Purpose: This study aims to predict the dry cargo transportation market economy. The subject of this study is the BDI (Baltic Dry Index) time-series, an index representing the dry cargo transport market. Methods: In order to increase the accuracy of the BDI time-series, we have pre-processed the original time-series via time-series decomposition and data augmentation techniques and have used them for ANN learning. The ANN algorithms used are Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), and Long Short-Term Memory (LSTM) to compare and analyze the case of learning and predicting by applying time-series decomposition and data augmentation techniques. The forecast period aims to make short-term predictions at the time of t+1. The period to be studied is from '22. 01. 07 to '22. 08. 26. Results: Only for the case of the MAPE (Mean Absolute Percentage Error) indicator, all ANN models used in the research has resulted in higher accuracy (1.422% on average) in multivariate prediction. Although it is not a remarkable improvement in prediction accuracy compared to uni-variate prediction results, it can be said that the improvement in ANN prediction performance has been achieved by utilizing time-series decomposition and data augmentation techniques that were significant and targeted throughout this study. Conclusion: Nevertheless, due to the nature of ANN, additional performance improvements can be expected according to the adjustment of the hyper-parameter. Therefore, it is necessary to try various applications of multiple learning algorithms and ANN optimization techniques. Such an approach would help solve problems with a small number of available data, such as the rapidly changing business environment or the current shipping market.
Kim, Hyeon-Jae;Kim, Dong-Hoon;Lim, Chaewook;Shin, Yongtak;Lee, Sang-Chul;Choi, Youngjin;Woo, Seung-Buhm
Journal of Korean Society of Coastal and Ocean Engineers
/
v.33
no.6
/
pp.265-274
/
2021
Outlier detection research in ocean data has traditionally been performed using statistical and distance-based machine learning algorithms. Recently, AI-based methods have received a lot of attention and so-called supervised learning methods that require classification information for data are mainly used. This supervised learning method requires a lot of time and costs because classification information (label) must be manually designated for all data required for learning. In this study, an autoencoder based on unsupervised learning was applied as an outlier detection to overcome this problem. For the experiment, two experiments were designed: one is univariate learning, in which only SST data was used among the observation data of Deokjeok Island and the other is multivariate learning, in which SST, air temperature, wind direction, wind speed, air pressure, and humidity were used. Period of data is 25 years from 1996 to 2020, and a pre-processing considering the characteristics of ocean data was applied to the data. An outlier detection of actual SST data was tried with a learned univariate and multivariate autoencoder. We tried to detect outliers in real SST data using trained univariate and multivariate autoencoders. To compare model performance, various outlier detection methods were applied to synthetic data with artificially inserted errors. As a result of quantitatively evaluating the performance of these methods, the multivariate/univariate accuracy was about 96%/91%, respectively, indicating that the multivariate autoencoder had better outlier detection performance. Outlier detection using an unsupervised learning-based autoencoder is expected to be used in various ways in that it can reduce subjective classification errors and cost and time required for data labeling.
Journal of the Korean Society of Fisheries and Ocean Technology
/
v.32
no.3
/
pp.235-240
/
1996
Forecasts of monthly landings of walleye pollock, Theragra chalcogramma, in Korea were carried out by the seasonal Autoregressive Integrated Moving Average(ARlMA) model. The Box - Cox transformation on the walleye pollock catch data handles nonstationary variance. The equation of Box - Cox transformation was Y'=($Y^0.31$_ 1)/0.31. The model identification was determined by minimum AIC(Akaike Information Criteria). And the seasonal ARlMA model is presented (1- O.583B)(1- $B^1$)(l- $B^12$)$Z_t$ =(l- O.912B)(1- O.732$B^12$)et where: $Z_t$=value at month t ; $B^p$ is a backward shift operator, that is, $B^p$$Z_t$=$Z_t$-P; and et= error term at month t, which is to forecast 24 months ahead the walleye pollock landings in Korea. Monthly forecasts of the walleye pollock landings for 1993~ 1994, which were compared with the actual landings, had an absolute percentage error(APE) range of 20.2-226.1 %. Thtal observed annual landings in 1993 and 1994 were 16, 61OM/T and 1O, 748M/T respectively, while the model predicted 10, 7 48M/T and 8, 203M/T(APE 37.0% and 23.7%, respectively).
