딥러닝을 이용한 연안 소형 어선 주요 치수 추정 연구
A study on estimating the main dimensions of a small fishing boat using deep learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 컴퓨터 기술의 발전에 따라 다양한 공학 분야에서 AI(Artificial intelligence) 기술이 적용되고 있으며, 국내 선박 설계분야에 있어서도 빠른 속도로 적용이 이루어지고 있다. 본 연구에서는 딥러닝의 주요 적용 분야인 회귀 분석(Regression analysis)을 선박의 주요 치수(길이, 폭, 깊이 등)를 결정하는 과정에 적용하고자 하였다. 연안 소형 어선을 대상으로 총 11,000여척의 데이터가 수집되었으며, 각 지역별 선박의 특성 등에 차이를 고려하여 부산 지역의 연안 소형 어선 1,600여 척을 대상으로 연구를 수행하였다. 선박의 길이와 톤수를 입력변수로 사용하고 폭과 깊이를 출력변수로 설정하여 DNN 모델을 생성하였다. 딥러닝을 실현할 수 방법은 많이 제공되고 있는데 본 논문에서는 구글(Google)에서 제작한 오픈소스 라이브러리 텐서플로우(Tensorflow)를 이용하여 직접 코딩을 하는 방식을 택하였다. 은닉층(Hidden layer)과 은닉층의 Neuron 수(노드, Node)를 변화시켜가며 결과에 미치는 영향을 파악하고자 하였다. 또한, 비교를 위해 Matlab에서 제공하는 방법을 선택하여 같은 데이터를 사용하여 두 방법의 결과를 비교 분석하였다. 이러한 연구를 통해 머지않아 시행될 어선등록제도 변경에 따른 새로운 선형에 대한 초기설계에 소요 시간을 단축할 수 있도록 함을 목표로 하였다.
Abstract
The first step is to determine the principal dimensions of the design ship, such as length between perpendiculars, beam, draft and depth when accomplishing the design of a new vessel. To make this process easier, a database with a large amount of existing ship data and a regression analysis technique are needed. Recently, deep learning, a branch of artificial intelligence (AI) has been used in regression analysis. In this paper, deep learning neural networks are used for regression analysis to find the regression function between the input and output data. To find the neural network structure with the highest accuracy, the errors of neural network structures with varying the number of the layers and the nodes are compared. In this paper, Python TensorFlow Keras API and MATLAB Deep Learning Toolbox are used to build deep learning neural networks. Constructed DNN (deep neural networks) makes helpful in determining the principal dimension of the ship and saves much time in the ship design process.
참고문헌 (9)
- 조영인, "딥러닝을 이용한 선형 설계 초기 단계에서의 저항 추정", 한국CDE학회 논문집, 24(2), pp.203~210 (2019), 한국CDE학회[DOI]
- "ChosunBiz" (2019)[URL]
- Kim BS, "Development of a prediction system for shell plate forming information based on machine learning", Ph. D., pp.2020
- 김기용, "심층 신경망 기법을 이용한 선박 초기설계단계의 경하중량 추정", 한국지능시스템학회 논문지, 29(6), pp.416~423 (2019), 한국지능시스템학회
- Kim HH, "Get started! TensorFlow 2. 0 programming", pp.1~484 (2020), Wikibooks
- Lee DK, "On the application of artificial Intelligence to ship design", Bulletin of the Society of Naval Architects of Korea, 25, pp.56~62 (1988)
- 임재환, "Prediction of Barge Ship Roll Response Amplitude Operator Using Machine Learning Techniques", 한국해양공학회지, 34(3), pp.167~179 (2020), 한국해양공학회[DOI]
- Park HS, "Deep learning with Python by Francois Chollet", pp.1~476 (2018), Gilbut
- 신동선, "선박 초기 설계 단계에서의 강화학습을 이용한 배관경로 설계", 대한조선학회 논문집, 57(4), pp.191~197 (2020), 대한조선학회[DOI]