[논문]해양환경 모니터링을 이용한 해양재해 예측 시스템 모델

박선; 이성로

doi:10.7840/kics.2013.38c.3.263

초록
AI-Helper

최근 세계적으로 바다가 자원의 보고로 주목 받으면서 해양 환경 분석 및 예측 기술에 대한 연구가 활발히 진행 되고 있다. 자동화된 해양 환경 자료의 수집과 수집된 자료를 분석하여서 해양재해를 예측하면 기름 유출에 의한 해양오염의 피해, 적조에 의한 수산업의 피해, 해양환경 이변에 의한 수산업 및 재해 피해를 최소화하는데 기여할 수 있다. 그러나 국내 해양 환경에 대한 조사 및 분석 연구는 제한적이다. 본 논문은 국내의 원해 및 근 해역에서 수집된 해양 환경 자료를 분석하여 해양재해를 예측할 수 있는 시스템 모델을 연구한다. 이를 위해서 본 논문에서는 해양재해 예측 시스템을 위해서 통신시스템 모델, 해양환경 자료 수집 시스템 모델, 예측분석 시스템 모델, 상황전파시스템에 대한 모델을 제시하였다. 또한 예측분석 시스템을 위한 적조 예측 모델과 요약분석 모델을 제시하였다.

Abstract ▼ AI-Helper

Recently, the prediction and analysis technology of marine environment are actively being studied since the ocean resources in the world is taken notice. The prediction of marine disaster by automatic collecting marine environment data and analyzing the collected data can contribute to minimized the...

Recently, the prediction and analysis technology of marine environment are actively being studied since the ocean resources in the world is taken notice. The prediction of marine disaster by automatic collecting marine environment data and analyzing the collected data can contribute to minimized the damages with respect to marine pollution of oil spill and fisheries damage by red tide blooms and marine environment upsets. However the studies of the marine environment monitoring and analysis system are limited in South Korea. In this paper, we study the marine disasters prediction system model to analyze collection marine information of out sea and near sea. This paper proposes the models for the marine disasters prediction system as communication system model, a marine environment data monitoring system model, prediction and analyzing system model, and situations propagation system model. The red tide prediction model and summarizing and analyzing model is proposed for prediction and analyzing system model.

주제어

AI 본문요약
AI-Helper

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

문제 정의

요약 분석은 사용자가 원하는 질의 구간에 대한 요약을 하는 질의 기반의 요약 분석과, 입력 자료 전체를 잘 설명할 수 있는 주제들로 요약하는 포괄적 요약 분석으로 구분할 수 있다. 본 논문에서는 요약 분석에 만이 사용하는 NMF를 이용한 요약 분석 모델화 방법에 대하여 설명한다. 요약 분석 역시 해양 정보를 분석하기위서는 해양자료를 전처리하여 모델에 적합하게 정규화를 해야 한다.
본 논문에서는 적조예측 모델에 대한 실험을 하였다. 실험에 사용된 자료는 국립수산과학원의 적조 정보시스템[7]으로부터 가져온 통역지역의 2003년부터 2012년 10년 동안 발생한 적조를 이용하였다.
해양재해의 피해를 최소화시키기 위해서는 국내전 해역의 정확한 해양환경 자료를 수집해야 되며, 수집된 자료를 이해하고 분석하여서 해양재해를 예측할 수 있는 모델이 필요다. 본 논문은 국내에서 극히 제한적으로 이루어지는 해양재해 예측에 대한 연구를 활성화 시기키 위하여 여러 가지 다양한 해양재해를 예측할 수 있는 통합 시스템 모델을 제안한다. 제안된 시스템 모델은 기름 유출에 의한 해양 오염 피해, 유해 적조발생에 의한 수산업의 피해, 해양환경 이변에 의한 피해를 신속히 대비하거나 예측 결과를 전파하여서 피해를 최소화하는데 기여할 수 있을 것이다.
본 논문은 국내의 원해 및 근 해역에서 수집된 해양 환경 자료를 분석하여 해양재해를 예측할 수 있는 시스템 모델을 제안하였다. 제안시스템 모델은 지속적으로 수집된 해양환경 자료를 데이터베이스화할 수 있으며, 수집된 해양환경 정보를 분석해서 해양재해를 예측하여서 해양재해의 피해를 최소화하는 대에 활용할 수 있다.
본 논문은 해양재해의 피해를 최소화할 수 있도록 해양재해 예측 시스템 모델을 제시한다. 제안 시스템 모델은 해양환경의 수집된 정보를 분석하여 해양재해를 예측함으로써 해양재해의 피해를 최소화할 수 있다.

