해양산업시설에서 배출되는 위험유해물질 계측 데이터의 결측값 보완을 위한 인공지능 모델 선정 연구

Abstract

1. 개요 및 연구목적* First Author : ojduck@onthesys.com 042-484-2013 †Corresponding Author : ldj@onthesys.com 042-484-2013

본 연구는 최근 해양산업시설의 규모 확대 및 복잡성 증가로 인해, 해상 사고 발생 시 위험유해물질(Hazardous and Noxious Substances, HNS)의 유출 가능성이 높아지고 있다. 계측된 HNS 시계열 데이터의 신뢰성을 높이기 위해 결측값 보완을 위한 최적의 인공지능(AI) 예측 모델을 선정하는 것에 목적을 두고 있다.

2. 연구방법 다양한 사례를 반영한 모의 데이터에 대해 통계적 전처리 기법을 적용하여 데이터 분석 및 정규화를 수행한다. AI 결측값 예측의 성능은 정확도와 안정성을 판단하기 위해 학습 데이터가 10% 이하로 포함된 검증 데이터를 사용하여 다각적인 오차 지표를 사용하여 정량적 비교를 통해 검토한다.

3. 결과 및 고찰 연구 결과에 따르면 결측 데이터의 유형에 따라 적합한 보정 모델이 상이하게 나타났으며, 이 결과는 향후 실시간 해양환경 모니터링 시스템 설계 시 모델 적용 방안으로 활용될 수 있을 것으로 사료된다.

4. 결 론 HNS 데이터의 결측 문제 해결을 위해서 특정한 단일 모델에 의존하기보다는 다양한 인공지능 모델들의 예측 결과값들에 센서의 특성을 반영하여 적절한 가중치가 적용된 선택적 적용 방식을 제안한다.