A Physics-Informed Neural Network (PINN)-Based Model for Localized Fog Prediction

안개는 물류 수송 및 운항뿐 아니라 군사작전의 형태와 수준을 결정하는 데 중요한 요소로 작용한다. 하지만 복잡하고 다양한 메커니즘으로 인해 예측이 어렵고, 특히 지역에 따른 편차가 매우 커 유의미한 예보율을 보이는 데에는 한계가 있다. 본 연구에서는 물리정보 기반 신경망(Physics-Informed Neural Network, PINN)과 국소 지역의 기상 요소를 결합한 안개 예측 모델을 제안한다. 데이터는 2015 ~ 2024년까지의 강원 태백 지역 기상 관측 데이터를 활용하였으며, 제안된 모델은 데이터 기반 학습을 실시하고 손실 함수에 Clausius-Clapeyron 방정식, 상대 습도, 이슬점의 세 가지 물리 관계를 적용하여 오차를 최소화하였다. 실험 결과, 제안 모델은 84%의 정확도를 보였으며, 안개 검출률(59%)에서 경험 기반 육군 안개 모델 및 XGB(49%), LGB(50%) 기반 모델 대비 향상된 성능을 보였다. 본 연구는 기계 학습 모델에 물리 법칙을 결합하여 더욱 신뢰성 있는 안개 예측이 가능함을 입증하였으며 지역별 모델 생성을 위한 토대를 마련하는 데 기여하였다.