Domestic Conference

이준범, 노명일, 김기수, 손명조, 한기민, 김대헌, "딥 러닝 기반 해기상 및 소요 마력 예측", 2019년도 한국CDE학회 하계학술발표회, 제주, pp. 235, 2019.08.19-22

by SyDLab posted Aug 16, 2019
?

단축키

Prev이전 문서

Next다음 문서

ESC닫기

크게 작게 위로 아래로 댓글로 가기 인쇄
Extra Form
Abstract 선박의 연료 소모량을 최소로 하는 항로를 결정하기 위해서는 해기상 정보의 확보와 그에 따른 소요 마력의 추정이 필요하다. 해기상 정보는 일반적으로 기상 정보 업체 (NOAA, ECMWF 등)로부터 취득할 수 있다. 하지만 운항 중인 선박에서 해기상 정보의 취득이 어렵거나 기상 정보 업체에서 제공하지 않는 보다 장기의 예측이 필요할 경우에는 해기상 정보를 자체적으로 예측할 수 있는 방법이 필요하다. 기존의 연구에서는 주로 특정 해역에서 파고, 파 주기 등 제한된 해기상 정보에 대한 예측만 이루어져 적용에 한계가 존재했다. 또한 소요 마력의 추정은 고도의 계산을 필요로 하기 때문에 실시간으로 계산하기 위해서는 쉽지 않고, 이를 해결하기 위해 통계적인 방법 등 간단한 방법을 활용할 경우 예측 값의 정확도에 문제가 있었다. 따라서 본 연구에서는 파고, 파 주기, 파향, 풍속, 풍향, 유속, 유향, 수온 등 8가지 해기상 정보를 전 해상 영역에 대해 예측할 수 있는 방법을 연구했다. 나아가 예측된 해기상 정보를 통해 선박의 소요 마력을 예측하는 방법을 연구하였다. 즉, 각각의 예측을 위해 DFN (Deep Feedforward Neural network), LSTM (Long Short-Term Memory), 그리고 convolutional LSTM 등 딥 러닝 기술을 이용하였다. 제안된 방법의 효용성을 검토하기 위해 실제 데이터와의 비교 검증을 수행하였으며, 그 결과 충분히 적용 가능한 수준의 예측 모델을 도출하였음을 확인하였다.

Keyword: Ocean Environmental Data, Required Power of a Ship, Economic Route, DFN (Deep Feedforward Neural network), LSTM (Long Short-Term Memory), Convolutional LSTM
Publication Date 2019-08-21

이준범, 노명일, 김기수, 손명조, 한기민, 김대헌, "딥 러닝 기반 해기상 및 소요 마력 예측", 2019년도 한국CDE학회 하계학술발표회, 제주, pp. 235, 2019.08.19-22