Random Forest를 활용한 주 추진 엔진의 배기가스 온도 예측 Estimating Exhaust Gas Temperature of a Propulsion Engine Using Random Forest
pp.795-801
선박의 기관 고장은 해상 안전성뿐만 아니라 경제적 요인에도 큰 영향을 미친다. 2024년 국내 해양 사고 통계에 따르면 단순 사고 중 기관 고장이 차지하는 비율은 40%이다. 이는 기관 손상이 선박 안전에 매우 중요한 요소임을 보여준다. 선박 기관 고장은 다양한 기계적 결함에 의해 발생하며, 이러한 영향은 선박 배기가스 온도 변화에 직접적으로 나타난다. 따라서 본 연구에서는 선박 배기가스 온 도를 예측하여 선박 기관 고장을 사전에 방지할 수 있는 모델을 개발하였다. 본교 실습선에서 수집한 데이터를 활용한 시계열 운항 데이 터를 수집하였고, 수집된 데이터 전처리 과정을 통해 비정규성을 나타낸다는 것을 밝혀냈다. 이에 따라서 Spearman 상관관계 분석법과 LASSO 회귀 분석법을 통해 총 6개의 변수를 도출했다. 이후, Random Forest 모델의 파라미터를 최적화하기 위해서 GridsearchCV를 활용하 였고, 모델 성능을 잔차 분포, 실제값 대비 예측값 산점도 및 정량적 지표를 통해 검증하였다.
Engine failure on ships has a significant impact not only on maritime safety but also on economic factors. According to domestic marine accident statistics of 2024, engine failure accidents accounted for 40% of simple accidents. This shows that engine damage is a very important factor in ship safety. Engine failure on ships can occur due to various mechanical defects, and these effects are directly reflected in ship exhaust gas temperature changes. Therefore, this study developed a model to predict ship exhaust gas temperature and prevent engine failure in advance. We collected data from a training ship. Data processing, it revealed that the data exhibited non-normality. Hence, Spearman correlation and least absolute shrinkage and selection operator (LASSO) regression analyses were conducted to derive a total of six variables. Subsequently, GridSearchCV was utilized to optimize the parameters of the random forest model. Model performance was validated through residual distribution scatter plots of predicted versus actual values, and other quantitative indicators.
Abstract
1. 서 론
2. 관련연구
3. 실험 방법
3.1 연구 대상 선박
3.2 실험 환경
3.3 데이터 전처리
3.4 모델 학습 및 평가 방법
4. 결과 및 고찰
4.1 주요 변수 선정
4.2 모델 예측 결과
4.3 모델 성능 정량적 평가
5. 결 론
Acknowledgements
References