이준범, 노명일, 김기수, 한기민, 이갑헌, "딥 러닝 기반 해기상 및 선박 소요 마력 예측", 2020년도 한국CDE학회 동계학술발표회, 평창, pp. 343, 2020.02.05-08
Domestic Conference
2019.12.17 15:31
이준범, 노명일, 김기수, 한기민, 이갑헌, "딥 러닝 기반 해기상 및 선박 소요 마력 예측", 2020년도 한국CDE학회 동계학술발표회, 평창, pp. 343, 2020.02.05-08
조회 수 273
| 첨부 '1' |
|---|
| Abstract | 선박의 연료 소모량을 최소로 하는 항로를 결정하기 위해서는 해기상 정보의 확보와 그에 따른 소요 마력의 추정이 필요하다. 해기상 정보는 일반적으로 ECMWF (European Centre for Medium-Range Weather Forecast), HYCOM (Hybrid Coordinate Ocean Model) 등 기상 정보 업체로부터 취득할 수 있다. 하지만 일반적인 기상 정보 업체는 6주 정도의 예측 정보를 제공하므로 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 예측하기 쉽지 않고, 이를 예측하기 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. 해기상 정보 예측 모델과 선박의 소요 마력 예측 모델을 개발하기 위해 본 연구에서는 딥 러닝 기법을 적용하였다. 전 세계의 해상에 대한 해기상 예측을 위해 Convolutional LSTM을 활용하였으며, 예측된 해기상 및 선박 정보를 바탕으로 선박의 소요 마력을 예측하기 위해서 DFN (Deep Feedforward Neural network)을 활용하였다. 또한, 예측 정확도의 향상을 위해 AutoEncoder, K-means clustering 등을 추가로 적용하였다. 제안된 방법의 효용성을 검토하기 위해 실제 값과 개발된 두 가지 모델로 예측된 결과의 비교 검증을 수행하였으며, 그 결과 충분히 적용 가능한 수준의 예측 모델을 도출하였음을 확인하였다. |
|---|---|
| Publication Date | 2020-02-07 |