제안 방법

그런 다음에 선택된 의미 특징 열벡터와 대응되는 의미 변수행렬 H의 행벡터를 선택한다. 마지막으로 선택된 의미 특징 열벡터에서 가장 큰 요소 값과 대응되는 원본의 행 자료를 입력자료의 요약정보로 추출한다.
본 논문에서는 적조 예측 모델을 생성하기 위해서 나이브 베이지안을 분류자로 사용한다. 적조 예측을 모델화하기 위해서는 이전 적조발생에 대한 정보를 전처리해야한다.
해양 재난 예측과 해양환경 분석을 위해서 예측 시스템과 분석 시스템으로 구성된다. 예측 시스템은 수집된 해양환경 데이터베이스의 자료를 이용하여서 적조 발생, 유출류 확산, 해양환경 이변, 해수온, 해양오염 확산, 기타 등을 예측할 수 있다. 예측 시스템을 구성하기 위해서는 각 상황에 적합한 모델을 구축해야한다.
상황전파 시스템은 해양환경자료로부터 분석 및 예측된 정보를 모델화된 시나리오 상황에 맞추어 해양재해 상황을 전파한다. 예측/분석 시스템의 예측 및 분석 결과 해양재해 상황이 발생하면 유기관이나 관련담당자에게 상황을 자동으로 전파할 수 있도록 상황전파 시나리오를 모델화하며, 웹기반 통합 서비스 플랫폼에 실시간으로 상황을 공지할 수 있도록 모델화 한다.
송병호 등^[10]은 사례 기반 추론을 이용한 적조 예측 모니터링 시스템을 설계하였다. 이들의 제안방법은 기존의 적조발생 자료를 이용하여서 사례베이스를 생성하고, kNN(k Nearest Neighbor)알고리즘을 이용하여 가장 유사성이 높은 사례를 검색한다. 그러나 이들의 방법은 이전 적조발생 자료와 비교하여서 유사도가 가장 높은 자료를 이용하여서 단순히 적조를 판별하였으며, 적조 생물의 증가 및 발생과 같은 수치형으로 처리하는 대에는 제한적이다.
제안 시스템 모델은 해양환경의 수집된 정보를 분석하여 해양재해를 예측함으로써 해양재해의 피해를 최소화할 수 있다. 제안 시스템은 그림4와 같이 통신 시스템, 해양환경 수집 시스템, 예측 시스템, 분석 시스템, 상황전파 시스템으로 구성된다.
전처리에서는 적조발생 건수, 적조 발생 전 수온 및 기온의 일수, 강수 회수 등의 정보를 분류자를 생성하도록 정규화 한다. 즉, 학습 자료를 위한 전처리로 수온 및 기온은 적조발생 전 10일간의 평균값을 계산하고, 강수량은 적조 발생 전 10일간의 총 강수량을 계산한다. 이들 중에서 10일평균수온, 10일평균기온, 10일총강수량은 입력 학습 자료이고, 생물밀도는 출력 학습 자료이다.

대상 데이터

그림 3은 2007년 12월에 발생한 허베이 스프리트 호의 1만 2547 kl 원유 유출사고로, 해양 생태계 피해액은 매년 약 1조 3000억에 달한다고 경기개발연구원에서 예측하였다. 이와 같은 사고는 한번의 방재 작업으로 끝나는 것이 아니라 몇 십년동안 생태계에 피해를 입히며 경제적으로 많은 피해를 준다.
본 논문에서는 적조예측 모델에 대한 실험을 하였다. 실험에 사용된 자료는 국립수산과학원의 적조 정보시스템[7]으로부터 가져온 통역지역의 2003년부터 2012년 10년 동안 발생한 적조를 이용하였다. 적조예측을 위해 사용된 방법은 SVM(support vector machine), BPNN(back propagation neural network), 나이브 베이지안 분류자를 이용하였다^[16-18].

이론/모형

실험에 사용된 자료는 국립수산과학원의 적조 정보시스템[7]으로부터 가져온 통역지역의 2003년부터 2012년 10년 동안 발생한 적조를 이용하였다. 적조예측을 위해 사용된 방법은 SVM(support vector machine), BPNN(back propagation neural network), 나이브 베이지안 분류자를 이용하였다^[16-18]. 다음 표2는 3개의 예측 분류자를 이용하여 예측한 결과의 정확률을 평가한 결과이다.

