논문 상세보기
pp.851-857
본 연구는 운항선의 운항 빅데이터를 활용하여 머신러닝 기법의 선박 마력 예측에 관한 것이다. 현재 신조선에는 ISO15016법을 이용하여 외부환경 요인에 대하여 수식을 통해 저항을 예측하나 관련 계산식이 복잡하고 요구하는 입력변수들이 많아 운항하는 실선 적 용에 많은 시간과 비용이 필요하다. 본 연구에서는 최근 예측, 인식 등에서 우수한 성능을 보이는 SVM(Support Vector Machine) 알고리즘을 이용하여 우수한 성능의 선박 출력 예측이 가능한 모델을 제안한다. 제안 예측 모델은 실선 운항 빅데이터만 확보된다면 ISO15016법 대비 우수한 성능의 예측이 가능한 장점이 있다. 본 연구에서는 178K 벌크캐리어의 운항 DATA를 활용하여 ISO15016 기법과 본 연구에서 제안 하는 SVM 알고리즘 기반의 마력해석법을 비교하여 ISO15016의 단점인 선박 모델 데이터 준비 부분을 줄이고 부정확한 마력 예측 성능을 개선하였다.
This study is about ship horsepower prediction of machine learning method using the big data of ship. Currently, new ships use the ISO15016 method to predict external environmental resistance through mathematical equations but due to complicated equations and requires many input variables so it is less applicable to be used in ship. In this recent research, we propose a model capable of predicting ship performance with high performance using SVM (Support Vector Machine) algorithm which shows excellent performance in recent prediction and recognition. The proposed predictive model has the advantage of being able to predict better performance than ISO15016 only if secured big data is used. In this study, we compared the ISO15016 technique and the SVM algorithm-based horsepower analysis method using the 178K bulk carrier's voyage data to reduce ship model data preparation, which is a disadvantage of ISO15016, and improve inaccurate horsepower prediction performance.
Abstract
1. 서 론
2. 선박 출력 예측 방법
2.1 기존 기관 출력 예측 방법
2.2 표준 선박 기관 출력 예측 방법
2.3 Holtrop & Mennen 방법
2.4 전산유체(CFD)에 의한 추정법
3. 선박 실운항 데이터 취득 및 전처리
3.1 적용선박 개요
3.2 모델 구축을 위한 운항데이터
3.3 데이터 전처리
4. SVM에 의한 선박 출력 예측 방법
4.1 SVM 개요
4.2 데이터 축소처리
4.3 RBF 커널 선정
4.4 교차검증을 통한 최적 파라미터 선정
5. SVM에 의한 선박 출력 예측 결과 및 고찰
5.1 예측 모델 생성과 검증
5.2 분석 결과
6. 결 론
References
