동해와 같은 지역 해역의 해수면 온도(SST)를 정확하게 예측하는 것은 해양 생태계 모니터링, 기후 위험 평가, 어업 관리 및 해군 작전 수행에 매우 중요합니다. 기존 수치 해양 모델은 신뢰할 수 있는 예측을 제공하지만 계산 비용이 많이 들고 실시간 예측에는 종종 적합하지 않습니다. 많은 딥러닝 방법 역시 고차원 시공간 해양 데이터 처리에 어려움을 겪으며, 장기간 예측 과정에서 오차가 누적되는 문제가 있습니다. 본 연구는 이전에 합성 동역학 시스템에 대해 도입하고 테스트했던 적응형 차세대 레저버 컴퓨팅(Adaptive NVAR) 프레임워크를 기반으로 하여 이를 해양 예측에 확장합니다. 우리는 특이값 분해(SVD)와 Adaptive NVAR를 결합하여 동해의 SST 역학을 예측하는 저차원 예측 프레임워크를 제시합니다. SST 필드는 SVD를 사용하여 낮은 차원의 표현으로 압축되며, 이는 해양 변동성의 지배적인 모드를 추출합니다. Adaptive NVAR는 이러한 잠재 상태(latent states)의 시간적 진화를 모델링하고, 예측된 상태는 SST 예측으로 재구성됩니다. 우리는 지역 해양 데이터셋을 사용하여 이 프레임워크를 평가하고 표준 NG-RC/NVAR와 비교했습니다. 그 결과, Adaptive NVAR가 여러 예측 지평에서 일관되게 더 낮은 예측 오차를 달성함을 보여줍니다. 또한, SVD는 계산 복잡도를 줄여 실시간 해양 예측에 적합한 빠르고 확장 가능한 프레임워크를 구현합니다.