• 한국지구과학회지
• /
• 제39권5호
• /
• pp.436-457
• /
• 2018

본 연구에서는 3차원 순환 모델인 MOHID (MOdelo $HIDrodin{\hat{a}}mico$) 모델을 적용하여 한반도를 포함한 동아시아 해역의 2016년 해황 변동을 재현하였다. 재현 결과는 객관 분석장(EN4, ARMOR3D, AVISO, SIO 자료)과 현장 관측 자료(정선 해양 자료, 부이 자료)를 사용하여 검증하였다. 검증 결과 MOHID로 재현된 수온, 해면 고도 편차, 표층 유속 및 혼합 층 깊이 등의 전반적인 해황 구조가 동아시아 해역의 객관 분석 자료들과 유사하게 나타났다. 특히 연안의 부이 자료와 비교하였을 때, 표층 수온 및 해면 고도 편차의 상관 계수는 모두 0.8 이상이며, 표준화된 표준편차는 0.85-1.15의 값을 보였다. 그러나 여름철 동해의 수온 약층의 구조 및 황해와 남해의 강한 성층 현상 재현에 관한 추가적인 개선이 필요할 것으로 분석되었다.

• International Journal of Ocean System Engineering
• /
• 제4권1호
• /
• pp.29-42
• /
• 2014

The objective of this paper is to present the implementation of a joint modeling system able to evaluate the propagation of the polluting agents in the marine environment. The system is composed by circulation model (Mohid) and a spectral wave model (SWAN). The results coming from the circulation model are provided as input to the SWAN simulations. Following this target the Mohid water circulation model was implemented and calibrated in the Black Sea basin. The current simulations were run for one year (2010) with a time step of 24 hours, using wind fields from ECMWF. The results concerning the current fields were introduced into SWAN, and the difference between the results of the SWAN simulations with and without the current input from Mohid was assessed. In this regard, 10 points where the significant wave height difference is higher were considered and analyzed. The conclusion of the work is that such a joint system provides more reliable results concerning the wave and current conditions in the Black Sea as it is very useful in providing the support in the case of the environmental alerts that may occur in marine environments.

• 한국해안·해양공학회논문집
• /
• 제34권1호
• /
• pp.11-18
• /
• 2022

본 연구는 대한해협 인근 입자추적 예측 기법의 정확도 개선을 위해서 해수유동 수치모델 결과를 이용하여 만든 입자추적 모델과 현장 관측 자료를 이용한 기계학습 기반 입자 추적 모델을 비교 및 분석하였다. 세부 연구 방법으로는 대한해협에서 관측된 표층 뜰개 이동 궤적 자료, 3개 관측소(가거도, 거제도, 교본초 관측소)의 조위 및 바람자료를 학습시켜 만든 기계 학습(선형 회귀, 의사결정나무) 기반 예측자료, 수치모델 예측자료(ROMS, MOHID)를 3가지 오차평가방법(CC, RMSE, NCLS)을 통해 비교하였다. 최종 결과로서 CC와 RMSE에서는 의사결정나무 모델의 예측 정확도가 가장 우수하였고 NCLS에서는 MOHID 모델의 예측 결과가 가장 우수하였다.

• 한국지리정보학회지
• /
• 제23권4호
• /
• pp.184-207
• /
• 2020

본 연구에서는 GIS기반 적지분석을 적용하여 조류-양수 융합발전시설의 설치후보지역을 도출하는 것을 목표로 하였다. 연구대상지역은 진도 일대 서남해 해역이며, 융합발전시설의 설계 및 설치 특성을 고려하여 적지분석을 위한 고려인자를 도출하였다. MOHID(Modelo HIDrodin?mico)를 이용하여 조류 수치모의를 수행하였고, 모의 결과를 공간자료로 변환하였다. 이후 본 연구에서는 제안하는 GIS기반 중첩분석 방법을 적용하여 설치후보지역을 도출하였다. 연구 결과에서 총 10개 지역이 후보지역으로 도출되었으며, 이 중 진도, 성남도, 하조도가 상대적으로 넓은 해역에 대해 조류-양수 발전기 설치가 가능한 것으로 판단되었다.

