전 세계적으로 기상이변에 따른 수재해의 발생빈도 및 강도가 증가함에 따라 국내에서도 급격한 강우 패턴 변화에 따른 다양한 홍수피해가 지속적으로 발생하고 있으며, 이로 인한 피해를 사전에 방지 및 저감 하기 위해 정확도 높은 강우량 정보의 생산과 예측 기술의 발전이 더욱 중요시되고 있다. 현재 국내 기상청에서는 수치예보모델을 이용한 6시간 이내의 초단기 예보자료(KLAPS, MAPLE)를 제공하고 이를 수재해 대응을 위해 활용 중이나 시·공간 변동성이 큰 강우의 특성상 정확한 예측 강우량 정보를 제공하기에 한계가 존재한다. 이를 보완하고자 본 연구에서는 환경부 강우 레이더를 활용한 딥러닝 기반 초단기 예측 모형 개발을 목적으로, 국내·외에서 사용된 여러 딥러닝 알고리즘을 비교·분석하였으며 예측 성능 향상을 위한 기법을 제시하고자 한다. 모형의 입력자료는 공간 해상도를 3km로 변환한 10분 단위 레이더 강우 자료이며, 2019년부터 2021년 사이에 발생한 6개의 강수 사상을 추출하여 활용하였다. 그리고 합성곱층(Convolution layer)을 활용한 Unet, ConvLSTM, DCGAN 등의 알고리즘을 구축하여 선행 10분부터 180분(3시간)까지 예측을 수행하고 RMSE, MAE, CC 등을 이용한 정량적 평가 및 강수 분할표 기반의 평가 지표를 이용한 정성적 평가를 통하여 초단기 강우 예측에서의 성능을 비교·분석하였다. 또한 데이터 분할 학습을 적용하고 예측 결과의 공간 평활화 및 극한 강우량 과소 추정 문제의 개선과 학습 메모리 절감을 확인하였다. 딥러닝 기반의 강우 예측 모형은 돌발성 수재해 대응을 위한 실시간 홍수 예보에 신뢰도 높은 2차원 예측 강수 자료를 제공할 수 있으며, 여러 수문·기상인자들을 활용