김창현, 노명일, "기계학습 기반 선박 구상선수 형상 개조에 따른 성능 변화 예측의 불확실성 정량화", 2026년도 대한조선학회 춘계학술발표회, 제주, p. 117, 2026.05.27-05.29
Domestic Conference
2026.06.02 11:17
김창현, 노명일, "기계학습 기반 선박 구상선수 형상 개조에 따른 성능 변화 예측의 불확실성 정량화", 2026년도 대한조선학회 춘계학술발표회, 제주, p. 117, 2026.05.27-05.29
조회 수 711
| 첨부 '1' |
|---|
| Abstract | 본 연구는 선박 구상선수 개조에 따른 저항 성능 개선율 예측의 신뢰성을 확보하기 위해 기계학습 기반의 불확실성 정량화 방법론을 제안하였다. 컨테이너선과 PCTC를 포함한 9개 선종을 대상으로 선박 주요 제원, 운항조건과 구상선수 형상 특징을 나타내는 16개의 특성 파라미터를 정의하고, 구상선수 형상 변경 선형에 대한 CFD 해석을 수행하여 약 11만 건의 데이터베이스를 구축하였다. 학습 및 검증 시 데이터 유출 방지 및 모델의 일반화 성능 향상을 위해 선종별로 학습 세트를 구분하는 Leave-One-Out 전략을 적용한 앙상블 모델을 설계하였으며, 하위 모델 간 예측 표준편차, 신뢰구간, 변동계수를 산출하여 예측 값에 대한 정량적 신뢰 지표를 제공하였다. 또한, 마할라노비스 거리와 국부이상계수(LOF)에 특성 중요도 가중치를 반영하여 입력 데이터와 학습 데이터 간의 이격도를 계산함으로써 모델의 외삽 한계를 보완하고 신규 데이터에 대한 판별력을 높였다. 추가로 도메인 지식 기반의 단계적 학습 모델을 구성하여 단일 알고리즘을 이용한 End-to-End 학습 모델 대비 예측 정확도를 향상시켰으며, 수치 예측을 비롯하여 예측 불확실성을 확인할 수 있는 보조 지표를 동시에 제공함으로써 구상선수 개조 공사의 의사결정 지원 도구로서 본 방법론의 효용성을 확인하였다. |
|---|---|
| Publication Date | 2026-05-28 |
Prev 김윤식, 노명일, 여인창, 안도혁, 김용재, 김서영, 김민승, "...
김윤식, 노명일, 여인창, 안도혁, 김용재, 김서영, 김민승, "...
2026.06.02by
김정연, 노명일, 공민철, 장형운, "설계 P&ID와 3D 배관 데이터 간 매칭 데이터 자동 생성", 2026년도 대한조선학회 춘계학술발표회, 제주, p. 97, 2026.05.27-05.29 Next
김정연, 노명일, 공민철, 장형운, "설계 P&ID와 3D 배관 데이터 간 매칭 데이터 자동 생성", 2026년도 대한조선학회 춘계학술발표회, 제주, p. 97, 2026.05.27-05.29
2026.06.02by SyDLab
