[논문]적조현상의 실험적 예측성능 비교

허원지; 원재강; 정용규

적조현상의 실험적 예측성능 비교
Experimental Performance Comparison for Prediction of Red Tide Phenomenon 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. CI, 컴퓨터, v.49 no.2 = no.344, 2012년, pp.1 - 6

허원지 (을지대학교 의료산업학부 의료전산학전공) , 원재강 (경기대학교 전자계산학과) , 정용규 (을지대학교 의료IT마케팅학과)

초록
AI-Helper

최근 지구적인 기상 변화와 함께 태풍, 집중 호우 등으로 인한 재산 및 인명 피해가 크게 늘어가고 있다. 각 분야에서 재난을 소재로 한 여러 주장이 있어 왔다. 특히 영화까지 출시될 정도로 앞으로 이 세계에 불어 닥칠 기상변화에 촉각을 곤두세우고 있다. 해상에서 기상현상은 이런 피해를 줄이고 장기적으로 기상의 변화를 예측하려는 요구가 대두되고 있다. 본 연구에서는 적조현상을 다중선형 회귀분석과 인공신경망 기법을 통해 미리 예측하는 방법을 제시한다. 적조현상이 발생하는 원인에 위험수치를 보일시에 센서로 감지하여 기상 예측관에 데이터를 실시간으로 전송해줄 수 있는 유비쿼터스 기반의 맞춤형 해양 정보 서비스 시스템의 활용방안을 통하여 기상재해의 피해를 최소화할 수 있을 것으로 기대한다.

Abstract ▼ AI-Helper

In recent years global climate change of hurricanes and torrential rains are going to significantly, that increase damages to property and human life. The disasters have been several claimed in every field. In future, climate changes blowing are keen to strike released to the world like in several movies. Reducing the damage of long-term weather phenomena are emerging with predicting changes in weather. In this study, it is shown how to predict the red tide phenomenon with multiple linear regression analysis and artificial neural network techniques. The red tide phenomenon causing risk could be reduced by filtering sensor data which are transmitted and forecasted in real time. It could be ubiquitous driven custom marine information service system, and forecasting techniques to use throughout the meteorological disasters to minimize damage.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러나 이것은 환경오염에 대한 국민 의식이 개선되고 환경보호 단체들의 노력으로 문제의 심각성을 일반 국민들에게 널리 알리는 데는 일정한 성과를 거두었지만 기업의 무책임성 때문에 구체적인 결실을 못 거두고 있는 실정이다. 따라서 본 논문에서는 적조 현상을 유발하는 물질들을 다중선형회귀분석 모델과 인공 신경망 기법에 맞추어 분석하여 보고 성능 비교 실험한 후 USN 알고리즘으로 적조현상을 예측 가능하게 하는 모델을 연구해 본다.
본 실험에서는 각 연안별 해수 수질 실태를 나타내는 15년간의 데이터를 이용하였고, 데이터의 품질을 유지하기 위하여 전처리과정을 거쳤다. Null데이터는 누락 값을 추정하여 속성이 연속형인 경우에는 가장 가까운 이웃의 평균 속성 값을 사용하였다.
그러나 환경오염과 생태계의 파괴는 전 지구적인 차원에서 진행되며 날로 그 심각성이 더해 가고 있다. 이것은 적조현상의 형태로 표출되며 본 논문에서는 이를 조명하였다.

