https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/9834 Mon, 04 May 2026 08:06:25 GMT 2026-05-04T08:06:25Z https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11174 https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11174 https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11097 Title: AIS 데이터를 이용한 기계학습 기반 선박 주기관 출력 추정 Authors: 유상록; 조득재; 양영훈 Abstract: 국제해운의 탈탄소 전환과 IMO GHG 전략에 따른 규제 강화로 선박별 정밀 배출 산정이 요구되고 있다. 그러나 실제 운항 선박의 주기관 출력 정보는 외부 데이터베이스에 의존하는 경우가 많아 데이터 수집 단계에서 상당한 경제적 비용과 시간 지연이 발생한다. 이러한 제약을 완화하기 위해, 본 연구는 AIS 정적 정보 중 선체길이를 단일 입력변수로 활용하여 선종별 주기관 출력을 기계학습으로 추정하는 방법을 제안한다. 본 연구에서는 선형회귀, K-최근접이웃, 랜덤포레스트, 그래디언트부스팅, AdaBoost, XGBoost, LightGBM, CatBoost 등 8종의 기계학습 모델을 적용하였다. 수집한 데이터는 선종별로 분리한 뒤 무작위 분할하였고, 90% 학습셋에서 10-fold 교차검증을 수행한 후 10% 홀드아웃 테스트로 최종 성능을 평가하였다. 테스트셋 기준 화물선은 CatBoost가 R²=0.96, 탱커선은 Gradient Boosting이 R²=0.96으로 가장 우수하였다. 여객선은 XGBoost가 R²=0.89, 예인선은 CatBoost가 R²=0.76을 보였다. 본 연구를 통해 AIS 데이터를 이용하여 주기관 출력을 추정할 수 있음을 확인하였다. Wed, 01 Oct 2025 00:00:00 GMT https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11097 2025-10-01T00:00:00Z https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11084 Title: 실운항 데이터를 활용한 FFT 기반의 선박 횡동요 주기 추정 알고리즘 성능 분석 Authors: 김기용; 오상진; 임채옥; 백종화; 조득재; 신성철 Abstract: 선박은 안정적인 운항을 위해 충분한 복원성을 가져야 하며, 운항 중인 선박은 주로 GM(Metacentric Height)을 이용하여 선박의 복원성을 판단한다. 그러나 실시간으로 변화하는 해상 상태를 고려한 정확한 GM을 측정하기 위해서는 큰 비용과 복잡한 계산이 필요하다. 본 연구에서는 GM을 계산하는 방법의 대안으로 GM과 횡동요 주기와의 관계성을 이용하여 선박의 복원성을 추정하고자 한다. 전자경사계를 통해 수집된 시계열 데이터를 기반으로 주파수 분석과 통계 기법을 통해 선박의 횡동요 주기를 추정하였다. 결과적으로 선박의 복원성 판단 여부 가능성을 확인함으로써 소형선박 복원성 확보를 위한 초기 연구로 활용하길 기대한다. Wed, 01 Oct 2025 00:00:00 GMT https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11084 2025-10-01T00:00:00Z https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11093 https://www.kriso.re.kr/sciwatch/handle/2021.sw.kriso/11093