to the model. Through this, we will show that the performance is improved by correcting the precipitation prediction result of the existing numerical model.
이 논문에서는 강수 예측에 사용되는 수치 모델의 결과를 딥러닝 모델을 이용해 보정하여 강수 정확도를 향상시키는 연구를 진행하였다. 강수 예측은 대표적으로 초단기 예측과 장기 예측이 있으며, 최근에는 딥러닝을 활용하여 초단기 예측을 수행하는 다수의 연구들이 등장하고 있다. 그러나 딥러닝을 이용한 강수 예측 모델은 하루 이상의 장기 예측에는 약점을 갖고 있기 때문에 현재로선 기존의 수치 모델이 계속 사용되고 있다. 본 연구는 장기 예측에도 딥러닝을 활용하여 강수 예측 정확도를 향상시키고자 한다. 이를 위해 기존에 초단기 예측에 사용된 딥러닝 모델인 U-Net 모델을 활용하였으며, 예측 데이터의 위치 정보가 고정되어 있다는 점을 토대로 지형별 정보를 학습할 수 있는 레이어를 모델 내에 추가하였다. 이를 통해 기존 수치 모델의 강수 예측 결과를 보정하여 성능이 향상되는 것을 보일 것이다.