• 한국정보전자통신기술학회논문지
• /
• 제16권5호
• /
• pp.307-314
• /
• 2023

슈퍼컴퓨팅 기술 및 하드웨어 기술이 발전함에 따라 기후 예측 모델도 고도화되고 있다. 한국 기상청 역시 영국 기상청으로부터 GloSea5을 도입하였고 한국 기상 환경에 맞추어 업데이트된 GloSea6를 운용 중이다. 각 대학 및 연구기관에서는 슈퍼컴퓨터보다는 사양이 낮은 중소규모 서버에서 활용하기 위해 저해상도 결합모델인 Low-GloSea6를 구축하여 사용하고 있다. 본 논문에서는 중소규모 서버에서의 기상 연구의 효율성을 위한 Low-GloSea6 소프트웨어를 분석하여 가장 많은 CPU Time을 점유하는 대기 모델의 tri_sor.F90 모듈의 tri_sor_dp_dp 서브루틴을 Hotspot으로 검출하였다. 해당 함수에 머신러닝의 한 종류인 선형 회귀 모델을 적용하여 해당 기법의 가능성을 확인한다. 이상치 데이터를 제거 후 선형 회귀 모델을 학습한 결과 RMSE는 2.7665e-08, MAE는 1.4958e-08으로 Lasso 회귀, ElasticNet 회귀보다 더욱 좋은 성능을 보였다. 이는 Low-GloSea6 수행 과정 중 Hotspot으로 검출된 tri_sor.F90 모듈에 머신러닝 기법 적용 가능성을 확인하였다.

• 한국지구과학회지
• /
• 제45권1호
• /
• pp.19-36
• /
• 2024

1개월과 3개월 장기 예보를 지원하기 위해 기상청에서 현업운용 중인 GloSea6 기후예측시스템에는 대기 중 대기화학-에어로졸 물리과정(UKCA)이 연동되어 있지 않다. 본 연구에서는 저해상도의 GloSea6와 여기에 대기화학-에어로졸 과정을 연동시킨 GloSea6-UKCA를 CentOS 기반 리눅스 클러스터에 설치하여 2000년 봄철에 대한 예비적인 예측결과를 살펴보았다. 현업 고해상도 GloSea6 모델이 방대한 전산자원을 필요로 한다는 점을 고려할 때, 저해상도 GloSea6와 GloSea6-UKCA 모델은 대기화학-에어로졸 과정의 연동에 따른 효과를 살펴보기에 적합하다. 저해상도 GloSea6와 GloSea6-UKCA는 2000년 3월 1일 00Z부터 75일 간 구동되었으며, 두 모델이 예측한 2000년 4월 지상 기온과 일평균 강수량의 공간 분포를 ERA5 재분석자료와 비교하였다. GloSea6-UKCA가 예측한 기온과 강수 분포는 기존 GloSea6에 비해 ERA5 재분석자료에 보다 더 유사해졌다. 특히 우리나라를 포함한 동아시아 지역에 대해 과대 모의 경향이 있던 봄철 지상 기온과 일평균 강수량의 예측 결과의 개선이 주목할 만하다. 또한 적분 시간에 따른 예측된 기온과 강수량의 시계열에서도 GloSea6-UKCA가 GloSea6보다 재분석자료에 더 가까워진 시간 변화 경향을 살펴볼 수 있었다. 이는 대기화학-에어로졸 과정이 GloSea6에 연동되었을 때 동아시아지역 봄철 예측 성능이 개선될 수 있음을 보여준다.

• 한국정보전자통신기술학회논문지
• /
• 제16권6호
• /
• pp.489-498
• /
• 2023

하드웨어의 성능 및 컴퓨팅 기술의 발전 덕분에 기후환경 변화를 대비하기 위해 기후예측 모델 또한 발전하고 있다. 한국 기상청은 GloSea6를 도입하여 슈퍼컴퓨터를 이용하여 기상 예측을 하고있으며, 각 대학 및 연구 기관에서는 중소규모 서버에서 사용하기 위해 저해상도 결합모델인 Low-GloSea6를 사용하여 기상 연구에 활용하고 있다. 본 논문에서는 중소규모 서버에서의 기상 연구의 원활한 연구를 위해 Low-GloSea6의 Intel VTune Profiler를 사용한 분석을 진행하였으며 1125.987초의 CPU Time을 수행하는 대기모델의 tri_sor_dp_dp 함수를 Hotspot으로 검출하였다. 수치적 연산을 진행하는 기존 함수에 머신러닝 기법의 하나인 비선형 회귀모델을 적용 및 비교하여 머신러닝 적용 가능성을 확인하였다. 기존 tri_sor_dp_dp 함수의 실제 연산되는 값인 1e-3 ~ 1e-20의 범위를 가지는 Output Data인 변수 "Px"를 기준으로 평가하였을때 K-최근접 이웃 회귀 모델은 MAE가 1.3637e-08, SMAPE가 123.2707%로 가장 우수하게 나타났으며 RMSE의 경우 Light Gradient Boosting Machine 회귀 모델이 2.8453e-08로 가장 우수한 성능을 보이는 것으로 측정되었다. 따라서 Low-GloSea6 수행 과정 중 tri_sor_dp_dp 함수의 데이터를 추출 후 비선형 회귀 모델을 적용한 결과로 기존의 tri_sor_dp_dp 함수의 수치적 연산 값과 K-최근접 이웃 회귀 모델을 비교하였을 때 SMAPE가 123.2707%의 오차가 발생하는 것으로 측정되어 기존 모듈의 대체 가능성이 있다는 것을 확인하였다.

