대한해협에서 표층 뜰개 이동 예측 연구
A Study on the Prediction of the Surface Drifter Trajectories in the Korean Strait
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 대한해협 인근 입자추적 예측 기법의 정확도 개선을 위해서 해수유동 수치모델 결과를 이용하여만든 입자추적 모델과 현장 관측 자료를 이용한 기계학습 기반 입자 추적 모델을 비교 및 분석하였다. 세부 연구 방법으로는 대한해협에서 관측된 표층 뜰개 이동 궤적 자료, 3개 관측소(가거도, 거제도, 교본초 관측소)의 조위 및 바람자료를 학습시켜 만든 기계 학습(선형 회귀, 의사결정나무) 기반 예측자료, 수치모델 예측자료(ROMS, MOHID)를3가지 오차평가방법(CC, RMSE, NCLS)을 통해 비교하였다. 최종 결과로서 CC와 RMSE에서는 의사결정나무 모델의 예측 정확도가 가장 우수하였고 NCLS에서는 MOHID 모델의 예측 결과가 가장 우수하였다.
Abstract
In order to improve the accuracy of particle tracking prediction techniques near the Korean Strait, this study compared and analyzed a particle tracking model based on a seawater flow numerical model and a machine learning based on a particle tracking model using field observation data. The data used in the study were the surface drifter buoy movement trajectory data observed in the Korea Strait, prediction data by machine learning (linear regression, decision tree) using the tide and wind data from three observation stations (Gageo Island, Geoje Island, Gyoboncho), and prediciton data by numerical models (ROMS, MOHID). The above three data were compared through three error evaluation methods (Correlation Coefficient (CC), Root Mean Square Errors (RMSE), and Normalized Cumulative Lagrangian Separation (NCLS)). As a final result, the decision tree model had the best prediction accuracy in CC and RMSE, and the MOHID model had the best prediction results in NCLS.
참고문헌 (8)
- Ha, S.Y., "A study on the trajectory prediction of drifting buoys considering machine learning methods in the Korea Strait", Master, pp.2021
- Deep Learning, "My First Machine Leaning", pp.2020, Heo, M.S.
- 김경도, "순환신경망을 이용한 뜰개의 관측 데이터 보정", 한국융합학회논문지, 9(3), pp.15~21 (2018), 한국융합학회[DOI]
- 김태윤, "해수유동모델 검증을 위한 오차평가방법 비교 연구", 한국해양환경•에너지학회지, 14(2), pp.107~113 (2011), 한국해양환경·에너지학회
- 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)
- Park, S. H., "A Piece of Python for Machine Learning" (2020), Bjpublic
- 류황진, "마라도에서 표류된 부이의 위치추적을 이용한 표층류의 실측정보", 한국해양환경•에너지학회지, 5(4), pp.4~47 (2002), 한국해양환경·에너지학회