인공지능 (Artificial intelligence, AI) 예보모델은 물리 기반 수치예보모델 대비 특정 기상 변수에 대한 예측 오차가 더 작은 장점이 있으나, 수평 해상도, 예측 시점, 출력 변수 변경 등 모델 설정의 유연성이 제한된다. 반면 수치예보모델은 대기의 역학적·물리적 과정을 기반으로 대기 상태를 모의하며 모델 설정이 유연한 장점이 있지만, 계산 비용이 크다는 한계가 있다. 최근에는 두 모델의 상호 보완적 특징을 바탕으로, AI 예보모델의 예측을 수치예보모델의 예측에 동화함으로써 각 모델의 장점을 융합하는 AI·물리 기반 하이브리드 수치예보 시스템이 제안되었다. 본 세미나에서는 변분 자료동화 기반의 하이브리드 수치예보 시스템과 그 예측 성능 평가 결과를 소개한다.
  제안된 하이브리드 시스템의 예측 성능을 2024-2025년 한국 집중 호우 사례들과 2024년 태풍 야기 사례에서 평가했다. 하이브리드 시스템은 기존 수치예보모델 대비 집중호우 사례에서 18–24시간 선행 예측의 누적 강수 오차를 감소시켰으며, 태풍 사례에서도 72시간까지의 경로 예측 오차를 유의미하게 줄였다. 이는 AI 예보모델이 생산하는 상대적으로 정확한 미래 대기 상태가 수치예보모델에서 효과적인 제약 조건으로 작용한 결과로 해석된다. 또한, AI·물리 기반 하이브리드 수치예보 전략이 위험 기상 현상에 대한 예측 정확도를 높이고, 기상 재난 대응 역량 강화에 기여할 수 있음을 시사한다.