• 해양환경안전학회:학술대회논문집
• /
• 해양환경안전학회 2017년도 추계학술발표회
• /
• pp.2-2
• /
• 2017

• 한국융합학회논문지
• /
• 제8권10호
• /
• pp.45-52
• /
• 2017

뜰개는 해양에서 해수의 특성 및 흐름을 관측하기 위한 장비로서, 해수의 흐름 관측을 이용해 유출유 확산 예측을 위해 사용될 수 있다. 본 논문에서는 관측기관에서 사용하는 뜰개가 특정 시간 간격으로 관측한 바람 및 해수의 특성과 이동경로를 기계학습 기법들을 이용하여 학습시키고 예측하는 모델을 제안한다. 서포트벡터 회귀, 방사기저함수 네트워크, 가우시안 프로세스, 다층 퍼셉트론, 순환신경망을 이용하여 뜰개의 이동경로 예측 방법을 제시한다. 기존 MOHID 수치모델과 비교하여 각 기법별로 4 개의 사례중 3 개에서 성능이 개선되었으며, 가장 좋은 개선율을 보인 기법은 LSTM으로 평균 47.59% 개선되었다. 추후 연구에서는 배깅과 부스팅을 이용하여 가중치를 부여하여 정확도를 개선할 예정이다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제8권3호
• /
• pp.57-67
• /
• 2018

앙상블 기법은 기계학습에서 다수의 알고리즘을 사용하여 더 좋은 성능을 내기 위해 사용하는 방법이다. 본 논문에서는 앙상블 기법에서 많이 사용되는 부스팅과 배깅에 대해 소개를 하고, 서포트벡터 회귀, 방사기저함수 네트워크, 가우시안 프로세스, 다층 퍼셉트론을 이용하여 설계한다. 추가적으로 순환신경망과 MOHID 수치모델을 추가하여 실험을 진행한다. 실험적 검증를 위해 사용하는 뜰개 데이터는 7 개의 지역에서 관측된 683 개의 관측 자료다. 뜰개 관측 자료를 이용하여 6 개의 알고리즘과의 비교를 통해 앙상블 기법의 성능을 검증한다. 검증 방법으로는 평균절대오차를 사용한다. 실험 방법은 배깅, 부스팅, 기계학습을 이용한 앙상블 모델을 이용하여 진행한다. 각 앙상블 모델마다 동일한 가중치를 부여한 방법, 차등한 가중치를 부여한 방법을 이용하여 오류율을 계산한다. 가장 좋은 오류율을 나타낸 방법은 기계학습을 이용한 앙상블 모델로서 6 개의 기계학습의 평균에 비해 61.7%가 개선된 결과를 보였다.

• 한국지구과학회지
• /
• 제44권4호
• /
• pp.255-263
• /
• 2023

Western coastal area of Chungnam, including Cheonsu Bay and Garorim Bay, has suffered from hot and cold extremes. In this study, the extreme sea surface temperature on the western coast of Chungnam was analyzed using the quantile regression method, which extracts the linear regression values in all quantiles. The regional MOHID (MOdelo HIDrodinâmico) model, with a high resolution on a 1/60° grid, was constructed to reproduce the extreme sea surface temperature. For future prediction, the SSP5-8.5 scenario data of the CMIP6 model were used to simulate sea surface temperature variability. Results showed that the extreme sea surface temperature of Cheonsu Bay in August 2017 was successfully simulated, and this extreme sea surface temperature had a significant negative correlation with the Pacific decadal variability index. As a result of future climate prediction, it was found that an average of 2.9℃ increased during the simulation period of 86 years in the Chungnam west coast and there was a seasonal difference (3.2℃ in summer, 2.4℃ in winter). These seasonal differences indicate an increase in the annual temperature range, suggesting that extreme events may occur more frequently in the future.