A Deep Learning-Based Total Nitrogen Prediction Study in the Masan Bay Special Management Sea Area Using High-Resolution Continuous Observation Data

우리나라의 특별관리해역인 마산만은 반폐쇄성 지형과 육상기인 오염원 유입으로 인해 부영양화에 취약하다. 본 연구는 연안의 총질소(TN) 농도를 예측하기 위해, 2014년부터 2024년까지 수질자동측정망에서 관측된 고해상도 시계열 자료를 기반으로 딥러닝 모델인 Long Short-Term Memory(LSTM)를 구축하였다. 초기 모델은 결정계수 0.94의 높은 정확도를 보였으나, 선행시간(lead time)이 길어지거나, 극한 강우로 인한 총질소의 스파이크 구간에서 성능이 저하되었다. 모델의 정확도 향상을 위해 전처리를 수행한 결과, 결정계수가 최대 0.99까지 향상되었다. 본 연구에서는 고해상도 시계열을 기반으로 총질소 변동을 파악하였다. 또한 극한 강우 이후 발생하는 총질소의 비선형적 변동이 딥러닝 모델의 성능을 저하시켜, 이를 개선하기 위해 최적의 개선 방안을 모색하였다. 이러한 결과는 연안 수질 관리 체계 수립과 기후변화에 대응하기 위한 향후 신뢰성 높은 과학적 근거를 제공할 것으로 기대된다.