Skip to content
Extra Form
Abstract 선박의 소요 마력을 최소로 하는 경제 항로를 결정하기 위해 해기상 예측과 그에 따른 소요 마력 예측이 필요하다. 일반적으로 European Centre for Medium-Range Weather Forecast (ECMWF), Hybrid Coordinate Ocean Model (HYCOM) 등 기상 정보 업체로부터 해기상 정보를 확보할 수 있다. 하지만 일반적인 기상 정보 업체는 6주 정도의 단기 예측을 하기 때문에 장기 예측이 필요할 때는 해기상 정보를 자체적으로 예측해야 한다. 기존의 연구에서는 주로 특정 해역에서 파고, 파 주기, 파향 등 한정적인 해기상 정보에 대한 예측만 이루어져 전 해상 영역에 대한 해기상 정보 예측에는 한계가 존재했다. 따라서 본 연구에서는 파고, 파 주기, 파향, 풍속, 풍향, 유속, 유향, 수온 등 8가지 해기상 정보를 전 해상 영역에 대해 예측하는 방법을 제안하였다. 한편, 소요 마력 추정의 경우, 기존에는 해석적 방법과 통계적인 방법을 조합해 추정하였다. 그래서 추정 결과가 실제 운항 데이터와는 많은 오차가 존재했다. 이러한 한계점을 극복하기 위해 본 연구에서는 실제 운항 데이터를 기반으로 한 소요 마력 추정 방법을 제안하였다. 특히, 본 연구에서는 해기상 및 소요 마력 예측 모델을 개발하기 위해 딥 러닝 기법을 적용했다. 전 해상 영역에 대한 해기상 예측을 위해 시계열 이미지를 예측하는데 적합한 Convolutional LSTM을 활용하였으며, 선박의 소요 마력을 예측하기 위해 DFN (Deep Feedforward Neural network)을 활용하였다. 또한, 예측 정확도의 향상을 위해 데이터의 전처리를 진행하였으며, AutoEncoder, hyperparameters optimization, K-means clustering 등의 기법을 추가로 적용하였다. 제안된 방법의 효용성을 평가하기 위해 실제 값과 개발된 모델로 예측된 결과를 비교하여 검증하였으며, 그 결과 본 연구에서 제안한 방법의 효용성을 확인하였다.
Keywords: Ocean environmental data, Ship;s required power, DFN (Deep Feedforward Neural network), Convolutional LSTM (Long Short-Term Memory), AutoEncoder
Publication Date 2020-11-06

이준범, 노명일, 김기수, 한기민, 이갑헌, "딥 러닝을 이용한 해기상 및 소요 마력 예측 모델 개발", 2020년도 대한조선학회 추계학술발표회, 창원, pp. 453-454, 2020.11.05-06


  1. No Image 04Mar
    by
    in Domestic Conference

    이혜원, 구남국, 하솔, 노명일, "다물체계 동역학을 이용한 해양 플랜트의 라이저 인장 장치의 동적 거동 해석", 2014년도 한국CAD/CAM학회 동계학술발표회, pp. 771-780, 평창, 2014.02.12-14

  2. No Image 04Dec
    by
    in Domestic Conference

    이준채, 차주환, 노명일, 황지현, 이규열, "LNG FPSO Topside 의 Liquefaction Process 에 대한 Pre-FEED 단계에서의 Dual Mixed Refrigerant Cycle 최적 운전 조건 결정", 2010년도 대한조선학회 추계학술발표회, 창원, pp. 693-707, 2010.10.21-22

  3. No Image 05Dec
    by
    in Domestic Conference

    이준채, 구남국, 황지현, 노명일, 이규열, "LNG FPSO 액화 사이클의 최적 합성", 2011년도 대한조선학회 추계학술발표회, 목포, pp. 243-249, 2011.11.03-04

  4. No Image 05Dec
    by
    in Domestic Conference

    이준채, 구남국, 황지현, 노명일, 이규열, "LNG FPSO 액화 공정 사이클의 최적 설계", 2012년도 한국CAD/CAM학회 학술발표회, 평창, pp. 214-222, 2012.02.01-03

  5. No Image 05Dec
    by
    in Domestic Conference

    이준채, 구남국, 이규열, 차주환, 노명일, 황지현, "LNG FPSO Topside 액화 공정 Dual Mixed Refrigerant Cycle의 최적 운전 조건 결정", 2011년도 해양플랜트설계연구회 춘계 워크샵, 울산, pp. 1-23, 2011.07.07-08

  6. No Image 20Oct
    by SyDLab
    in Domestic Conference

    이준범, 노명일, 김기수, 한기민, 이갑헌, "딥 러닝을 이용한 해기상 및 소요 마력 예측 모델 개발", 2020년도 대한조선학회 추계학술발표회, 창원, pp. 453-454, 2020.11.05-06

  7. No Image 17Dec
    by
    in Domestic Conference

    이준범, 노명일, 김기수, 한기민, 이갑헌, "딥 러닝 기반 해기상 및 선박 소요 마력 예측", 2020년도 한국CDE학회 동계학술발표회, 평창, pp. 343, 2020.02.05-08

  8. No Image 02Apr
    by
    in Domestic Conference

    이준범, 노명일, 김기수, 손명조, 한기민, 김대헌, "딥러닝 기법을 이용한 해기상 데이터 예측", 2019년도 대한조선학회 춘계학술발표회, 제주, pp. 491, 2019.05.15-17

  9. No Image 16Aug
    by
    in 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

  10. No Image 16Oct
    by
    in Domestic Conference

    이준범, 노명일, 김기수, 김상엽, 한기민, 김대현, "딥 러닝 기법을 이용한 선박의 소요 마력 예측", 2019년도 대한조선학회 추계학술발표회, 경주, pp. 523, 2019.10.24-26

Board Pagination Prev 1 ... 8 9 10 11 12 13 14 15 16 17 ... 29 Next
/ 29

Powered by Xpress Engine / Designed by Sketchbook

sketchbook5, 스케치북5

sketchbook5, 스케치북5

나눔글꼴 설치 안내


이 PC에는 나눔글꼴이 설치되어 있지 않습니다.

이 사이트를 나눔글꼴로 보기 위해서는
나눔글꼴을 설치해야 합니다.

설치 취소