역전파 신경망 모델을 이용한 항내 파고 예측

Title
역전파 신경망 모델을 이용한 항내 파고 예측
Alternative Title
Wave Height Estimation in a Harbour Using Artificial Neural Networks Model
Author(s)
이진학; 류경호; 정원무; 백원대
KIOST Author(s)
Yi, Jin-Hak(이진학)Ryu, Kyong Ho(류경호)Jeong, Weon Mu(정원무)Baek, Won Dae(백원대)
Alternative Author(s)
이진학; 류경호; 정원무; 백원대
Publication Year
2014-11-14
Abstract
최근 기후변화의 영향으로 바람과 파도의 세기가 증가하고 있으며 동시에 스웰과 같은 장주기파의 발생이 빈번해 지고 있다. 이와 같은 변화로 인하여 국내 항만에서의 항내 정온도가 악화되고 따라서 작업 중단이 더욱 빈번해 지고 있다. 포항신항의 경우 1997년 이후 연간 평균 46.1일의 작업 중단이 발생한 것으로 보고되고 있으며, 항만 가동율은 항만 성능 기준인 97.5%보다 낮은 87.4% 수준인 것으로 알려져 있다. 따라서 이러한 작업 중단은 국내에서의 항만 운영과 관련하여 중요한 이슈가 되고 있다(Jeong et al. 2013). 이러한 작업 중단은 기본적으로 항내정온도 확보가 적절하게 이루어지지 않아 발생하므로, 추가적인 방파제 등을 건설함으로써 항내정온도를 향상시키는 적극적이고 직접적인 해결 방법과 함께 작업 중단을 야기할 수 있는 시점을 미리 예보함으로써 항만운영을 좀 더 효율적으로 할 수 있는 간접적 방법을 고려할 수 있다. 이 연구에서는 이러한 두 가지 접근 방법 중 소프트웨어적으로 해결할 수 있는 두 번째 방법에 대한 연구를 수행하였다.97년 이후 연간 평균 46.1일의 작업 중단이 발생한 것으로 보고되고 있으며, 항만 가동율은 항만 성능 기준인 97.5%보다 낮은 87.4% 수준인 것으로 알려져 있다. 따라서 이러한 작업 중단은 국내에서의 항만 운영과 관련하여 중요한 이슈가 되고 있다(Jeong et al. 2013). 이러한 작업 중단은 기본적으로 항내정온도 확보가 적절하게 이루어지지 않아 발생하므로, 추가적인 방파제 등을 건설함으로써 항내정온도를 향상시키는 적극적이고 직접적인 해결 방법과 함께 작업 중단을 야기할 수 있는 시점을 미리 예보함으로써 항만운영을 좀 더 효율적으로 할 수 있는 간접적 방법을 고려할 수 있다. 이 연구에서는 이러한 두 가지 접근 방법 중 소프트웨어적으로 해결할 수 있는 두 번째 방법에 대한 연구를 수행하였다.
URI
https://sciwatch.kiost.ac.kr/handle/2020.kiost/25749
Bibliographic Citation
한국해안‧ 해양공학회 학술발표회, pp.6 - 9, 2014
Publisher
한국해안해양공학회
Type
Conference
Language
Korean
Publisher
한국해안해양공학회
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