AI 보정 기술, 3·4주 뒤 기상예보 정확도 2배 높였다

날씨를 3~4주 앞서 내다보는 예보가 인공지능(AI) 보정 기술을 만나 기후 평균에 의존하던 수준을 넘어섰다. 매사추세츠공과대학교(MIT) 연구진은 기존 기상예보 모델이 반복적으로 보이는 오류를 학습해 예측 성능을 높이는 확률편향보정(PBC) 기술을 개발했다고 밝혔다.

연구 결과는 2026년 10월 14일 네이처에 ‘기계학습을 활용한 계절 내 예측의 발전’이라는 제목으로 게재됐다. 연구진이 집중한 계절 내 예측은 수일에서 약 2주를 다루는 단기예보와 수개월 뒤의 평균적인 경향을 살피는 계절예측 사이를 잇는 영역이다. 논문의 핵심 검증 대상은 3주차인 19~25일과 4주차인 26~32일이었다.

2주 이후의 날씨는 예측을 시작할 때 생긴 작은 차이가 시간이 지나며 커지고, 반복 계산의 오차와 모델의 체계적인 편향도 누적돼 맞히기 어렵다. 이 때문에 하나의 미래를 단정하는 결정론 예보보다 여러 가능성과 각각의 확률을 함께 제시하는 앙상블 예보가 중요하다. 농업 계획이나 물·에너지 배분, 한파·홍수 같은 재난 대비에서는 몇 주 앞선 위험의 확률을 아는 것 자체가 의사결정에 도움을 줄 수 있다.

PBC는 대기의 움직임을 처음부터 새로 계산하는 예보 모델이 아니다. 기존 역학 모델이나 AI 모델, 두 방식을 섞은 모델이 내놓은 확률분포를 뒤에서 바로잡는 가벼운 ‘래퍼’다. 예측값의 평균적인 중심만 옮기는 데 그치지 않고 분포의 폭과 형태까지 보정한다.

구체적으로는 두 기법을 묶었다. ‘Debias++’는 위치와 날짜, 예측값이 분포에서 차지하는 분위별 오차를 학습한다. ‘Persistence++’는 최근 관측값과 기후값을 결합한다. 연구진은 두 결과를 앙상블해 기존 예보가 놓친 지역별·시기별 편향을 줄였다.

2016~2024년 유럽중기예보센터(ECMWF)의 역학예보에 적용한 결과, 기존 운영 보정 방식보다 성능이 향상된 격자의 비율은 강수 98%, 지상 2m 기온 91~92%, 해면기압 89~91%였다. 검증은 전 지구를 위도와 경도 1.5도 간격으로 나눈 격자에서 이뤄졌다.

평가에는 확률예보를 장기간 기후평균과 비교하는 순위확률기술점수(RPSS)가 쓰였다. 이 값이 양수면 기후평균만 활용한 예측보다 낫고, 음수면 그보다 못하다는 뜻이다. 원시 ECMWF 강수예보의 양의 RPSS 0.023은 PBC 적용 뒤 약 3배가 됐다. 음수였던 기온과 해면기압 점수도 양수로 바뀌었다.

‘2배’라는 결과는 2~6주 전체를 한꺼번에 뜻하지 않는다. 2025년 ECMWF의 AI 예보시스템 AIFS-SUBS가 3·4주차에서 기록한 기상변수·선행시간 평균 RPSS 0.03을 PBC가 2배로 높였다는 의미다. 연구진에 따르면 이 결과는 장기간 기후평균을 기준으로 삼는 예측보다 높은 성능을 보였다는 데 의의가 있다.

미국 해양대기청은 2주에서 2년 사이의 예측 공백을 계절 내·계절 간 예측 연구의 정책 대상으로 두고 있다. 이 분야는 2017년 미국 기상법의 우선 분야에도 포함됐으며, 물과 에너지 배분, 농업, 재난 대비에 활용하는 것이 목표다. 이번 기술은 기존 예보 체계를 버리지 않고 결과를 사후 보정하는 방식이어서 여러 종류의 예보 모델에 결합할 수 있다는 점에서도 의미가 있다.

자료: 매사추세츠공과대학교, 네이처, 유럽중기예보센터, 미국 해양대기청