최근 우리나라 주변 해역 수온이 지속적으로 증가하고 있다. 이러한 수온 상승은 그동안 한반도 해역에서 볼 수 없었던 어종을 출현하게 하는 등 해양 생태계를 변화시키고 있으며, 특히 고수온의 지속은 양식업을 하는 어민들에게 큰 피해를 주기도 한다. 한편, 수온의 변화는 해군의 군사작전과도 밀접히 연관되어 있다. 적대세력의 잠수함을 탐지하는 대잠작전을 위해서는 음파를 사용하게 된다. 이러한 음파는 수온이 높을수록 빨라지는 특징을 보인다. 수온층이 어떻게 형성되어 있느냐에 따라 음파가 회절 또는 굴절하기도 하는 것이다. 이처럼 수온은 어업뿐만이 아니라 군사적으로도 연관되어 있기에 해양수온을 예측하는 연구가 현재 활발히 진행되고 있다. 그러나 기존 연구의 경우 표층수온 만을 예측하는 데 중점을 두었기 때문에 수심에 따른 어족자원 형성이나 수온층 형성과 같은 활용에는 제약이 있었다. 이에 본 연구는 표층 수온만이 아닌 수심별 수온을 예측하는 데 목적을 두었다. 이를 위해 국립해양조사원과 국립수산과학원에서 관측한 표층·중층·저층 수온을 활용하는 한편, 수온과 상관관계가 있는 기온, 기압, 일조량 등의 데이터를 추가적으로 활용하여 저층수온 예측을 시도하였다. 예측을 위해서 기존의 수온 예측방법인 수치모델을 사용하지 않고 인공지능을 활용하였으며, 연속적인 데이터인 시계열 자료 예측에 우수한 성능을 보이는 Bidirectional LSTM 기법을 사용하였다. 실험결과 1시간 예측을 기준으로 기압과 기온, 일조량 데이터를 같이 활용한 예측모델의 RMSE(Root Mean Square Error)는 0.473이었다. 반면, 표층수온 만을 활용하여 저층수온을 예측한 모델의 RMSE는 0.631로 저층수온과 상관관계가 높은 해양관측 데이터를 함께 활용한 모델이 우수한 성능을 보이는것을 확인하였다.