Earticle

초록

한국어

허베이 스피리트호 기름유출사고와 같은 해양 유류유출사고에서 잘못된 초기대응은 경제 손실뿐만 아니라 생태 계에 큰 피해를 입힌다. 하지만 다양한 변수가 존재하는 해양에서 유출유의 움직임을 예측하는 것은 매우 힘든일이다. 이를 해결하기 위해서 뜰개 데이터를 활용해서 바다위의 부유물의 이동을 연구하는 기존 연구인 입자예측을 확장하여 면단위로 예측을 하는 유출유 예측 가시화를 진행하였다. 해양 데이터 포맷인 HDF5에서 특정 위치의 해류, 풍속 데이 터를 양선형 보간법을 이용해 추출한 뒤, 수많은 점들의 이동을 입자예측하여 그 결과를 폴리곤 및 히트맵을 이용해 가시화 하였다. 또한 뜰개데이터의 문제점인 데이터 부족과 유출유와 움직임이 다른 점을 해결 하기 위해 유출유로부터 입자 데이터를 얻어낼 수 있는 유출유 입자 매칭 알고리즘을 제안한다. 유출유 입자 매칭 알고리즘은 면단위 유출유의 모습을 입자화 하여 입자의 움직임을 추적하는 알고리즘이다. 주성분 분석을 이용하여 문제를 분할하고, 유출유의 이동 거리의 분산이 최소화 되는 지점으로 유전알고리즘을 이용해 매칭하였다. 유출유 가시화 결과 데이터로 검증한 결과 주성분 분석과 유전알고리즘을 이용한 입자매칭 알고리즘이 가장 성능이 뛰어난 것을 확인할 수 있었으며, 평균 데이터 오차는 3.2%로 의미있는 연구임을 확인하였다.

영어

Initial response is important in marine oil spills, such as the Hebei Spirit oil spill, but it is very difficult to predict the movement of oil out of the ocean, where there are many variables. In order to solve this problem, the forecasting of oil spill has been carried out by expanding the particle prediction, which is an existing study that studies the movement of floats on the sea using the data of the float. In the ocean data format HDF5, the current and wind velocity data at a specific location were extracted using bilinear interpolation, and then the movement of numerous points was predicted by particles and the results were visualized using polygons and heat maps. In addition, we propose a spill oil particle matching algorithm to compensate for the lack of data and the difference between the spilled oil and movement. The spilled oil particle matching algorithm is an algorithm that tracks the movement of particles by granulating the appearance of surface oil spilled oil. The problem was segmented using principal component analysis and matched using genetic algorithm to the point where the variance of travel distance of effluent oil is minimized. As a result of verifying the effluent oil visualization data, it was confirmed that the particle matching algorithm using principal component analysis and genetic algorithm showed the best performance, and the mean data error was 3.2%.

목차

요약
Abstract
1. 서론
2. 선행연구
2.1 뜰개 데이터를 이용한 예측
2.2 주성분분석
2.3 유전알고리즘 개요
3. 유출유 가시화 개요
3.1 유출유 가시화 개요
3.2 데이터 추출
4. 가시화 방법 및 결과
4.1 폴리곤을 이용한 유출유 흐름 가시화
4.2 히트맵을 이용한 유출유 흐름 가시화
5. 유출유 입자 매칭 알고리즘 개요
5.1 유출유 입자 매칭 알고리즘 필요성
5.2 유출유 입자 매칭 알고리즘 개요
5.3 실험 데이터 설명
6. 주성분 분석을 적용한 계층적 유전알고리즘
6.1 유전알고리즘
6.2 주성분분석을 적용한 계층적 유전알고리즘
7. 계층적 유전알고리즘 실험 및 평가
8. 결론
REFERENCES

저자

• 이현창 [ Hyeon-Chang Lee | 광운대학교 컴퓨터과학과 석사과정 ]
• 김용혁 [ Yong-Hyuk Kim | 광운대학교 소프트웨어학부 교수 ] Corresponding Author

참고문헌