AI 기법을 활용한 제주도 남서부 해역의 입자추적 예측 연구
AI-Based Particle Position Prediction Near Southwestern Area of Jeju Island
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 제주도 남서부 해역의 표류체 이동 예측을 위해 2020년 8월 제주도 남서부 5개 지점에서 투하된 표층 뜰개 위치자료와 수치모델 예측자료를 학습자료로 이용한 인공지능 기반 입자추적 모델 5개를 구축하였다. 구축된 AI 기법은 기계학습 3종(Extra Trees, LightGBM, Support Vector Machine)과 딥러닝 2종(DNN, RBFN)이다. 또한 해수유동 수치모델 입자추적 예측자료 1종 및 AI 기법 입자추적 예측자료 5종을 표층 뜰개 관측자료와 비교하여 각 예측모델별 예측 정확도를 평가하였다. 6종 모델의 예측 정확도를 평가하기 위해, 5개 정점에 대한 3개 스킬량(MAE, RMSE, NCLS)의 평균값을 비교 검토하였다. 최종적인 결과로서 딥러닝 DNN 모델이 MAE, RMSE, NCLS 에서 다른 모델보다 가장 우수하게 나타났다.
Abstract
Positions of five drifting buoys deployed on August 2020 near southwestern area of Jeju Island and numerically predicted velocities were used to develop five Artificial Intelligence-based models (AI models) for the prediction of particle tracks. Five AI models consisted of three machine learning models (Extra Trees, LightGBM, and Support Vector Machine) and two deep learning models (DNN and RBFN). To evaluate the prediction accuracy for six models, the predicted positions from five AI models and one numerical model were compared with the observed positions from five drifting buoys. Three skills (MAE, RMSE, and NCLS) for the five buoys and their averaged values were calculated. DNN model showed the best prediction accuracy in MAE, RMSE, and NCLS.
참고문헌 (19)
- 변도성, "국립해양조사원 해양예측시스템 소개 (I): 현업 운영 전략, 외부 해양․기상 자료 내려 받기 및 오류 알림 기능", 바다, 22(3), pp.103~117 (2017), 한국해양학회
- 천범석, "DNN 회귀모형을 이용한 산악 지형 토양수분 산정", 한국농공학회논문집, 62(5), pp.93~103 (2020), 한국농공학회[DOI]
- Geurts, P., "Extremely randomized trees", Machine Learning, 63(1), pp.3~42 (2006)
- Ha, S.Y., "A study on the trajectory prediction of drifting buoys considering machine learning methods in the Korea Strait", Master, pp.2021
- 하승윤, "대한해협에서 표층 뜰개 이동 예측 연구", 한국해안·해양공학회논문집, 34(1), pp.11~18 (2022), 한국해안,해양공학회[DOI]
- 함도식, "기계학습법을 이용한 동해 남서부해역의 표층 이산화탄소분압(fCO2) 추정", 바다, 24(3), pp.375~388 (2019), 한국해양학회[DOI]
- Ke, G., "Lightgbm: A highly efficient gradient boosting decision tree", Advances in neural information processing systems, 30 (2017)
- 김경도, "신경망 및 통계 기법 기반의 기계학습을 이용한 유류유출 및 기상 예측 연구 동향", 한국융합학회논문지, 8(10), pp.1~8 (2017), 한국융합학회[DOI]
- 김경도, "순환신경망을 이용한 뜰개의 관측 데이터 보정", 한국융합학회논문지, 9(3), pp.15~21 (2018), 한국융합학회[DOI]
- 김제민, "GPS 좌표 기반 이동 궤적 인지를 위한 노이즈 제거 기법", 정보과학회논문지 : 소프트웨어 및 응용, 39(4), pp.328~337 (2012), 한국정보과학회[DOI]
- Kämpf, J., "Ocean Modelling for Beginners (using opensource software)", pp.109~ (2009), Springer
- 이찬재, "뜰개 이동 예측을 위한 신경망 및 통계 기반 기계학습 기법의 성능 비교", 한국융합학회논문지, 8(10), pp.45~52 (2017), 한국융합학회[DOI]
- Liu, Y., "Evaluation of trajectory modeling in different dynamic regions using Normalized Cumulative Lagrangian Separation", Journal of Geophysical Research: Oceans, 116(C9) (2011)
- 서재현, "특징 생성에 기반한 표층 뜰개의 궤적 예측", 한국지능시스템학회 논문지, 31(4), pp.299~304 (2021), 한국지능시스템학회[DOI]
- Shepard, D., "A two-dimensional interpolation function for irregularly-spaced data", Proceedings of the 1968 23rd ACM National Conference, pp.517~524 (1968)
- Sim, W. S., "Performance analysis of Kernel function for support vector machine", Proceedings of the IEEK Conference, pp.405~407 (2009), The Institute of Electronics and Information Engineers
- Sze, V., "Efficient processing of deep neural networks: A tutorial and survey", Proceedings of the IEEE, 105(12), pp.2295~2329 (2017)
- Vapnik, V., "The nature of statistical learning theory" (2000), Springer science & business media
- William, J.G., "Shapard’s method of “metric interpolation” to bivariate and multivariate interpolation", Math. Comp., 32(141), pp.253~264 (1978)