Improving Deep Learning-Based Precipitation Nowcasting Models: Application of Weighted Average Ensemble Methods

본 연구는 다중 고도각 기반 합성 강우량(HSR) 데이터를 활용해 강원도 지역을 대상으로 딥러닝 기반 단기 강수 예측 모델을 개발하고, 가중 평균 앙상블 기법을 적용해 강수 예측 성능을 개선하고자 하였다. 최근 기후 변화로 극한 강수 사건의 빈도와 강도가 증가함에 따라, 정확하고 신뢰성 높은 단기 강수 예측의 필요성이 커지고 있다. 이를 위해 U-Net과 Attention 메커니즘을 적용한 다양한 모델(SE U-Net, Attention U-Net, Dual Attention U-Net)을 학습하고, 각 모델의 예측 결과를 가중 평균 앙상블로 결합하였다. Attention 메커니즘은 중요한 정보를 포착하고 불필요한 신호를 억제하여 강수의 위치와 강도를 보다 정밀하게 예측하는 데 기여하지만, 낮은 강수 강도에서는 과적합으로 인해 오탐률(FAR)이 증가하는 현상이 나타났다. 이를 보완하기 위해 앙상블 기법을 적용하여 과적합을 줄이고 예측의 신뢰성을 높이고자 하였다. 실험 결과, 30mm/h 이상의 극한 강수를 제외한 다양한 강수 조건에서 단일 모델에 비해 모든 성능 지표에서 일관된 성능 향상이 나타났으며, 앙상블 기법이 Attention 기반 모델의 장점을 유지하면서도 과적합 문제를 줄여 예측의 신뢰성과 정확도를 높이는 데 효과적임을 확인하였다. 본 연구는 Attention 메커니즘과 앙상블 기법의 결합이 강수 예측 성능을 효과적으로 향상시킬 수 있음을 보여주며, 향후 다양한 기상 데이터와 앙상블 기법의 확장을 통해 더 일반화된 예측 모델 개발의 필요성을 제안한다.