제안 방법

따라서 앞으로도 우리 인류는 바다를 지키고 가꾸어야 하는 데 많은 관심과 노력을 기울여야 한다. 그러나 본 실험은 통계적 기법이나 간단한 마이닝 기법을 활용하였으므로 다음 연구에서는 적조현상을 앙상블 기법을 이용하여 예측하고자 한다.
마이너 툴은 XLMiner를 사용하였으며 적조현상의 최대 원인 물질인 총 인&질소와 다른 물질들 간의 상관관계를 알기 위해 각각을 Output으로 하여 실험데이터를 구성하였다.
본 실험에서는 간단하면서도 우수한 성능을 나타내는 교차검증을 사용하였다. 학습 데이터와 검증 데이터의 비율은 60대 40으로 하였다.
본 연구에서는 위 표 1을 기준으로 하여 실험데이터의 적조 수치를 점검하는 실험을 하였으며 두 가지 모델에 대한 성능을 비교하였다. 마이너 툴은 XLMiner를 사용하였으며 적조현상의 최대 원인 물질인 총 인&질소와 다른 물질들 간의 상관관계를 알기 위해 각각을 Output으로 하여 실험데이터를 구성하였다.
Null데이터는 누락 값을 추정하여 속성이 연속형인 경우에는 가장 가까운 이웃의 평균 속성 값을 사용하였다. 속성이 범주적이라면 가장 공통적으로 발생하는 속성 값을 사용하여 데이터의 신뢰성을 높였다. 또한 Over Range 데이터는 과감히 제거하였다.
실험에서는 적조현상을 다중선형 회귀분석과 인공신경망 기법의 비교를 통해 자연재해를 미리 예측하는 방법을 제시하였다. 적조현상의 원인을 감지할 수 있는 다중선형 회귀분석이, 결과에 대한 분류만을 보여주어 결과 생성의 원인과 이유를 설명하기가 어려운 인공신경망보다 적조 탐지에 유리할 것으로 판단되었다.
인공신경망은 은닉층을 4개로 각각 25의 가중치를 적용하여 실험하였다. 인공신경망을 통한 적조현상 예측을 통해 복잡하고 다양한 자료를 쉽게 해결하였다.
회귀분석을 통한 적조현상 예측을 통해 각 물질들 간 상관성을 파악할 수 있어 각 설명 변수가 종속 변수에 얼마나 영향을 미치는지를 알아낼 수 있었다. 이것은 종속변수를 정확하게 예측해 주기 때문에 적조 현상을 감지하고 그것을 유발하는 물질을 빠르게 파악해 낼 수 있는 장점을 가진다.

대상 데이터

해양수산부에서 1995년부터 2009년까지 조사 발표된 해수수질 실태보고의 데이터를 사용하였다. 본 데이터는 서해, 남해, 동해의 각 해역별로 수온, 염분, PH, 용존산소, 화학적산소요구량, 용존무기질소, 총질소, 용존 무기인, 총인, 규산규소, 부유물질, 클로로필의 수치로 구성되어 있다.
본 실험에서는 간단하면서도 우수한 성능을 나타내는 교차검증을 사용하였다. 학습 데이터와 검증 데이터의 비율은 60대 40으로 하였다. 훈련 집단의 데이터를 통해 유효 집단의 데이터를 예측할 수 있다.
해양수산부에서 1995년부터 2009년까지 조사 발표된 해수수질 실태보고의 데이터를 사용하였다. 본 데이터는 서해, 남해, 동해의 각 해역별로 수온, 염분, PH, 용존산소, 화학적산소요구량, 용존무기질소, 총질소, 용존 무기인, 총인, 규산규소, 부유물질, 클로로필의 수치로 구성되어 있다.

성능/효과

마찬가지로, 질소에 대해 같은 실험을 반복한 결과, 총 질소와 pH, 용존산소DO, 화학적산소요구량COD가 서로 양의 상관관계에 있다는 것을 알 수 있다. 총 질소의 부하를 막기 위해서는 pH, 용존산소DO, 화학적산소요구량COD를 감소시키면 된다.
다른 여러 분류기들의 성능을 비교하여 주어진 데이터 집합에 대하여 어떤 분류기가 더 잘 작동하는지 정하는 것은 종종 유용하다. 본 논문에서는 다중선형 회귀분석과 인공신경망 기법으로 적조현상을 미리 예측하기 위한 실험을 하였는데 적조현상을 일으키는 물질들의 상관관계를 쉽게 파악할 수 있는 다중선형 회귀분석이, 블랙박스로 숨겨진 레이어로 감추어진 인공신경망에 비해 훨씬 뚜렷한 인과관계를 보였음을 확인할 수 있었다.
실험에서는 적조현상을 다중선형 회귀분석과 인공신경망 기법의 비교를 통해 자연재해를 미리 예측하는 방법을 제시하였다. 적조현상의 원인을 감지할 수 있는 다중선형 회귀분석이, 결과에 대한 분류만을 보여주어 결과 생성의 원인과 이유를 설명하기가 어려운 인공신경망보다 적조 탐지에 유리할 것으로 판단되었다. 이 기법을 통한 적조현상의 예측은 긴급사태를 대비하는 데에 유용하다.

