한국해양대학교

Detailed Information

Metadata Downloads

실선 데이터를 이용한 기계학습 기반의 연료소비 예측모델의 개발

DC Field Value Language
dc.contributor.advisor 박준범 -
dc.contributor.author 김영롱 -
dc.date.accessioned 2020-07-20T11:44:54Z -
dc.date.available 2020-07-20T11:44:54Z -
dc.date.issued 2019 -
dc.identifier.uri http://repository.kmou.ac.kr/handle/2014.oak/12289 -
dc.identifier.uri http://kmou.dcollection.net/common/orgView/200000216831 -
dc.description.abstract As the environmental regulations of the international organizations are being strengthened and interest in the economic operation of the ship is being increased, many studies have been done to reduce the amount of fuel consumed by ships. In the ship operational measures, management of navigation performance, hull and propeller condition and ship system have been performed to improve the energy efficiency of ships. In recent years, due to the development of collection and storage of big data and communication technologies, there have been great demands for real-time monitoring techniques predicting ship operational performances through ship data. In this study, it is intended to develop a prediction model for fuel consumption rate based on the real-time ship operational data. In previous studies, all the operational data collected from the ship were used without being aware, or the main data to estimate fuel consumption of a ship were selected relying on only the expert's experience. These cases could cause multicollinearity and overfitting problems, and the complexity of the calculations has been also led to inefficiencies in the model generation process. In order to resolve the weakness of existing prediction models, this study performed overall data processing to recognize the characteristics of ship data and then selected independent variables for implementing the fuel consumption prediction model logically through dimensional reduction methods such as correlation analysis, variance inflation factor, principal component analysis, and Lasso regularization. Finally, the regression model and ANN(Artificial neural network) algorithm were applied to complete prediction models, and the performance of those models was analyzed. It is sure that the fuel consumption rate prediction model could support the operator's decision-making during the route planning, detect hull and equipment anomalies, identify performance degradation due to long-term operations and help users understand operational data. The prediction model developed in this study would be a basic stepwise study of the energy efficiency optimization system to support the operator's decision making. In future studies, it will be possible to establish a sophisticated prediction system by improving the accuracy and reliability of the model based on data on various types of ships and operating conditions.|국제기구의 환경 규제 강화와 더불어 선박의 경제적 운항에 대한 관심이 높아지면서 선박에서 소모되는 연료량을 저감하기 위한 연구가 활발히 진행되고 있다. 선박의 에너지효율을 향상시킬 수 있는 운항적 조치에는 항해성능관리, 선체 및 프로펠러 상태관리, 선박 시스템관리와 같은 방법들이 있으며 최근에는 빅데이터의 수집 및 저장 그리고 통신기술의 발달로 인하여 선박 데이터를 활용한 실시간 운항성능 모니터링 및 예측 기술에 관한 수요가 많아지고 있다. 본 연구에서는 실선 운항데이터를 기반으로 연료소모율을 예측하는 모델을 개발하고자 하였다. 지금까지는 선박의 연료소모량을 예측하기 위하여 선박으로부터 수집가능한 모든 운항데이터를 사용하거나 일부 연구에서는 전문가의 경험에 의존하여 변수를 선정하기도 하였다. 하지만 이러한 경우 모델의 다중공선성 및 과적합 문제가 발생할 수 있으며 계산의 복잡성으로 인하여 비효율적인 측면이 있었다. 이러한 기존 방법들의 문제점을 해결하기 위하여 선박데이터의 특성을 고려한 전반적인 데이터 처리 과정을 제시하였으며 상관 분석 및 분산팽창지수, 주성분 분석, 라소 정규화와 같은 차원축소방법을 도입하여 예측모델을 구현하기 위한 독립변수를 선정하였다. 마지막으로 실선 데이터에 회귀모형 및 인공 신경망 알고리즘을 적용하여 예측모델을 구현하고 그 성능을 분석하였다. 연료소모율 예측모델은 항로계획 시 운항자의 의사 결정을 지원하고 선체 및 기기의 이상상태를 탐지할 수 있으며 장기 운항에 따른 성능저하 파악 및 이용자의 운항데이터에 대한 이해를 도울 수 있을 것으로 사료된다. 본 연구에서 개발한 예측모델은 운항자의 의사결정을 지원하기 위한 에너지효율 최적화 시스템의 기초 단계적인 연구라고 할 수 있다. 향후 연구에서는 다양한 선종과 운항 조건에 대한 데이터를 바탕으로 모델의 정확도와 신뢰도를 개선하여 고도화된 예측 시스템을 수립할 수 있을 것이라고 판단된다. -
dc.description.tableofcontents 1. 서 론 1 1.1 연구의 배경 1 1.2 선행 연구 고찰 3 1.3 연구의 목적 및 기대효과 6 1.4 논문의 구성 7 2. 연구 재료 및 방법 8 2.1 데이터 소개 8 2.2 연구 방법 11 3. 데이터 수집 및 전처리 13 3.1 데이터 수집 13 3.2 데이터 통합 14 3.3 데이터 정제 14 3.3.1 결측값 14 3.3.2 이상값 15 3.4 데이터 변환 21 3.4.1 변수 변환 21 3.4.2 표준화 27 3.5 데이터 축소 30 3.5.1 상관 분석 및 분산팽창지수에 의한 변수 선택 31 3.5.2 주성분 분석에 의한 특징 추출 37 3.5.3 라소 정규화에 의한 변수 선택 45 3.5.4 경험적인 판단에 의한 변수 선택 48 4. 예측모델 개발 및 평가 51 4.1 예측모델 개발 51 4.1.1 데이터 구분 51 4.1.2 평가 기준 53 4.1.3 다중선형 회귀 기반의 예측모델 개발 54 4.1.4 인공 신경망 기반의 예측모델 개발 56 4.2 예측모델 평가 59 4.2.1 평가 결과 59 5. 결론 및 제언 65 5.1 결론 65 5.2 제언 66 참고문헌 68 부록 A 통계 분석 이론 72 부록 B 인공 신경망 이론 80 부록 C 인공 신경망 모델의 경향 분석 83 감사의 글 88 -
dc.format.extent 88 -
dc.language kor -
dc.publisher 한국해양대학교 대학원 -
dc.rights 한국해양대학교 논문은 저작권에 의해 보호받습니다. -
dc.title 실선 데이터를 이용한 기계학습 기반의 연료소비 예측모델의 개발 -
dc.type Dissertation -
dc.date.awarded 2019-08 -
dc.contributor.alternativeName Kim, Young-Rong -
dc.contributor.department 대학원 항해학과 -
dc.contributor.affiliation 한국해양대학교 대학원 항해학과 -
dc.description.degree Master -
dc.identifier.bibliographicCitation 김영롱. (2019). 실선 데이터를 이용한 기계학습 기반의 연료소비 예측모델의 개발. , (), -. -
dc.subject.keyword 선박 에너지효율, 연료소비 예측, 기계학습, 차원 감소법, 인공 신경망, 다중 선형 회귀, 주성분 분석, 라소 정규화, 상관 분석, 예측 모델, 스마트 선박 -
dc.title.translated Development of a Fuel Consumption Prediction Model Based on Machine Learning Using Ship’s Data -
dc.contributor.specialty 해사기술안전 -
dc.identifier.holdings 000000001979▲200000001277▲200000216831▲ -
Appears in Collections:
해운항만물류학과 > Thesis
Files in This Item:
200000216831.pdf Download

Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse