인공신경망을 이용한 복잡한 지형 내 항만에서의 하역작업성 예측

DC Field Value Language
dc.contributor.author 이진학 -
dc.contributor.author 류경호 -
dc.contributor.author 정원무 -
dc.contributor.author 백원대 -
dc.date.accessioned 2020-07-15T15:53:11Z -
dc.date.available 2020-07-15T15:53:11Z -
dc.date.created 2020-02-11 -
dc.date.issued 2017-04-20 -
dc.identifier.uri https://sciwatch.kiost.ac.kr/handle/2020.kiost/24054 -
dc.description.abstract 최근 기후변화에 따른 바람 및 파랑의 강도 증가와 함께 스웰 등 장주기 파랑의 발현이 증가하면서 항만 내 작업이 어려운 경우가 증가하고 있다. 작업이 어려운 시기를 미리 예측할 수 있다면 항만 운영을 좀 더 효과적으로 할 수 있을 것이다. 이와 같이 항만에서의 하역 작업과 관련하여 파고를 예측할 수 있도록 (1) 시뮬레이션 모델을 이용한 수치해석, (2) 장기 관측자료 및 비모수 예측모델(non-parametric estimation model)을 이용한 경험적 방법, 그리고 (3) 수치해석과 경험적 방법을 연계한 방법 등이 연구되고 있다.수치해석의 경우 기상청의 72시간 바람 예보자료를 이용하여 광역 수치해석을 수행하고, 항내 파고는 협역 모델에 광역 수치해석 결과를 반영하여 상세 시뮬레이션을 수행함으로써 예측할 수 있다. 이와 같은 방법으로 예측된 결과를 토대로 항만 하역작업성을 평가할 수 있다. 장기 관측자료를 이용한 경험적인 방법의 경우에는 원해에서 관측한 파랑 자료와 항내에서 관측한 파랑 자료 사이의 관계를 인공신경망 또는 선형회귀분석 모델 등을 이용하여 분석한 후, 이 모델을 이용하여 원해에서의 파랑 관측자료로부터 몇 시간 후의 항내 파고 및 하역작업성을 평가할 수 있다. 이 방법의 경우 원해에서의 관측자료와 항내 관측자료가 충분히 오랜 기간 동안 확보되어 있어야 하며, 이러한 장기 관측자료를 이용하여 모델을 구축한 경우 수치해석에서는 다루기 어려운 수심 변화 또는 복잡한 지형 영향을 최소화할 수 있을 것이다.한편 이 연구에서는 포켓 형상의 비교적 복잡한 지형 조건을 가진 항만 하역작업성 평가를 위하여 광역 수치해석 결과와 협역에서의 관측자료를 연계한 방법을 적용하여 포항 신항 내만에서의 하역 작업과 관련하여 파고를 예측할 수 있도록 (1) 시뮬레이션 모델을 이용한 수치해석, (2) 장기 관측자료 및 비모수 예측모델(non-parametric estimation model)을 이용한 경험적 방법, 그리고 (3) 수치해석과 경험적 방법을 연계한 방법 등이 연구되고 있다.수치해석의 경우 기상청의 72시간 바람 예보자료를 이용하여 광역 수치해석을 수행하고, 항내 파고는 협역 모델에 광역 수치해석 결과를 반영하여 상세 시뮬레이션을 수행함으로써 예측할 수 있다. 이와 같은 방법으로 예측된 결과를 토대로 항만 하역작업성을 평가할 수 있다. 장기 관측자료를 이용한 경험적인 방법의 경우에는 원해에서 관측한 파랑 자료와 항내에서 관측한 파랑 자료 사이의 관계를 인공신경망 또는 선형회귀분석 모델 등을 이용하여 분석한 후, 이 모델을 이용하여 원해에서의 파랑 관측자료로부터 몇 시간 후의 항내 파고 및 하역작업성을 평가할 수 있다. 이 방법의 경우 원해에서의 관측자료와 항내 관측자료가 충분히 오랜 기간 동안 확보되어 있어야 하며, 이러한 장기 관측자료를 이용하여 모델을 구축한 경우 수치해석에서는 다루기 어려운 수심 변화 또는 복잡한 지형 영향을 최소화할 수 있을 것이다.한편 이 연구에서는 포켓 형상의 비교적 복잡한 지형 조건을 가진 항만 하역작업성 평가를 위하여 광역 수치해석 결과와 협역에서의 관측자료를 연계한 방법을 적용하여 포항 신항 내 -
dc.description.uri 2 -
dc.language Korean -
dc.publisher 한국해양과학기술협의회 -
dc.relation.isPartOf 한국해양과학기술협의회 공동학술대회 -
dc.title 인공신경망을 이용한 복잡한 지형 내 항만에서의 하역작업성 예측 -
dc.title.alternative Downtime Forecasting in Harbour with Complex Topography Using Artificial Neural Networks Model -
dc.type Conference -
dc.citation.conferencePlace KO -
dc.citation.endPage 71 -
dc.citation.startPage 71 -
dc.citation.title 한국해양과학기술협의회 공동학술대회 -
dc.contributor.alternativeName 이진학 -
dc.contributor.alternativeName 류경호 -
dc.contributor.alternativeName 정원무 -
dc.contributor.alternativeName 백원대 -
dc.identifier.bibliographicCitation 한국해양과학기술협의회 공동학술대회, pp.71 -
dc.description.journalClass 2 -
Appears in Collections:
Marine Industry Research Division > Ocean Space Development & Energy Research Department > 2. Conference Papers
Marine Industry Research Division > Maritime ICT & Mobility Research Department > 2. Conference Papers
Files in This Item:
There are no files associated with this item.

qrcode

Items in ScienceWatch@KIOST are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse