Development of an Early Warning Detection Algorithm for Wind Shear and Hydraulic Jump at Jeju Airport Using Machine Learning

본 연구는 제주공항의 급변풍 및 물뜀현상의 대응을 위해 인공지능기법을 적용한 사전징후 탐지 알고리즘을 개발하고, 항공기상예보에 적용가능성을 제시한다. 2021년부터 2022년까지 봄철(3～5월) 제주도 지상관측자료를 XGBoost(eXtreme Gradient Boost) 알고리즘에 학습하였으며, 급변풍 및 물뜀현상 발생사례와 같은 시간의 관측자료부터 최대 6시간 이전의 관측자료를 학습하여, 1시간 간격별 예측모델을 구축하였다. 각 모델에서는 발생유무가 도출되며, 가중평균한 발생 확률정보도 산출된다. 2023년 봄철 자료를 성능평가에 사용한 결과, 급변풍 및 물뜀현상 사전탐지모델 모두 1시간 전 예측모델에서 가장 높은 재현율(Probability of Detection, POD)을 보였고, 확률론적 시계열 분포에서는 두 모델 모두 발생사례를 높은 확률로 예측하는 것으로 나타났다. 이는 기계학습 학습을 통해 충분히 급변풍 및 물뜀현상을 사전탐지할 수 있음을 의미하며, 항공기상예보 의사결정에 도움이 될 수 있을 것으로 기대된다.