U-Net을 이용한 V-Pass 기반의 조업밀도분포 예측

Abstract

우리나라 어선의 95%이상은 섬유강화플라스틱(FRP) 재질의 소형선박으로 국제해상인명안전협약(SOLAS)의 선박자동식별장치(AIS)장착의무를 가지지 않는다(해양수산부, 2021). 따라서 어선분포 예측을 위해서는 국내에서 운용 중인 선박패스(V-Pass)의 위치, 경로 데이터를 이용해야한다. 시계열 모델인 ARIMA와 LSTM을 이용하면 정점에 대한 시계열 예측 모델을 구축할 수 있다. 그러나 2차원공간에 대한 시계열예측을 위해서는 시계열 추출을 위한 정점화와 각 정점 간에 상관성 또는 연속성이 있는 모델 구축이 필요하다. 이 연구에서는 시공간 조업밀도 예측을 위한 모델로서 딥러닝 네트워크 U-Net을 이용한다(Agrawal et al., 2019; Shin et al., 2021). 먼저 시계열 어선위치를 나타내는 V-Pass데이터의 선박속도를 이용해 어업여부를 정의하고, 0.01° 의 일일 격자자료를 생성한다. 모델을 구축하기에 앞서 각 격자에 대한 변동계수(CV)와 Periodogram을 이용하여 시계열 변동과 주요주기를 식별한다. U-Net모델은 30일의 연속적인 일일 격자자료를 입력받으면 6일의 연속적인 일일 예측격자를 반환하도록 설계한다. 총 4년간의 V-Pass 데이터 중 유효한 날짜만 선별하여 학습, 검증, 테스트는 각각 2년(2018-2019, 694일), 1년(2020, 330), 1년(2021, 330)로 할당하고 모델의 성능을 평가하였다. CV와 일치지수(IOA)는 반비례하여 일일 변동폭이 낮은 해역에 대해 예측안정성이 높은 것으로 나타났다. 공간적인 분포예측은 1~6일 후 예측까지 결정계수 0.87 이상으로 나타났다.