해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로 써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통 의 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 분류하 여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하 였다. 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 기 반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제 시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

본 연구는 조위 관측자료를 이용하여 부산항에서의 장기 조위 자료를 생성하는 Long Short-Term Memory (LSTM)으로 구현된 순환신경망 모델을 개발하였다. 국립해양조사원의 부산 신항과 통영에서 관측된 조위 자료를 모델 입력 자료로 사용하여 부산항의 조위 를 예측하였다. 모델에 대하여 2019년 1월 한 달의 학습을 수행하였으며, 이후 2019년 2월에서 2020년 1월까지 1년에 대하여 정확도를 계 산하였다. 구축된 모델은 부산 신항과 통영의 조위 시계열을 함께 입력한 경우에 상관계수 0.997 및 평균 제곱근 오차 2.69 m로 가장 성 능이 높았다. 본 연구 결과를 바탕으로 딥러닝 순환신경망 모델을 이용하여 임의 항만의 장기 조위 자료 예측이 가능함을 알 수 있었다.

학습자의 학습 스트레스 수준(stress level)과 금전적 보상(monetary rewards)의 제시 시점 차이가 장, 단기 기억수행에 미치는 영향을 알아보았다. 지연-파지 효과(delay-retention effect)에서는 지연 보상 (delayed reward)이 기억의 공고화(consolidation) 과정을 촉진시켜 결과적으로 장기 기억 수행을 향상시키게 된다고 주장한다. 본 연구에서는 지연 보상과 즉시 보상(immediate reward)이 학습 스트레스가 높고, 낮은 맥락의 차이에 따라 기억 수행에 미치는 영향력이 다를 것이라 예상하였다. 따라서 학습 맥락을 학습 스트레스가 높고, 낮은 두 조건으로 나누고, 보상 조건과 기억의 인출 시점을 구분하여 실험하였다. 보상 조건은 보상 제시 시점(5초 후 제시, 바로 제시)과 보상의 유무(500원, 0원)를 구분하였고, 기억 검사는 바로 인출하는 경우와 기억 공고화 과정을 거치고 일주일 후 인출하는 경우로 나누었다. 실험 결과 지연 보상은 장기 기억에 이점 효과가 있었고, 즉시 보상은 단기 기억에만 이점 효과가 나타났다. 이러한 보상의 기억 이점 효과는 스트레스가 높은 학습 맥락에서만 관찰되었다. 본 결과는 학습자가 지각하는 학습 스트레스 수준이 높을수록 보상에 대한 민감도가 높으며, 학습 후 즉시 보상 보다 지연 보상이 기억 공고화 과정에서 기억을 촉진시키는 역할을 수행하여 결과적으로 장기 기억력을 향상시킴을 시사한다.