AI 모델은 거대한 열대 파도와 해류를 예측하는 데 도움이 됩니다.

연구팀은 최근 열대 불안정파(TIW)와 같이 수백 마일/킬로미터에 걸쳐 펼쳐지는 해양 현상을 예측할 수 있는 AI 모델을 설계했습니다. 열대 불안정파(TIW)는 적도 부근의 태평양 내에서 발생하는 해양 현상입니다. 태평양 TIW는 주변 바다보다 눈에 띄게 추운 열대 지역인 열대 태평양 한냉설의 가장자리를 따라 서쪽으로 이동하는 구부러진 삼각파의 움직임을 포함합니다.

TIW를 발생시키는 환경 요인은 매우 복잡하며 현상을 예측하기 어렵습니다. TIW 예측은 전통적으로 복잡한 통계 및 물리적 모델을 사용하여 수행됩니다. 그러나 연구팀은 최근 AI 모델을 설계했습니다. TIW 및 기타 해양 현상을 더 잘 예측하기 위한 것입니다.

Phys.org에 따르면, 연구팀은 중국과학원(IOCAS) 해양학연구소 리샤오펑(LI Xiaofeng) 교수가 이끌었고 상하이해양대학교, 천연자원부 제XNUMX해양학연구소 등 다양한 중국 해양과학 분과의 구성원도 포함됐다. . 팀은 위성 데이터를 사용하여 바다를 통해 수천 킬로미터를 이동할 때 불안정한 파도를 분석하기 위한 딥 러닝 모델을 설계했습니다. 글로벌 위성 데이터로도 해양 현상에 영향을 미치는 환경 요인을 식별하기 어려울 수 있지만 목표는 AI 모델이 이러한 변수를 해독하고 기존 모델보다 예측을 더 잘 수행할 수 있도록 하는 것입니다.

연구진이 설계한 딥러닝 모델은 위성이 수집한 해수면 온도 데이터를 활용해 현재 패턴을 분석하고 이를 과거 수년간 수집한 해수면 온도 데이터와 대조했다. 연구원들은 약 XNUMX년간의 데이터에 대해 모델을 훈련하고 테스트했습니다. 결과를 분석한 결과, 모델이 해수면 온도 변화를 정확하고 일관되게 예측할 수 있었고 결과적으로 TIW 내의 시간적 및 공간적 변화를 예측할 수 있었다.

이 연구는 빅 데이터 세트가 지원하는 AI 모델이 해양에서 가장 복잡한 현상 중 일부를 예측하는 신뢰할 수 있는 방법이 될 수 있음을 시사합니다.

LI Xiaofeng은 Phys에 따르면 "AI 기반 모델, 통계 모델 및 전통적인 수치 모델은 서로를 보완하고 복잡한 해양 지형을 연구하기 위한 새로운 관점을 제공할 수 있습니다."라고 설명했습니다.

모델이 개선되고 정교해짐에 따라 큰 파도와 폭풍의 예측에 도움이 될 것으로 기대되며, 이는 해양 항법 시스템에 대한 실용적인 응용 프로그램과 해안 도시에 해를 끼칠 수 있는 심각한 기상 현상의 예측에 도움이 될 것입니다. 이러한 유형의 연구는 기후 변화가 해류가 이동하고 주변 환경과 상호 작용하는 방식을 변경하는 세계에서 특히 가치가 있습니다. LI Xiaofeng과 동료들이 수행한 연구는 해류 및 관련 현상의 움직임을 학습하고 예측하기 위해 AI 알고리즘과 위성 데이터를 사용하는 증가 추세의 일부입니다.

해양 현상을 추적하고 예측하는 데 AI가 사용되는 또 다른 예로서, 올해 초 플리머스 해양 연구소(Plymouth Marine Laboratory)와 에게해 대학교(University of the Aegean) 연구진은 기계 학습 알고리즘과 위성 데이터를 사용하여 해양 현상을 식별하는 방법을 조사한 연구를 발표했습니다. 농축된 플라스틱 폐기물을 추적하고 확산을 추적합니다.

팀은 플라스틱 쓰레기의 위성 이미지를 촬영하고 이미지 식별 시스템을 교육하여 시스템이 나무, 해초 및 기타 자연적으로 떠 있는 물체에서 플라스틱 쓰레기 조각을 정확하게 식별할 수 있는지 확인하는 것을 목표로 했습니다. 연구 결과에 따르면 알고리즘은 약 86%의 시간 동안 쓰레기를 정확하게 식별할 수 있었습니다. 연구자들은 모델을 개선하고 해안선과 강을 따라 플라스틱 폐기물의 식별 및 청소를 용이하게 할 수 있는 시스템을 만들고자 합니다.