Earticle

초록

영어

Accurate forecasting enables to effectively prepare for future phenomenon. Especially, meteorological phenomenon is closely related with human life, and it can prevent from damage such as human life and property through forecasting of weather and disaster that can occur. To respond quickly and effectively to oil spill accidents, it is important to accurately predict the movement of oil spills and the weather in the surrounding waters. In this paper, we selected four representative machine learning techniques: support vector machine, Gaussian process, multilayer perceptron, and radial basis function network that have shown good performance and predictability in the previous studies related to oil spill detection and prediction in meteorology such as wind, rainfall and ozone. we suggest the applicability of oil spill prediction model based on machine learning.

한국어

정확한 예측은 미래에 일어날 현상에 대해 효과적으로 준비 혹은 대처 할 수 있게 해준다. 특히, 기상 현상은 인간의 생활과 밀접한 연관이 있으며, 발생할 수 있는 기상 및 재난 예측을 통해 인명, 재산 등의 피해로부터 예방 할 수 있게 해준다. 해상에서 발생할 수 있는 재난 중 하나인 유류유출 사고에 대해 빠르고 효과적으로 대응하 기 위해서는 유출유의 이동과 주변 해역의 기상을 정확하게 예측하는 것이 중요하다. 본 논문에서는 분류 및 회귀 예측과 관련된 연구에서 준수한 성능 및 예측 가능성을 보여준 기계학습 기법으로 서포트 벡터 머신, 가우시안 프로 세스, 다층 퍼셉트론, 방사기저함수 네트워크의 총 4 개의 기계학습 기법을 선별하였다. 선별한 기계학습 기법을 이용하여 유류유출의 탐지와 바람, 강우량, 오존 등의 기상 데이터를 예측하는 연구들의 연구 방법과 결과 등을 설 명하며 이를 활용한 기계학습 기반 유류유출 예측 모델의 적용 가능성을 제시한다.

목차

요약
 Abstract
 1. 서론
 2. 유류유출 및 기상 예측 문제
 3. 선별된 기계학습 기법 개요
  3.1 서포트 벡터 머신 (Support Vector Machine)
  3.2 가우시안 프로세스 (Gaussian Process)
  3.3 다층 퍼셉트론 (Multilayer Perceptron)
  3.4 방사기저함수 네트워크 (Radial BasisFunction Network)
 4. 관련 연구
  4.1 서포트 벡터 머신 기반 모델 개발 사례
  4.2 가우시안 프로세스 기반 모델 개발 사례
  4.3 심층 신경망 기반 모델 개발 사례
 5. 결론 및 향후 연구 방향
 REFERENCES

키워드

저자

• 김경도 [ Gyoung-Do Kim | 광운대학교 컴퓨터과학과 ]
• 김용혁 [ Yong-Hyuk Kim | 광운대학교 컴퓨터과학과 ] Corresponding author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국융합학회논문지 [Journal of the Korea Convergence Society]

• 간기

  월간

• pISSN

  2233-4890

• 수록기간

  2010~2022

• 십진분류

  KDC 530 DDC 620