Prediction of Typhoon Track and Intensity Using a Generative Adversarial Network With Observational and Meteorological Data

Abstract

태풍은 열대 해상에서 발생하는 열대저기압의 한 종류로, 매년 평균 3개의 태풍이 우리나라에 영향을 미치며 막대한 인명 및 재산피해를 입힌다. 태풍으로 인한 피해를 최소화하기 위해서는 최대한 빠르게 태풍의 경로 및 세기 예측을 하는 것이 필요하지만, 현재의 태풍 예측은 최첨단 슈퍼 컴퓨터를 사용한 값 비싼 수치 해석이다. 본 연구는 슈퍼컴퓨터가 아닌 단일 그래픽 처리 장치(GPU)만으로도 태풍의 경로 및 세기 예측이 가능한 생성적 적대 신경망을 제안한다. 이는 24시간 이상의 예측도 가능하지만, 6시간 정도의 단기간의 예측을 초고속으로 하여 드론 및 항공기 운용에 도움이 되고자 한다. 학습에 사용된 데이터로는 1979년부터 2018년까지 국내에 영향을 끼친 737개의 태풍의 기상학적(재해석) 데이터 및 태풍의 중심 좌표가 활용되었으며, 20개의 태풍으로 이를 검증하였다. 연구 범위는 100°E-180°E, 0°-50°N이며 데이터 해상도는 0.125°이다. 우선 생성적 적대 신경망 네트워크의 효율성을 증대하기 위하여, 재해석 데이터의 입력 정보를 조절하며 최적의 입력 정보를 찾기 위한 파라미터 스터디를 진행하였다. 추가적으로 파라미터 스터디를 통해 각각의 파라미터가 태풍 예측에 어떠한 영향을 끼치는지 연구하였다. 이 후, 6,12. 18, 24시간 태풍의 경로 및 세기 예측을 수행하였다. 태풍 경로 예측의 결과는 각각 평균 44.5km, 68.7km, 125.8km, and 198.7 km이며, 태풍 강도 예측의 경우, 각각 87.3 %, 83.2 %, 72.7 %, 45.2 %의 적중률을 보였다. 이 결과를 미국 기상예보 결과와 비교하고 개발된 네트워크의 강점과 약점을 분석하였다.

A generative adversarial network to predict both the track and intensity of a typhoon up to 24 hours is proposed. In order to investigate the effects of meteorological variables on typhoon predictions, a parameter study has been conducted. The study reveals that learning velocity, temperature, pressure, and humidity fields together with satellite images positively affect prediction accuracy. Satellite images are replaced with reanalysis data of the total cloud cover and vorticity fields to overcome the limited access to observational data and allow long-term predictions. This replacement leads to an increase in data from 76 to 757 typhoons and reduces the error of 6-hour track forecasts by 40.9 %. Tracks are predicted in intervals of 6, 12, 18, and 24 hours with averaged absolute errors of 44.5, 68.7, 125.8, and 198.7 km, respectively. Typhoon intensities are predicted by extracting information from generated velocity fields with the same time interval. A result shows the averaged hit rates of 87.3, 83.2, 72.7, and 45.2 % respectively. Therefore, intensities are successfully predicted up to an 18-hour interval prediction.