LSTM 모델을 활용한 마비성 패류독소 발생시기 예측 연구

Abstract

한반도 연안에서 발생하는 마비성 패류 독소 (paralytic shellfish poisoning, PSP)는 주로 부산연안 및 진해만 중심으로 점차 남해안 해역으로 확대되고 있는 실정이다 [1]. 1986년 이후 지속적으로 마비성 패류 독성에 의한 중독사고가 발생하고 있으며, 이를 대비하기 위해 2000년부터 국립수산과학원에서는 패류독소속보를 제공하고 있다. 우리나라의 대표적인 마비성 패류 독소 원인종으로는 Alexandrium catenella가 알려져 있으며, 이 종은 낮은 개체군 밀도만으로도 이매패류를 독화시킬 수 있어 주의가 필요하다 [2]. 따라서, 마비성 패류 독소의 예측을 위해서는 A. catenella 적조 종의 번성에 영향을 주는 해양환경에 대한 이해가 필수적이다. 하지만 정점조사로 이루어지는 패류독소속보는 인력, 비용, 시간적 측면에서 한계가 있으며, 하루단위 이하의 주기적인 예측에는 어려움이 있다. 본 연구에서는 해양 환경 자료와 LSTM (long-short term memory) neural network model을 활용하여 마비성 패류 독소의 시기 예측을 수행하였다. 국립해양조사원 바다누리 해양정보 서비스에서 제공하는 2006년부터 2020년 기간동안 획득된 거제, 가덕도, 마산 조위 관측소의 수온, 조위, 염분의 일별 자료와 국립수산과학원에서 제공되는 마비성 패류 독소 시기 자료를 각각 입력과 출력 자료로 사용하여 LSTM 모델을 훈련시켰다. 조위 관측소의 결측 자료 보간을 위해 LSTM regression 모델을 사용하였으며, 총 5479일 간의 세 조위 관측소의 수온, 조위, 염분 자료를 사용하여 LSTM classification 모델을 훈련시키고 정확도를 산출하였다. 패류 독소 시기 예측 LSTM 모델은 마비성 패류 독소의 일별 예측뿐만 아니라 시간별 예측에도 확대 연구될 수 있으며, 이를 통해 마비성 패류 독소의 사전 방재 시스템 구축에 유용한 자료를 제공할 수 있을 것으로 판단된다.