K-CRP | GPA 분석엔진

파이프라인 실행 상태

📡

데이터 수집·정합

GOCI-II·ROMS·HYCOM·관측망
OI 자료동화 완료

완료 2.1s

⚙️

경량 물리 전처리

500m 다운스케일링
T_TIDE 조석 · KPP MLD

완료 3.4s

🔀

멀티소스 퓨전

CNN 공간·LSTM 시계열
Attention 가중치 적용

완료 1.8s

🤖

GPA 추론 (진행 중)

PINN + ST-GNN 순전파
물리 제약 검증 중...

진행 중 2.4s...

🎲

앙상블 추론

50 멤버 불확실성 추정

대기 중

🎯

CRI 산출·출력

복합위험지수 공간 매핑

대기 중

엔진 성능 지표

추론 시간

2.4s

GPU A100

PINN Loss

0.0042

수렴 안정

물리 위반율

0.3%

목표 <1%

예측 신뢰도

89%

앙상블 평균

학습 Loss 추이

Total

Physics

Data

GPA 엔진 전체 아키텍처

🛰

GOCI-II

위성 영상
250m · 1h

CNN 처리

🌊

ROMS/HYCOM

수치모델
1~9km · 6h

물리 Prior

📍

현장 관측망

부이·수질망
실시간

LSTM 처리

🌤

기상 예보

기상청 수치
1.5km · 3h

Attention

⟹

⚙️

경량 물리 전처리층

① 연안 다운스케일링
  500m 격자화·지형 보정
② T_TIDE 조석·조류
  조화상수 기반 계산
③ KPP MLD 진단
  수직 혼합층 깊이
④ OI 자료동화
  초기장 최적내삽

⟹

🧠

PINN 코어

Physics Loss 내재화
보존 법칙 제약

핵심 ★

🔄

LSTM + Attention

시계열 패턴 학습
변수 간 상관관계

🕸

ST-GNN

공간-시간 그래프
해류 엣지 가중치

⟹

🎲

앙상블 모듈

멤버 50개
불확실성 σ
MC Dropout
Deep Ensemble

⟹

🎯

CRI 예측값

복합위험지수
48~72h 시계열

📊

불확실성 범위

σ 신뢰구간
앙상블 분산

🔍

SHAP → XAI

변수 기여도
자동 리포트

실시간 추론 현황 (남해 통영·거제)

현재 CRI 예측값

0.74

4단계 경보 · σ=0.031

24h 예측 CRI

0.78

경보 심화 예상 · σ=0.039

72h 예측 CRI

0.65

완화 가능성 · σ=0.058

SST 예측 (24h)

30.1°

고수온 지속 · 임계+2.1°C

DO 예측 (24h)

3.1

빈산소 심화 · mg/L

MLD 예측 (24h)

3.1m

성층 심화 → 빈산소 가속

Physics-Informed Neural Network (PINN) 구조

📐 Loss 함수 설계

총 손실함수는 데이터 손실과 물리 제약 손실의 가중합으로 구성됩니다. λ₁·λ₂는 물리 제약 강도를 조절하는 하이퍼파라미터입니다.

L_total = L_data
+ λ₁ × L_physics
+ λ₂ × L_boundary

현재: λ₁=0.8, λ₂=0.3
L_total = 0.0042 ✓

🌊 해양 물리 제약 조건

해양 물리 방정식을 위반하는 예측에 페널티를 부과합니다. 데이터가 부족한 구간에서도 물리적으로 타당한 예측을 보장합니다.

① 열역학: ∂T/∂t + u·∇T = κ∇²T
② 연속방정식: ∇·u = 0
③ DO 소모: ∂O₂/∂t = -R·f(T,S)
④ MLD: Ri < Ri_cr → 혼합
⑤ 수온-염분 관계: T-S 제약

🔄 자동 미분 (AD) 적용

PyTorch autograd를 활용해 편미분 항을 자동으로 계산합니다. 수치 미분 대비 정확도가 높고 역전파와 통합이 용이합니다.

# PyTorch autograd
T = model(x, t)
dT_dt = grad(T, t)
dT_dx = grad(T, x)
L_phys = MSE(
dT_dt + u*dT_dx,
kappa*laplacian(T)
)

✅ 물리 제약 검증 현황

현재 추론 결과의 물리 제약 준수율입니다. 위반 사례는 자동으로 재추론 또는 보정 처리됩니다.

