4분
"학습하는 방식이 비와 추위 예측을 더욱 신뢰할 수 있게 만들어"

AI 날씨 모델, 다가오는 주간의 예보 정확도를 대폭 향상시키다

"학습하는 방식이 비와 추위 예측을 더욱 신뢰할 수 있게 만들어"

▲ 유럽 상공의 날씨가 3~4주 뒤에 어떻게 전개될지 예측하는 것은 지금까지 매우 어려웠다. 새로운 AI 기반 오류 수정 기술은 기존 날씨 모델의 체계적인 약점을 보완함으로써 이러한 장기 예보를 크게 향상시킬 수 있다 © tom.griger / depositphotos.com

장기적인 날씨 전망:

2주가 지나면 예보의 신뢰도가 급격히 떨어진다. 새로운 인공지능(AI) 기법은 기존 날씨 모델의 전형적인 오류를 학습하여 보정함으로써 다가오는 주간의 예보를 향상시킨다. 특히 강수량과 극한 날씨에서 매우 유망한 결과를 보여주고 있으나, 예보는 확실성보다는 확률을 제공한다.

한파가 닥칠지 혹은 가뭄이 지속될지는 농업, 전력 공급 및 재난 방재를 위해 몇 주 전부터 매우 중요하다. 그러나 바로 이 기간의 날씨 예보는 특히 불확실성이 크다. 초기 데이터의 작은 오류가 혼돈스러운 대기 속에서 하루하루가 지날수록 증폭되기 때문이다.

향후 7일에서 10일 사이의 기간 동안 날씨 모델은 이제 종종 유용한 정보를 제공한다. 현대적인 AI 날씨 모델 역시 이 영역에서 경쟁력을 갖추고 있다. 하지만 약 2주가 지나면 수많은 가능한 날씨 전개 중 더 확률이 높은 것을 신뢰성 있게 걸러내는 일이 어려워진다.

주다 코헨(Judah Cohen)이 이끄는 매사추세츠 공과대학교(MIT) 연구진은 이러한 예측력 저하를 제한할 수 있는지 연구했다. 그 과정에서 그들은 유럽 중기예보센터(ECMWF)의 기존 물리적 모델 및 AI 모델을 위한 학습 기반 사후 보정 시스템을 개발했다. 이 방식은 새로운 날씨 흐름을 직접 계산하는 대신, 과거 예보의 체계적인 오류를 분석한다.

AI가 과거의 예보 오류로부터 학습

이 기법은 확률적 오류 수정(PBC)이라고 불린다. 이는 과거의 예보와 실제로 발생한 날씨를 비교한 뒤 그에 맞춰 계산된 확률을 조정한다. 이를 통해 예를 들어 모델이 특정 지역의 폭우 가능성을 정기적으로 과소평가하고 있는지 등을 파악할 수 있다.

“우리는 사후 처리를 담당하는 이러한 외피(hülle)를 구축했다. AI 모델에는 많은 오류가 존재한다는 것을 알고 있으므로, 우리는 이러한 오류를 수치화하고 제거할 수 있다고 생각했다”라고 주다 코헨은 설명했다.

이 접근법은 2미터 높이의 평균 기온, 총 강수량, 그리고 기압을 대상으로 테스트되었다. 초점은 예보 작성 후 제3주 및 제4주, 더 정확히는 예보 작성 후 19~25일과 26~32일에 맞춰졌다. 평가된 것은 개별 날씨의 날짜가 아니라 다양한 전개의 확률이었다.

“더 많은 예보와 데이터가 이용 가능해짐에 따라, 우리의 모델은 지속적으로 보정 값을 조정하고 개선한다”고 주다 코헨은 설명했다.