후속연구

현대적인 과학 기술의 발전과 더불어 이러한 예측은 상당한 효용 가치를 가질 것으로 기대된다. 바다는 경제적 측면, 식량 자원 측면 그리고 환경 측면에서 굉장한 이득을 가져다주기 때문이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	유비쿼터스 기반의 맞춤형 해양 정보 서비스 시스템은 무엇인가?	본 연구에서는 적조현상을 다중선형 회귀분석과 인공신경망 기법을 통해 미리 예측하는 방법을 제시한다. 적조현상이 발생하는 원인에 위험수치를 보일시에 센서로 감지하여 기상 예측관에 데이터를 실시간으로 전송해줄 수 있는 유비쿼터스 기반의 맞춤형 해양 정보 서비스 시스템의 활용방안을 통하여 기상재해의 피해를 최소화할 수 있을 것으로 기대한다.
	적조현상이란?	적조현상이란 해양 식물성 플랑크톤이 일시에 대량번식하거나 집적함으로써 바닷물 색이 붉게 변색되는현상으로 오랜 과거부터 자연적으로 발생되었고 현재는 연안환경의 부영양화로 특정해역에 주기적으로 발생되고 있다.
	k-묶음 교차검증 기법의 수행 방식은?	전체 집합을 k개로 나눈 뒤 하나를 다른 것들과 비교하여 전체적으로 특이한 집합이 없는지 확인하는 방식이다. 수집된 최초의 오리지널 샘플을 k개의 서브샘플로 나눈다.

참고문헌 (11)

수중세계 1999/09/10호
병들어가는 호수- 적조현상, 물고기의 떼죽음, 식수오염, 김상종, 동아사이언스 과학동아 제5권 제6호(통권 제54호), 1990,6,pp 106-113
김범준, 김형수, 최승안, 심명필, 다중회귀분석을 이용한 충주댐 홍수조절 효과분석, 2006 대한토목학회 정기학술대회, 1pp
이두별, 박철, 양성렬, 신용식, 아산만 해역에서 장마기 전후 중형동물플랑크톤 군집의 변화, 3pp
조남훈, 교차검증을 이용한 SVM 전력수요예측, 대한전기학회, 전기학회논문지 A, 제55A권 제11호 2006.11, page(s): 485-491
용환승 외 6명, INTRODUCTION TO DATA MINING, 인피니티북스, 241-250
권혁춘, 이병걸, 이창선, 고장우, 로지스틱회귀분석 기법과 인공신경망기법을 이용한 제주지역 산사태 가능성분석, 한국지형공간정보학회, 한국지형공간 정보학회지, 제19권 제3호 2011.9, page(s): 33-40
김주훈, 김경탁, 윤강훈, 다중선형회귀모형에 의한 홍수량예측 적용, 대한토목학회, 2005년도 대한토목학회 정기 학술대회 2005.10, page(s): 2672-2675
신택수 홍태호 공역, Data Mining for business intelligence, SciTech
이우영, 송병호, 김갑기, 최조천, 이경효, 이연우, 사례 기반 추론을 이용한 적조 예측 시스템 구현, 대한전자공학회 2010년 하계종합학술대회, 2010.6
박선, 김경준, 이진석, 이성로, 신경망과 SVM을 이용한 적조 발생 예측, 전자공학논문지 제48권 제5호, 2011.9

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증