심층신경망을 활용한 Cochlodinium polykrikoides 적조 발생 예측 연구

• 영문명: Study on Cochlodinium polykrikoides Red tide Prediction using Deep Neural Network under Imbalanced Data
• 발행기관: 한국전자통신학회
• 저자명: 박수호(Su-Ho Bak) 정민지(Min-Ji Jeong) 황도현(Do-Hyun Hwang) 엥흐자리갈 운자야(Unuzaya Enkhjargal) 김나경 윤홍주(Hong-Joo Yoon)
• 간행물 정보: 『한국전자통신학회 논문지』제14권 제6호, 1161~1170쪽, 전체 10쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2019.12.30

국문 초록

본 연구에서는 심층 신경망을 이용하여 Cochlodinium polykrikoides 적조 발생을 예측하는 모델을 제안한다. 적조 발생 예측을 위해 8개의 은닉층을 가진 심층 신경망을 구축하였다. 위성 재분석 자료와 기상수치모델 자료를 이용하여 과거 적조 발생해역의 해양 및 기상인자 총 59개를 추출하여 신경망 모델 학습에 활용하였다. 전체 데이터셋 중 적조 발생 사례는 적조 미발생 사례에 비해 매우 적어 불균형 데이터 문제가 발생하였다. 본 연구에서는 이를 해결하기 위해 과표집화(Over sampling) 기반 데이터 증식(Data augmentation) 기법을 적용하였다. 과거자료를 활용하여 모형의 정확도를 평가한 결과 약 97%의 정확도를 보였다.

영문 초록

In this study, we propose a model for predicting Cochlodinium polykrikoides red tide occurrence using deep neural networks. A deep neural network with eight hidden layers was constructed to predict red tide occurrence. The 59 marine and meteorological factors were extracted and used for neural network model training using satellite reanalysis data and meteorological model data. The red tide occurred in the entire dataset is very small compared to the case of no red tide, resulting in an unbalanced data problem. In this study, we applied over sampling with adding noise based data augmentation to solve this problem. As a result of evaluating the accuracy of the model using test data, the accuracy was about 97%.

목차

Ⅰ. 서 론

Ⅱ. 자료 및 방법

Ⅲ. 결과 및 토의

Ⅳ. 결 론

키워드

Red Tide Machine Learning Harmful Algal Bloom Prediction 적조 기계 학습 유해 조류 발생 예측