이준범, 노명일, 김기수, 손명조, 한기민, 김대헌, "딥 러닝 기반 해기상 및 소요 마력 예측", 2019년도 한국CDE학회 하계학술발표회, 제주, pp. 235, 2019.08.19-22
이준범, 노명일, 김기수, 손명조, 한기민, 김대헌, "딥 러닝 기반 해기상 및 소요 마력 예측", 2019년도 한국CDE학회 하계학술발표회, 제주, pp. 235, 2019.08.19-22
첨부 '1' |
---|
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 |
-
김진혁, 노명일, 여인창, "설계 요구 조건을 고려한 국부 변형 기반 상선의 선형 변환 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 47, 2023.02.08-11
-
이혜원, 노명일, 함승호, 남보우, "LNG 로딩 암의 최적 설계를 위한 동적 거동 해석 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 108, 2023.02.08-11
-
전도현, 노명일, 이혜원, 유동훈, "연안 적용을 위한 충돌 위험도 산정 및 충돌 회피 경로 생성 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 49, 2023.02.08-11
-
김하연, 노명일, 이혜원, 조영민, "센서 데이터를 이용한 선박의 추적 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 109, 2023.02.08-11
-
조영민, 노명일, 이혜원, 공민철, "자율 운항 선박을 위한 개선된 센서 융합 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 107, 2023.02.08-11
-
하지상, 노명일, 공민철, 김기수, "격벽, 장비 및 배관을 고려한 선박의 배치 설계 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 8, 2023.02.08-11
-
여인창, 노명일, 이혜원, 유동훈, "선박용 서라운드 뷰 영상의 자동 생성 방법", 2023년도 한국CDE학회 동계학술발표회, 평창, pp. 45, 2023.02.08-11
-
Min-Chul Kong, Myung-Il Roh, In-Chang Yeo, Ki-Su Kim, Jeongyoul Lee, Jongoh Kim, Gapheon Lee, "A Detection Method of Objects with Text in Drawings Based on Deep Learning", Proceedings of ISOPE 2023, Ottawa, Canada, 2023.06.19-23
-
Myung-Il Roh, "Applications of Deep Learning in Ship Design, Production, and Operation Stages", Proceedings of ICDM(International Conference on Decarbonization and Digitalization in Marine Engineering) 2022, Siheung, Korea, 2022.04.28-29
-
노명일, "선박 설계, 생산 및 운용 단계에서의 딥 러닝 활용 예, 2020년도 선박해양플랜트구조연구회 워크샵, 2021.02.18