최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국항해항만학회지 = Journal of navigation and port research, v.43 no.6, 2019년, pp.335 - 343
김영롱 (한국해양대학교 대학원) , 김구종 (해양안전심판원) , 박준범 (한국해양대학교 항해학부)
As the regulations of ship exhaust gas have been strengthened recently, many measures are under consideration to reduce fuel consumption. Among them, research has been performed actively to develop a machine-learning model that predicts fuel consumption by using data collected from ships. However, m...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
주성분 분석이란 무엇인가? | 주성분 분석은 변수들 사이의 분산-공분산 관계를 이용하여 변수들의 선형결합으로 나타낼 수 있는 주성분을 찾는 방법이다. 전체 데이터의 분산을 대표할 수 있는 주성분을 추출하기 때문에 데이터의 차원을 감소시켜 해석을 용이하게 하는 역할을 하며 서로 독립적인 새로운 변수들로 주성분을 구성하여 정보 손실의 최소화 및 다중공선성이 의심되는 회귀 모형에도 응용할 수 있다(Pearson, 1901). | |
주성분 분석이 데이터의 차원을 감소시켜 해석을 용이하게 하는 역할을 하는 이유는 무엇인가? | 주성분 분석은 변수들 사이의 분산-공분산 관계를 이용하여 변수들의 선형결합으로 나타낼 수 있는 주성분을 찾는 방법이다. 전체 데이터의 분산을 대표할 수 있는 주성분을 추출하기 때문에 데이터의 차원을 감소시켜 해석을 용이하게 하는 역할을 하며 서로 독립적인 새로운 변수들로 주성분을 구성하여 정보 손실의 최소화 및 다중공선성이 의심되는 회귀 모형에도 응용할 수 있다(Pearson, 1901). 다음은 주성분 분석을 통하여 데이터의 차원을 축소하는 방법을 나타낸 것이다. | |
주성분 분석이 다중공선성 문제를 해결하는 데 효과적인 이유는 무엇인가? | 본 연구에서는 이러한 문제점을 해결하고 효율적인 데이터분석 및 처리를 수행하기 위하여 주성분 분석(Principal Component Analysis;PCA)을 활용하고자 한다. 주성분 분석은 전체 데이터의 분산을 대표하는 서로 독립적인 성분을 추출해주는 기법이기 때문에 다중공선성 문제를 해결하는 데 효과적이며, 많은 데이터를 실시간으로 송수신할 필요가 있는 선박과 같은 환경에서 주성분으로 변환된 데이터를 활용하면 상대적으로 적은 양의 데이터를 송수신하여도 효과적인 결과를 얻을 수 있을 것으로 판단된다. 따라서 실제 13K TEU 컨테이너 선박으로부터 수집한 운항데이터를 사용하여 주성분분석을 수행하고, 추출한 주성분을 회귀 모형에 적용하여 선박의 연료소비 예측모델을 구현한다. |
Cattell, R. B.(1966), "The Scree Test For The Number of Factors", Multivariate behavioral research, Vol. 1, No. 2, pp. 245-276.
IMO.(2009), "Guidelines for voluntary use of the ship energy efficiency operational indicator (EEOI)", MEPC 1/Circ. 684.
IMO.(2012a), "Guidelines on survey and certification of the energy efficiency design index (EEDI)", MEPC 63/23/Add.1, Annex 10.
IMO.(2012b), "Guidance for the development of a ship energy efficiency management plan (SEEMP)", MEPC 59/24/Add.1, Annex 19.
Jolliffe, I. T.(1982), "A Note on the Use of Principal Components in Regression", Journal of the Royal Statistical Society: Series C (Applied Statistics), Vol. 31, No. 3, pp. 300-303.
Moore, D. S. and Kirkland, S.(2007), The Basic Practice of Statistics, Vol. 2, WH Freeman Press.
Pearson, K.(1901), "Principal Components Analysis", The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, Vol. 6, No. 2, p. 559.
Pedersen, B. P. and Larsen, J.(2009), "Prediction of Full-Scale Propulsion Power using Artificial Neural Networks", Proceedings of the 8th international conference on computer and IT applications in the maritime industries (COMPIT'09), Budapest, Hungary, pp. 10-12.
Perera, L. P. and Mo, B.(2016), "Marine Engine Operating Regions under Principal Component Analysis to evaluate Ship Performance and Navigation Behavior", IFAC-PapersOnLine, Vol. 49, No. 23, pp. 512-517.
Petersen, J. P., Jacobsen, D. J. and Winther, O.(2012), "Statistical modelling for ship propulsion efficiency", Journal of marine science and technology, Vol. 17, No. 1, pp. 30-39.
Pratt, W. K.(1991), Digital Image Processing, John Wiley and Sons Press.
Pukelsheim, F.(1994), "The Three Sigma Rule", The American Statistician, Vol. 48, No. 2, pp. 88-91.
Stopford, M.(2009), Maritime Economics, 3rd Ed, Routledge Press.
Yan, X., Wang, K., Yuan, Y., Jiang, X. and Negenborn, R. R.(2018), "Energy-efficient shipping: An application of big data analysis for optimizing engine speed of inland ships considering multiple environmental factors", Ocean Engineering, Vol. 169, pp. 457-468.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.