성능/효과

일반적으로 예측에는 분류 기법이 많이 적용된다. 적조발생, 해양환경 이변, 해수온 등의 고정된 패턴의 예측에는 SVM(support vector machine, 지지벡터머신)이나 의사결정트리를 이용하여 모델을 구성하는 좋은 결과를 나타낸다. 유출류 확산이나 해양오염 확산과 같이 유동적인 예측에는 랑그라지 동력학 이론을 이용하는 것이 일반적인 분류기법을 적용하는 것보다 더욱 효율적이다^[16,17].
본 논문은 해양재해의 피해를 최소화할 수 있도록 해양재해 예측 시스템 모델을 제시한다. 제안 시스템 모델은 해양환경의 수집된 정보를 분석하여 해양재해를 예측함으로써 해양재해의 피해를 최소화할 수 있다. 제안 시스템은 그림4와 같이 통신 시스템, 해양환경 수집 시스템, 예측 시스템, 분석 시스템, 상황전파 시스템으로 구성된다.
다음 표2는 3개의 예측 분류자를 이용하여 예측한 결과의 정확률을 평가한 결과이다. 표에서 보이는 것과 같이 나이브 베이지안 분류자를 이용한 예측 결과가 92.3%로 가장 좋은 성능을 보이고 있다. 일반적으로 SVM 분류자가 좋은 성능을 보이나 적조 예측에서는 나이브 베이지안 분류자가 적조의 자료 특성에 더 적합한 것으로 보인다.

후속연구

제안시스템 모델은 지속적으로 수집된 해양환경 자료를 데이터베이스화할 수 있으며, 수집된 해양환경 정보를 분석해서 해양재해를 예측하여서 해양재해의 피해를 최소화하는 대에 활용할 수 있다. 이후연구로는 제안 모델을 구현하고, 구현된 모델을 실제 해양환경에서의 실증 테스트에 대한 연구를 진행할 예정이다.
본 논문은 국내에서 극히 제한적으로 이루어지는 해양재해 예측에 대한 연구를 활성화 시기키 위하여 여러 가지 다양한 해양재해를 예측할 수 있는 통합 시스템 모델을 제안한다. 제안된 시스템 모델은 기름 유출에 의한 해양 오염 피해, 유해 적조발생에 의한 수산업의 피해, 해양환경 이변에 의한 피해를 신속히 대비하거나 예측 결과를 전파하여서 피해를 최소화하는데 기여할 수 있을 것이다.
본 논문은 국내의 원해 및 근 해역에서 수집된 해양 환경 자료를 분석하여 해양재해를 예측할 수 있는 시스템 모델을 제안하였다. 제안시스템 모델은 지속적으로 수집된 해양환경 자료를 데이터베이스화할 수 있으며, 수집된 해양환경 정보를 분석해서 해양재해를 예측하여서 해양재해의 피해를 최소화하는 대에 활용할 수 있다. 이후연구로는 제안 모델을 구현하고, 구현된 모델을 실제 해양환경에서의 실증 테스트에 대한 연구를 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	해양환경 스키마는 어떻게 구성되는가?	해양환경 데이터베이스는 국내 각 해역(서해/남해/동해)의 원해 및 근해 역의 각 지역별로 자료를 유지 관리할 수 있도록 해양환경, 해양사건, 예측, 분석 등의 데이터베이스 스키마 구성된다. 해양환경 스키마는 각 해역별 수온, 온도, 용존산소, 염도, 정지 및 동영상, GPS 자료와 기타 추가 자료로 구성된다.
	요약 분석의 목적은 어떻게 구분할 수 있는가?	요약 분석의 목적은 크게 두 가지로 구분하여 적용할 수 있다. 요약 분석은 사용자가 원하는 질의 구간에 대한 요약을 하는 질의 기반의 요약 분석과, 입력 자료 전체를 잘 설명할 수 있는 주제들로 요약하는 포괄적 요약 분석으로 구분할 수 있다. 본 논문에서는 요약 분석에 만이 사용하는 NMF를 이용한 요약 분석 모델화 방법에 대하여 설명한다.
	우리나라 수산업에 피해를 주는 해양재해로는 어떤 것들이 있는가?	우리나라 수산업에 피해를 주는 해양재해로는 적조발생, 기름유출, 태풍과 같은 자연재해 및 기타 재해 등이 있다. 국내 연안에 오염이 증가할수록 적조의 발생 또한 증가하고 있으며, 적조발생에 최적의 기상여건이 형성되면 양식장 및 수산업에 대량의 피해를 입히고 있다.

