Advancement of AI-based Seasonal Prediction Methods
AI 기반 계절 예측 기법 개발 및 고도화
기후 데이터의 제한성과 불완전성을 극복하기 위해 unsupervised learning 기반 representation learning 기법과 도메인 지식 기반 data augmentation 기법을 개발합니다. 이를 통해 엘니뇨/라니냐, 동아시아 온도 및 강수량, 북극 해빙 면적 등 주요 기후 변동성을 예측할 수 있는 AI 기반 전지구 계절 예측 시스템을 구축합니다. 또한 Implicit Neural Representation 등 고해상도 AI 기법을 적용하여 예측 결과의 공간적 해상도와 상세도를 향상시키는 연구를 수행합니다.
We develop AI-based seasonal prediction methods to address the limitations and incompleteness of climate datasets. Our research focuses on unsupervised learning–based representation learning and domain knowledge–based data augmentation techniques. These approaches aim to build a global AI-based seasonal prediction system capable of forecasting major climate variability such as El Niño/La Niña, East Asian temperature and precipitation, and Arctic sea ice extent. In addition, we apply high-resolution AI techniques, including Implicit Neural Representation, to enhance the spatial resolution and detail of seasonal prediction outputs.
