http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장단기 기억 신경망을 활용한 선박교통 해양사고 패턴 분석 및 예측
장다운,김주성 해양환경안전학회 2022 해양환경안전학회지 Vol.28 No.5
Quantitative risk levels must be presented by analyzing the causes and consequences of accidents and predicting the occurrence patterns of the accidents. For the analysis of marine accidents related to vessel traffic, research on the traffic such as collision risk analysis and navigational path finding has been mainly conducted. The analysis of the occurrence pattern of marine accidents has been presented according to the traditional statistical analysis. This study intends to present a marine accident prediction model using the statistics on marine accidents related to vessel traffic. Statistical data from 1998 to 2021, which can be accumulated by month and hourly data among the Korean domestic marine accidents, were converted into structured time series data. The predictive model was built using a long short-term memory network, which is a representative artificial intelligence model. As a result of verifying the performance of the proposed model through the validation data, the RMSEs were noted to be 52.5471 and 126.5893 in the initial neural network model, and as a result of the updated model with observed datasets, the RMSEs were improved to 31.3680 and 36.3967, respectively. Based on the proposed model, the occurrence pattern of marine accidents could be predicted by learning the features of various marine accidents. In further research, a quantitative presentation of the risk of marine accidents and the development of region-based hazard maps are required. 해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.
장다운,유하영,김성봉,이자현,박철환,김승욱 한국공업화학회 2015 Journal of Industrial and Engineering Chemistry Vol.25 No.-
Penicillium brasilianum KUEB15 was utilized for cellulase production and medium optimization was investigated. The optimal compositions of the variables for maximum CMCase production by central composite rotatable design were 12.39 g/L of corn stover, 0.48 g/L of urea, and 6.12 g/L of ammonium sulfate. The predicted CMCase activity by the model was 1.207 Unit/ml, and the observed CMCase activity which was produced in optimal media was 1.180 Unit/ml. The activity of CMCase from P. brasilianum KUEB15, which was fermented in optimal media by RSM, was found to be 1.61-fold increased than that in the Mandel’s medium (0.731 Unit/ml).
영상처리기법을 활용한 연도교와 선박간의 충돌사고 위험성 평가에 관한 연구
장다운 해양환경안전학회 2022 해양환경안전학회지 Vol.28 No.7
Tourism projects through islands in the waters of Sinan-gun became active, and as a result, a total of 13 marine bridges connecting islands were completed. However, the marine bridge constructed in the fairway is dangerous for traffic. Particularly, in the case of the marine bridge connecting two islands, the width of the fairway is extremely narrow, therefore the risk is higher. In this study, we evaluated the risk of collision between marine bridge piers and ships using the IALA Waterway Risk Assessment Program (IWRAP), a risk assessment model for port waterways, based on a maritime traffic survey on the coastal bridge in Sinan-gun. The results, indicated that No.1 Sinan bridge had the highest probability of collision and most of the transit ships were coastal passenger ships. In addition, No.1 Sinan bridge was the place where the most collision accidents occurred among the marine bridge piers in the target sea, and the cause this study was analyzed. An analysis of the satellite images of the sea environment of No.1 Sinan bridge using an image processing method, confirmed that obstacles that could not be seen in the chart existed nearby the bridge. As a result, traffic was observed to be concentrated in one direction, unlike two-way traffic, which is a method of inducing traffic of bridges to avoid obstacles. The risk cause analysis method using the image processing technique of this study is expected to be used as a basic research method for analyzing the risk factors of island bridge in the future. 신안군 해역의 섬을 통한 관광사업이 활발해지면서 도서 간을 연결하는 해상교량은 현재까지 총 13개가 완공되었다. 그러나 통항로에 설치된 해상교량은 선박통항에 있어 위험성을 주며, 특히 섬과 섬을 연결하는 연도교의 경우 수로의 폭이 매우 좁아 그 위험도는 더욱 높다. 본 연구는 신안군 해역의 연도교에 대한 해상교통조사를 토대로 교각과 선박의 충돌위험도를 항만수로의 위험도 평가 모델인 IWRAP(IALA Waterway Risk Assessment Program)을 활용하여 평가하였다. 그 결과 신안1교가 충돌확률이 가장 높은 것으로 분석되었으며, 통항선박의 대부분은 연안 여객선으로 나타났다. 또한, 신안1교는 대상해역의 교각 중 가장 충돌사고가 많이 발생한 곳으로 본 연구에서는 그 원인을 분석하고자 하였다. 신안1교 해역환경의 위성사진을 영상처리기법으로 분석한 결과 해도에는 볼 수 없는 장애물이 교량 근처에 존재하는 것을 확인할 수 있었다. 이로 인해 장애물을 피해 교량의 통항유도방식인 양방향 통항과 달리 한 방향으로 통항이 집중되는 것을 알 수 있었다. 본 연구의 영상처리기법을 활용한 위험원인 분석방법은 향후 연도교의 위험요인 분석을 하는데 기초자료로 활용될 수 있을 것으로 기대된다.