참고문헌 (20)

J. Tateson, C. Roadknight, A. Gonzales, T. Khan, S. Fitz, I. Henning, N. Boyd, C. Vincent, and I. Marshall, "Real World Issues in Deploying a Wireless Sensor Network for Oceanography," in Proc. REALWSN, pp. 1-6, Stockholm, Sweden, June 2005.
N. Y. Yun, J. I. Namgung, H. M. Park, S. H. Park, and C. H. Kim "The underwater environment monitoring system based on ocean oriented WSN," J. Korea Multimedia Soc., vol. 13, no. 1. pp. 122-132, Jan. 2010.
KMA, Retrieved Feb., weather data, 2013, [Online] Available: http://www.kma.go.kr/index.jsp.
K. H. Yoon, "The present and future state of national disaster prevention system in Korea," Korea Inst. Construction Techonology Hydrology Research Division, vol 30, no. 2, pp.128-135, Feb., 2008.
Y. H. Yu, Y. S. Gang, and W. B. Lee, "Development of a floating buoy for monitoring ocean environment," J. Korean Soc. Marine Eng., vol. 33, no. 5, pp.705-712, May, 2009.

원문보기 상세보기
NFRDI, "national fishers research & development institute, marine mornitering system", Retrieved Feb., 21, 2013, [Online] Available : http://portal.nfrdi.re.kr/page?idpr_index, Feb. 2013.
NFRDI Redtide, "national fishers research & development institute, red tide information system", Retrieved Feb., 23, 2013, [Online] Available : http://portal.nfrdi.re.kr/redtide/index.jsp.
J. G. Kim, H. J. Yun, "Harmful red tide prediction method on Yusu bay using remote monitoring", Korea GIS institute, spring domestic conference, pp.47-57, Seoul, Korea, June 2001.
Y. Li and T. Smayda, "Heterosigma akashiwo (Raphidophyceae): On prediction of the week of bloom initiation and maximum during the initial pulse of its bimodal bloom cycle in Narragansett Bay," Plankto Biol. ecol., vol. 47 no. 2, pp. 80-84, Feb. 2000.
B. H. Song, M. A. Jung, and S. R. Lee, "A design and implementation red tide prediction monitoring system using case based reasoning," The J. Korea Inf. and Comm. Society (KICS), vol. 35, no.12, pp.1819-1826, Dec. 2010.
S. W. Kim, "The proposals for improvement of oil preparedness and reponse system from the oil spill incident of the tanker Hebei Sprit," KSEEE Special Feature, pp.115-120, Feb. 2008.
O. H. Park and S. J. Jung, "The application of Lagrangian dynamical theory to the prediction of lateral diffusion of oil," KSEEE, vol.7, no.1, pp.1-11, Jan. 1985.
H. J. Kim, H. J. Lee, and M. J. Lee, "Building of GIS program for controlling oil spill accident," Korea Spatial Inform. Soc. (KSIS), vol.9, no.3, pp.58-66, Mar. 2006.
C. S. Yang, D. Y. Kim, and J. H. Oh, "Study on Improvement of Oil Spill Prediction Using Satellite Data and Oil-spill Model: Hebei Spirit Oil Spill," Korea J. Sensing, vol. 25, no. 5, pp.435-444, May 2009.
S. Park, C. W. Kim, S. R. Lee, "Marine environment monitoring and analysis system model", Journal of the Korea institute of information and communication engineering, vo.16, no.10, pp.2113-2120, October, 2012.

원문보기 상세보기
J. Han, M. Kamber, Data mining concepts and techniques, second edition, MorGan Kaufmann, 2006.
J.W. Yoon, Programming collective intelligence, Hanbit Media Inc., 2008.
H. Y. Han, "The concept of pattern recognition, integrated learning using MATLAB practice", Hanbit Media, 2009.
D. D. Lee and H. S. Seung, "Learning the parts of objects by non-negative matrix factorization," Nature, vol. 401, pp. 788-791, 1999.

상세보기
D. D. Lee and H. S. Seung, "Algorithms for non-negative matrix factorization," Advances Neural Inform. Process. Syst., vol. 13, pp. 556-562, 2001.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

해양환경 모니터링을 이용한 해양재해 예측 시스템 모델
Marine Disasters Prediction System Model Using Marine Environment Monitoring 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (20)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

해양환경 모니터링을 이용한 해양재해 예측 시스템 모델 Marine Disasters Prediction System Model Using Marine Environment Monitoring 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (20)

이 논문을 인용한 문헌

저자의 다른 논문 :

박선 (28) 이성로 (184)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

해양환경 모니터링을 이용한 해양재해 예측 시스템 모델
Marine Disasters Prediction System Model Using Marine Environment Monitoring 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper