A Multimodal Deep Learning Model for Typhoon Track Prediction Incorporating Time Series Characteristics

본 연구는 정형 BestTrack 태풍 자료와 비정형 ERA5 재분석 자료를 결합한 멀티모달 딥러닝 기반 태풍 경로 예측 모델을 제안한다. 제안 모델은 태풍 중심 구역의 상층·지상 대기장 및 주변 기상 패턴을 각각의 합성곱 신경망으로 추출하고, 이를 Temporal Convolutional Network과 어텐션 메커니즘을 통해 시공간적으로 통합하여 경로를 예측한다. 또한 Soft Dynamic Time Warping 손실함수를 적용해 태풍의 굴절과 이동 특성을 정밀하게 반영하였다. 본 연구는 1977-2023년 기간의 자료를 활용하였으며, 학습(1977-2017), 검증(2018-2021), 실험(2022-2023) 구간으로 구분하였다. 실험 결과, 제안 모델은 12시간 81 km, 24시간 117 km의 진로 오차를 기록하였으며, 실제 태풍에 적용시 안정적으로 경로와 굴절을 예측하는 것을 확인하였다. 이는 제안한 모델이 태풍의 시공간적 특징을 효과적으로 반영함을 보여준다.