왼쪽부터 강나윤 박사과정생, 장원두, 양영준 교수

국립부경대학교 연구팀이 X밴드 해상 레이더 영상과 풍속 정보를 융합한 인공지능(AI) 기반 모델을 개발해 장기 데이터 환경에서도 유의파고(Significant Wave Height, SWH) 추정 정확도를 높이는 데 성공했다.

국립부경대 컴퓨터·인공지능공학부 강나윤 박사과정생과 장원두 교수, 동명대 조선해양공학과 양영준 교수 연구팀은 X밴드 해상 레이더 영상과 풍속 정보를 결합한 딥러닝 모델 ‘SWH-WindNet’을 개발하고, 장기간 수집된 관측 데이터를 활용해 유의파고 추정 성능을 분석했다.

연구 결과, 제안한 모델은 레이더 영상만 활용한 기존 모델보다 높은 상관계수와 낮은 RMSE(평균 제곱근 오차)를 기록하며 우수한 예측 성능을 보였다. 특히 풍속 정보를 외부 환경 변수로 융합한 결과 평균 상관계수 0.9461, RMSE 0.3887m를 달성해, 다양한 최신 2D·3D CNN 및 트랜스포머 기반 모델과의 비교에서도 뛰어난 성능을 나타냈다.

또한 연구팀은 속초 해변에서 1년간 수집한 장기 관측 데이터를 활용해 계절별 성능을 평가한 결과, 기존 모델은 계절 변화에 따라 예측 성능이 크게 달라지는 반면 제안한 모델은 모든 계절에서 안정적인 성능을 유지하는 것을 확인했다. 특히 겨울철에는 RMSE가 약 11.8% 개선되는 등 풍속 정보를 결합한 방식이 계절적 환경 변화에 따른 성능 저하를 효과적으로 완화하는 것으로 나타났다.

이번 연구는 장기 해양관측 데이터를 활용해 레이더 기반 유의파고 추정 모델의 일반화 가능성을 검증하고, 풍속 정보를 효과적으로 융합하는 인공지능 모델을 제시한 성과다. 향후 항로 계획, 선박 교통관제시스템(VTS), 자율운항선박, 장기 해양 모니터링 시스템 등 해양 안전과 스마트 해양 분야의 핵심 기반 기술로 활용될 것으로 기대된다.

이 연구 성과를 담은 논문 ‘Significant Wave Height Estimation Using X-band Radar Imagery with Wind Fusion: Performance Enhancement in Long-Term Data Environments’는 엘스비어(Elsevier)의 해양공학 분야 SCIE 국제학술지 ‘Ocean Engineering(IF 6.3, JCR Q1)에 지난 6월 온라인 게재됐다.