Bi-LSTM을 이용한 LNG 이중연료 선박의 탄소배출 예측 및 변수 중요도 해석 연구
Predicting Carbon Emissions from LNG Dual-Fuel Vessels and Analyzing Feature Importance with Bi-LSTM
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 국제해사기구(IMO)의 온실가스(GHG) 중기조치에 따라 2028년부터 총톤수 5,000톤 이상 선박은 연료집 약도(GFI) 데이터를 수집해야 하며, 이에 따라 연료 효율 향상과 탄소배출 예측의 중요성이 커지고 있다. 본 연구는 이러한 규제 대응을 위해 시계열 분석에 강점을 가진 Bi-LSTM(Bidirectional Long Short-Term Memory) 모델을 적용하여 LNG 이중연료(Dual-Fuel, DF) 엔진 선박의 CO₂ 배출량을 정밀 예측하고, 모델의 해석 가능성을 확보하는 것을 목표로 하였다. 2023년 2월~9월 수집된 약 23만 건의 실운항 데이터 중 정상 항해 구간(6.75노트 이상) 약 1만 건을 활용하였으며, 타깃 변수는 연료 소비량 기반 시간당 CO₂ 배출량으로 설정하였다. 학습 결과, Bi-LSTM 모델은 R² 0.9761, RMSE 0.2113, MAPE 4.60%로 높은 예측 성능을 보였다. 또한 SHAP 분석을 통해 선박 속도 (SPEED_VG)와 화물탱크 증기온도(CARGO_VAPOR_TEMP_MEAN)가 주요 영향 변수로 확인되었으며, 두 변수의 증 가가 CO₂ 배출량 상승에 기여함을 정량적으로 입증하였다.
Abstract
In response to the International Maritime Organization’s (IMO) mid-term greenhouse gas (GHG) strategy, all vessels of 5,000 gross tonnage or more will be required to collect fuel intensity (GFI) data from 2028, underscoring the growing importance of fuel efficiency enhancement and accurate carbon emission prediction. This study aims to address these regulatory demands by applying a Bi-LSTM (Bidirectional Long Short-Term Memory) model, which is well-suited for time-series analysis, to precisely predict CO₂ emissions from LNG dual-fuel (DF) engine vessels while ensuring model interpretability. 230,000 real voyage data points collected between February and September 2023 were processed, and about 10,000 valid normal navigation records (above 6.75 knots) were selected for model training. The target variable was defined as the hourly CO₂ emission rate based on LSFO and LNG fuel consumption. The Bi-LSTM model achieved superior predictive performance, recording an R² of 0.9761, RMSE of 0.2113, and MAPE of 4.60%. Furthermore, SHAP (SHapley Additive exPlanations) analysis identified vessel speed (SPEED_VG) and cargo vapor temperature (CARGO_VAPOR_TEMP_MEAN) as the most influential variables, quantitatively demonstrating that increases in these factors contribute to higher CO₂ emission predictions.