다양한 기계학습 알고리즘의 스태킹 앙상블을 통한 뜰개 이동 예측 (Drifter Trajectory Prediction Using Stacked Ensemble with Multiple Machine Learning Algorithms)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 33권 / 5호 / 444 ~ 453페이지
· 저자명 : 정현기, 김태훈, 김도연, 김용혁, 문승현

초록

해양 사고는 선박의 충돌이나 침몰 및 기름 유출 등의 원인으로 인명피해와 환경파괴를 초래한다. 본 논문은 이러한 사고 발생 시 그 피해를 최소화하기 위해 부유물의 움직임을 수치모델인 OpenDrift보다 정확하게 예측하는 모델을 제안한다. 이를 위해 한반도 인근 해역에서22개의 뜰개가 얻은 데이터에 다양한 기계학습 알고리즘(MLP, 랜덤 포레스트, SGDRegressor,LightGBM)을 적용하여 뜰개의 경로를 예측하는 모델의 성능을 평가했다. 이후, 랜덤 포레스트,SGDRegressor, LightGBM을 스태킹 하여 개별 예측 모델의 성능을 개선하였고, OpenDrift보다 NCLS 값이 높은 앙상블 모델을 만들었다.

영어초록

Maritime accidents result in human casualties and environmental damage due toship collisions, sinking, and oil spills. This paper presents a new scheme to predictdrifter trajectories more accurately than the numerical model OpenDrift to minimizethe damage caused by such accidents. We evaluated the performance of driftertrajectory prediction models by employing various machine learning algorithms(MLP, random forest, SGDRegressor, and LightGBM) on data gathered from 22drifters in the seas near the Korean Peninsula. We then improved the performanceof the individual prediction models by stacking random forest, SGDRegressor, andLightGBM, resulting in an ensemble model with higher NCLS values than theOpenDrift.

참고자료

· 없음