• 한국정보전자통신기술학회논문지
• /
• 제14권5호
• /
• pp.349-361
• /
• 2021

컴퓨터 기술의 발전과 기상예보 모델 및 예측방식의 고도화에 따라 더 고성능의 기상예측 소프트웨어가 개발되었으며 슈퍼컴퓨터를 활용한 소프트웨어 수행으로 더욱 정밀하고 정확한 기상예보가 가능하게 되었다. 본 논문에서는 주요 6개국이 사용하고 있는 기상예측 예보 모델을 조사하여 그 특징들을 분석하고 현재 한국 기상청에서 영국 기상청과 2012년부터 협업하여 사용하고 GloSea 소프트웨어에 대하여 설명한다. 그런데 기존의 GloSea는 기상청 슈퍼컴퓨터에서만 수행되어 다양한 연구자들의 전문 분야별 세분화된 연구에 어려움이 있었다. 따라서 본 논문에서는 현재 우리나라에서 사용하고 있는 GloSea6 기반의 저해상도 버전을 로컬시스템에 사용할 수 있는 표준 실험환경을 구축하고 이를 테스트해봄으로써 연구실 환경에서 수행 가능한 저해상도 GloSea6의 로컬화를 제시하고자 한다. 즉, 본 논문에서는 사용자 단말기-계산서버-리퍼지토리 서버로 구성되는 기본 아키텍처를 구축하고 해당 소프트웨어의 실행 테스트를 수행함으로써 저해상도 GloSea6의 로컬 이식성을 검증한다.

• 대기
• /
• 제26권1호
• /
• pp.203-214
• /
• 2016

This study explores the 6-month lead prediction skill of stratospheric temperature and circulations in the Global Seasonal forecasting model version 5 (GloSea5) hindcast experiment over the period of 1996~2009. Both the tropical and extratropical circulations are considered by analyzing the Quasi-Biennial Oscillation (QBO) and Northern Hemisphere Polar Vortex (NHPV). Their prediction skills are quantitatively evaluated by computing the Anomaly Correlation Coefficient (ACC) and Mean Squared Skill Score (MSSS), and compared with those of El Nino-Southern Oscillation (ENSO) and Arctic Oscillation (AO). Stratospheric temperature is generally better predicted than tropospheric temperature. Such improved prediction skill, however, rapidly disappears in a month, and a reliable prediction skill is observed only in the tropics, indicating a higher prediction skill in the tropics than in the extratropics. Consistent with this finding, QBO is well predicted more than 6 months in advance. Its prediction skill is significant in all seasons although a relatively low prediction skill appears in the spring when QBO phase transition often takes place. This seasonality is qualitatively similar to the spring barrier of ENSO prediction skill. In contrast, NHPV exhibits no prediction skill beyond one month as in AO prediction skill. In terms of MSSS, both QBO and NHPV are better predicted than their counterparts in the troposphere, i.e., ENSO and AO, indicating that the GloSea5 has a higher prediction skill in the stratosphere than in the troposphere.

• 대기
• /
• 제25권2호
• /
• pp.323-337
• /
• 2015

This study explores the 6-month lead prediction skill of several climate indices that influence on East Asian climate in the GloSea5 hindcast experiment. Such indices include Nino3.4, Indian Ocean Diploe (IOD), Arctic Oscillation (AO), various summer and winter Asian monsoon indices. The model's prediction skill of these indices is evaluated by computing the anomaly correlation coefficient (ACC) and mean squared skill score (MSSS) for ensemble mean values over the period of 1996~2009. In general, climate indices that have low seasonal variability are predicted well. For example, in terms of ACC, Nino3.4 index is predicted well at least 6 months in advance. The IOD index is also well predicted in late summer and autumn. This contrasts with the prediction skill of AO index which shows essentially no skill beyond a few months except in February and August. Both summer and winter Asian monsoon indices are also poorly predicted. An exception is the Western North Pacific Monsoon (WNPM) index that exhibits a prediction skill up to 4- to 6-month lead time. However, when MSSS is considered, most climate indices, except Nino3.4 index, show a negligible prediction skill, indicating that conditional bias is significant in the model. These results are only weakly sensitive to the number of ensemble members.