모델 테스트에서 예측 품질이 두 배로 향상돼

그 결과: 이미 성능이 뛰어난 AI 날씨 모델의 경우 2025년 테스트 연도 동안 평균 예측 지표인 RPSS(Ranked Probability Skill Score)가 약 0.03에서 0.06으로 상승했다. 소위 순위 확률 기술 점수(Ranked Probability Skill Score)는 예측된 확률이 장기 기후 값과 비교해 얼마나 우수한지 측정한다. 따라서 이 처음에 낮은 값이 두 배가 되었다고 해서 두 배 더 많은 날씨 예보가 정확해졌음을 의미하는 것은 아니다.

기존의 물리적 예측 모델 또한 혜택을 받았다. 기존의 통상적인 오류 수정 방식에 비해, 강수량 예보는 조사된 격자 셀의 98%에서, 기온 예보는 91~92%에서, 기압 예보는 89~91%에서 개선되었다. 이러한 값들은 개선의 공간적 분포를 나타내는 것이며 적중률을 의미하지는 않는다.

소급 테스트 범위를 벗어나 이 기법이 어떻게 입증되는지는 2025년 가을 국제 예보 챌린지에서 나타났다. 사후 보정된 두 개의 날씨 모델을 결합한 '마이크로듀엣(MicroDuet)'이라는 시스템이 세 가지 날씨 변수와 두 개의 예보 기간 모두에서 1위를 차지했다. 이 시스템은 6개 국가 기상청의 시스템과 다른 34개 팀의 출품작들을 제쳤다.

드문 기상 극단 현상도 더 잘 파악 가능해지다

특히 흥미로운 점은 이번 보정이 전형적인 날씨 흐름만 개선하는 것이 아니라는 점이다. 기온, 강수량, 기압의 극값 테스트에서도 예측 성능이 향상되었다. 기록된 홍수 사례에 대해, 이 방식은 보정되지 않은 기존 모델에 비해 강수량 예보의 통계적 품질을 76%에서 92%까지 향상시켰다.

구체적인 현장 테스트는 또한 더 빠른 조기 경보의 가능성도 시사했다. 2025년 11월 말, 이 경연 시스템은 12월 중순 미국 동부에 한파가 닥칠 것을 예측했으며 이는 실제로 발생했다. 일반적인 기존 보정 모델 예보는 이 현상을 놓쳤었다. 다만 단일 사례가 향후 유사한 극단적 사건이 몇 주 전에 어디서나 감지될 것이라는 점을 증명하지는 않는다. 

“이 기법은 농업 및 에너지 산업(공급과 수요를 조율해야 하는 곳)에 이미 매우 유용한 이 기간의 평균 예보뿐만 아니라, 홍수, 한파 등 극단적 기상 현상의 예보도 개선한다. 두 가지 모두를 예측하는 것이 정말 중요하지만, 극단적 현상은 사회에 가장 큰 영향을 미치는 부분이 될 수 있다”라고 주다 코헨은 설명했다.

더 긴 사전 경고 시간, 그러나 확실성은 아님

이 접근법은 농업이 파종과 관수를 적시에 계획할 수 있도록 돕고, 에너지 산업이 극단적 날씨에 대비할 수 있는 추가적인 시간을 제공할 수 있다. 보정 소프트웨어가 자유롭게 접근 가능하고 상대적으로 연산 자원이 적게 들기 때문에, 기존의 예측 시스템에도 연동이 가능하다.

다만 이번 연구는 주간 평균 및 날씨 확률의 개선을 주로 보여주며, 6주 뒤 폭풍의 정확한 예측을 뜻하는 것은 아니다. 결정적인 비교 대상은 제3주와 제4주 예보다. 이러한 이점이 다양한 지역 및 희귀한 극단적 현상을 다루는 지속적인 기상청 업무에서 계속 입증될지는 더 지켜봐야 한다.

출처:
Nature 학술지 원논문 (doi: 10.1038/s41586-026-11126-x)
매사추세츠 공과대학교(MIT) 공식 연구 발표 자료
마이크로소프트 리서치(Microsoft Research) 공식 연구 발표 자료

[더사이언스플러스=문광주 기자]

[저작권자ⓒ the SCIENCE plus. 무단전재-재배포 금지]