Earticle

초록

한국어

해양 환경의 변화는 기후 변화, 해양 생태계 보호 및 해양 자원 관리에 중요한 영향을 미칠 수 있다. 특히, 최근 국내외적으로 지구 온난화로 인해 평균 기온이 상승하면서 해양 수온도 같이 높아짐에 따라, 적조, 산호 백화, 해양 산소 고갈, 미생물 증식 등의 위험 현상이 발생하고 있다. 이에 기존 연구에서는 머신러닝 및 딥러닝 알고리즘을 활용하여 해양 수온, 용존산소, pH 등의 환경 요소를 예측하여, 해양 환경 위험도를 사전에 예측하고자 했다. 하지만 해당 분야의 기존 연구는 크게 3가지 한계점을 가지고 있다. 첫 번째, 단일 시계열 환경 예측 모형의 경우 특정 지역의 데이터 특성에 과적합될 수 있다. 두 번째, 새로운 환경에서 수온 등의 변수를 예측하기 위해서는 최소 1~2년 기간의 데이터가 필요하다. 세 번째, 기상 예보 등과 같은 미래의 변수를 대부분 고려하지 못했다. 이에 따라 본 연구는 해양 수온 예측의 일반화 및 성능 고도화를 위해 딥러닝 인코더-디코더 모델 기반 다중 그룹 통합 시계열 예측 방법론을 개발하고, 기상 데이터를 함께 결합하여 디코더 레이어에 적용했다. 본 연구에서는 해양 환경 데이터셋의 수온 변수 예측을 목표로 실험을 진행했다. 그 결과 GRU 기반의 인코더-디코더 모델이 R² 0.9919, MAE 0.3832로 가장 우수한 성능을 달성했다. 본 연구의 시계열 예측 모델은 완전히 새로운 지역에서도 신뢰할 수 있는 수준의 예측 정확도를 보여주었다.

목차

Abstract
Introduction
Related Work
Times Series Forecasting
Ocean Environment Prediction
Methods
Data
Modeling
Metrics
Experimental Results
Conclusion
References

저자

• 이현상 [ 경북대학교 경영학부 박사과정 ]
• 오세환 [ 경북대학교 경영학부 부교수 ]

참고문헌