해양관측부이 기상정보에 기계학습을 활용한 해상 익수자 이동경로 예측
Prediction of drowning person‘s route using machine learning for meteorological information of maritime observation buoy
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
해양조난사고 발생 시 해상 익수자의 안전과 생명 보장을 위해 구조자산을 활용한 신속한 탐색및 구조작전은 매우 중요하다. 본 연구는 해양관측부이에서 수집되는 기상정보에 다중선형회귀분석, 의사결정나무, 서포트벡터머신, 벡터자기회귀, 순환신경망의 LSTM을 활용하여 울릉도 북서해역의 표층해류를 분석하고 유향과 유속에 대한 각각의 예측모형을 구축하여 예측된 유향과 유속정보를 통해 해상 익수자의 이동경로를 예측하는 모형들을 제안한다. 본 연구에서 적용한 다양한기계학습 모형을 MAE와 RMSE의 성능 평가척도로 비교해 볼 때 LSTM이 가장 우수한 성능을 보였다. 또한, 익수자 이동지점과 예측모형의 예측지점 간 거리 차이에 있어서도 LSTM이 다른 모형들에 비해 탁월한 성능을 나타내었다.
Abstract
In the event of a maritime distress accident, rapid search and rescue operations using rescue assets are very important to ensure the safety and life of drowning person’s at sea. In this paper, we analyzed the surface layer current in the northwest sea area of Ulleungdo by applying machine learning such as multiple linear regression, decision tree, support vector machine, vector autoregression, and LSTM to the meteorological information collected from the maritime observation buoy. And we predicted the drowning person’s route at sea based on the predicted current direction and speed information by constructing each prediction model. Comparing the various machine learning models applied in this paper through the performance evaluation measures of MAE and RMSE, the LSTM model is the best. In addition, LSTM model showed superior performance compared to the other models in the view of the difference distance between the actual and predicted movement point of drowning person.
참고문헌 (17)
- Korea Cost Guard, "2019 Maritime Distress Accident Statistical Yearbook", JUL, 2~ (2020)
- Korea Cost Guard, "Act On The Search And Rescue, Etc. In Waters Article 2", AUG, ~ (2019)
- Research planning in the establishment of a system for predicting changes in ocean currents according to climate change, Result report, "Korea Hydrographic and Oceanographic Agency Ministry of Oceans and Fisheries Republic of Korea", 3~12 (2016)
- C. Ryu, "Oil Spill Behavior Forecasting Model in South-eastern Coastal Of Korea", Journal of the Korean Society for Maritime Environment & Energy, 1(2), pp.52~59 (2018)
- 전연선, "매개 중심성을 이용한 해양 플라스틱 폐기물의 경로 예측 및 효율적인 수거지점 제안", 대한환경공학회지, 37(7), pp.426~431 (2015), 대한환경공학회[DOI]
- 이찬재, "뜰개 이동 예측을 위한 신경망 및 통계 기반 기계학습 기법의 성능 비교", 한국융합학회논문지, 8(10), pp.45~52 (2017), 한국융합학회[DOI]
- 이찬재, "앙상블을 이용한 기계학습 기법의 설계: 뜰개 이동경로 예측을 통한 실험적 검증", 예술인문사회 융합 멀티미디어 논문지, 8(3), pp.57~67 (2018), 사단법인 인문사회과학기술융합학회[DOI]
- Faraway. J, "Linear Models with R 2nd Edition", pp.2015, A Chanpman & Hall
- M. Heo, "Applied Data Analysis Using R", pp.239~248 (2014), Freeaca
- M. Heo, "Applied Data Analysis Using R", pp.221~238 (2014), Freeaca
- Hyndman. R.J, "Forecasting: Principles and Practice", pp.11~ (2018), OText
- Big Data Analytics, "Russom. P", TDWI, 6~ (2011)
- ICAO, "International Aeronautical And Maritime Search And Rescue Manual Volume Ⅱ Mission Co-ordination", N-19~ (2016)
- 노영단, "A Text Content Classification Using LSTM For Objective Category Classification", 한국컴퓨터정보학회논문지, 26(5), pp.39~46 (2021), 한국컴퓨터정보학회[DOI]