열역학 보존: 99.8% ✓
연속방정식: 99.9% ✓
DO 소모 모델: 99.4% ✓
MLD 물리범위: 100% ✓
T-S 관계: 99.7% ✓
────────────────
전체 위반율: 0.3% ✓

PINN vs 순수 데이터 기반 ML 비교

평가 항목순수 MLGPA (PINN)개선

물리 법칙 준수

보장 없음

99.7%

★★★★★

관측 공백 구간 예측

불안정

물리 보간

★★★★☆

72h 예측 RMSE (SST)

1.42°C

0.84°C

↓41%

극값 예측 (고수온)

과소 추정

정확 포착

★★★★★

새 권역 전이학습

재학습 필요

Fine-tuning

★★★☆☆

멀티소스 데이터 융합 아키텍처

🛰

GOCI-II 위성

SST·클로로필·탁도
250m · 1시간

🌊

ROMS 수치모델

해류·수온·염분
1~3km · 6시간

📍

현장 관측망

DO·수온·염분
47개 부이 실시간

🌤

기상청 수치예보

풍향·풍속·강수
1.5km · 3시간

⬇

🔀 Cross-Modal Attention Fusion

위성(CNN 임베딩) × 수치모델(물리 Prior) × 현장관측(LSTM) × 기상(시계열)
4개 소스를 Cross-Attention으로 가중 결합 → 통합 해양 상태 표현 생성

d_model=512 8 Heads 4 Layers

⬇

현재 Attention 가중치 분포 (CRI 예측 기준)

GOCI-II

0.38

ROMS

0.28

현장관측

0.22

기상

0.12

위성(GOCI-II) 가중치가 가장 높음 — 고수온·빈산소 탐지에 위성 SST 기여 최대

GPA 모델 검증 결과 — 남해 시범지역 (2020~2024)

예측 변수RMSEBias상관계수평가

SST (표층 수온)

0.84°C

+0.12

0.96

우수

DO (저층 용존산소)

0.31mg/L

-0.08

0.91

양호

클로로필-a

1.82μg/L

+0.34

0.88

양호

MLD (혼합층 깊이)

0.62m

+0.05

0.94

우수

CRI 고수온 탐지율

—

71.2%

CRI 오경보율

—

28.4% ↓

72h 예측 정확도 시계열 (통영권 2024 여름)

실시간 추론 모니터 — 전 권역

권역CRI단계추론시간신뢰도

남해 통영·거제

0.74

4단계

2.4s

89%

남해 여수·순천

0.61

3단계

2.1s

82%

서해 천수만

0.48

2단계

1.9s

76%

서해 가로림만

0.31

2단계

1.8s

79%

동해 강릉·속초

0.18

1단계

1.6s

91%

배치 추론 스케줄

⚡ 실시간 추론 (1h 주기)

GOCI-II 수신 → 즉시 추론
5개 권역 병렬 처리
총 소요: 평균 14.2s
CRI 갱신 → 경보 트리거

🎲 앙상블 추론 (6h 주기)

ROMS 새 출력 시 실행
50 멤버 병렬 추론
총 소요: 평균 68s
불확실성 범위 갱신

🔁 모델 재학습 (월 1회)

신규 관측 데이터 추가
Fine-tuning 2~4시간
A/B 검증 후 배포
권역별 도메인 적응

🛡 Fallback 시스템

ROMS 장애 시 자동 전환
경량 물리층 단독 예측
24h 임시 예보 유지
자동 알림 → 운영팀

실시간 시스템 로그

GPU 리소스 모니터

GPU 점유율

78%

VRAM 사용

38.4GB

GPU 온도

67°C

배치 처리

42%

실행 로그

14:32:07[OK] GOCI-II 13:00 KST 수신 완료

14:32:08[RUN] CNN 위성 피처 추출 (250m)

14:32:09[OK] 경량 물리층 초기화

14:32:09[RUN] T_TIDE 조석 계산 (통영)

14:32:10[OK] KPP MLD 진단 완료 4.2m

14:32:10[WARN] ROMS 지연 6분 — OI 대기

14:32:11[RUN] PINN 순전파 (통영·거제)

14:32:12[OK] 물리 제약 검증 통과 0.3%

14:32:13[RUN] ST-GNN 해류 그래프 추론

14:32:13[RUN] LSTM 시계열 72h 예측 중

데이터 품질 지표

관측 결측률4.2%

위성 운량 차폐12.1%

ROMS 자료동화율94.8%

OI 수렴 반복수8회