Journal of Korean Society of Coastal and Ocean Engineers
/
v.34
no.6
/
pp.222-232
/
2022
In this study we investigated the characteristics of long-term tidal constituents based on 30 tidal gauge data along the coasts of Korea and its the effects on total water level (TWL) forecasts. The results show that the solar annual (Sa) and semiannual (Ssa) tides were dominant among long-term tidal constituents, and they are relatively large in western coast of Korea peninsula. To investigate the effect of long-term tidal constituents on TWL forecasts, we produced predicted tides in 2021 with and without long-term tidal constituents. The TWL forecasts with and without long-term tidal constituents are then calculated by adding surge forecasts into predicted tides. Comparing with the TWL without long-term tidal constituents, the results with long-term tidal constituents reveals small bias in summer and relatively large negative bias in winter. It is concluded that the large error found in winter generally caused by double-counting of meteorological factors in predicted tides and surge forecasts. The predicted surge for 2021 based on the harmonic analysis shows seasonality, and it reduces the large negative bias shown in winter when it subtracted from the TWL forecasts with long-term tidal constituents.
Park, Rae Seol;Han, Kyung Man;Song, Chul Han;Park, Mi Eun;Lee, So Jin;Hong, Song You;Kim, Jhoon;Woo, Jung-Hun
Journal of Korean Society for Atmospheric Environment
/
v.29
no.4
/
pp.407-438
/
2013
Current status and future direction of air quality modeling for monitoring and forecasting air quality in East Asia were discussed in this paper. An integrated air quality modeling system, combining (1) emission processing and modeling, (2) meteorological model simulation, (3) chemistry-transport model (CTM) simulation, (4) ground-based and satellite-retrieved observations, and (5) data assimilation, was introduced. Also, the strategies for future development of the integrated air quality modeling system in East Asia was discussed in this paper. In particular, it was emphasized that the successful use and development of the air quality modeling system should depend on the active applications of the data sets from incumbent and upcoming LEO/GEO (Low Earth Orbit/Geostationary Earth Orbit) satellites. This is particularly true, since Korea government successfully launched Geostationary Ocean Color Imager (GOCI) in June, 2010 and has another plan to launch Geostationary Environmental Monitoring Spectrometer (GEMS) in 2018, in order to monitor the air quality and emissions in/around the Korean peninsula as well as over East Asia.
We compare insolation results calculated from two well-known empirical formulas (Socket and Beaudry's SB73 formula and the original Smithsonian (SMS) formula) and a radiative transfer model using input data predicted from meteorological weather-forecast models, and review the accuracy of each method. Comparison of annual mean daily irradiance values for clear-sky conditions between the two formulas shows that, relative to the SMS, the SB73 underestimates spring values by 9 W $m^{-2}$ in the northern Adriatic Sea, although overall there is a good agreement between the annual results calculated with the two formulas. We also elucidate the effect on SMS of changing the 'Sun-Earth distance factor (f)', a parameter which is commonly assumed to be constant in the oceanographic context. Results show that the mean daily solar radiation for clear-sky conditions in the northern Adriatic Sea can be reduced as much as 12 W $m^{-2}$ during summer due to a decrease in the f value. Lastly, surface irradiance values calculated from a simple radiative transfer model (GM02) for clear-sky conditions are compared to those from SB73 and SMS. Comparison with iu situ data in the northern Adriatic Sea shows that the GM02 estimate gives more realistic surface irradiance values than SMS, particularly during summer. Additionally, irradiance values calculated by GM02 using the buoy meteorological fields and ECMWF (The European Centre for Medium Range Weather Forecasts) meteorological data show the suitability of the ECMWF data usage. Through tests of GM02 sensitivity to key regional meteorological factors, we explore the main factors contributing significantly to a reduction in summertime solar irradiance in the Adriatic Sea.
Proceedings of the Korean Society of Fisheries Technology Conference
/
2009.05a
/
pp.38-41
/
2009
The jellyfish Nemopilema nomurai has occurred in large numbers in Japan and Korea and has had on a negative effect on coastal fisheries in this region. Data on the abundance and distribution of jellyfish are needed to forecast when and where they will occur in coastal areas. Acoustic techniques are commonly used to study the distribution and abundance of fish and zooplankton. However before such surveys can be conducted, the acoustic characteristics of the target species must be known. In this study, the density of and speed-of-sound in jellyfish were measured to clarify their acoustic characteristics using a theoretical scattering model. The acoustic characteristics were estimated with the distorted-wave Born approximation (DWBA) model using these material properties and the shape of free-swimming jellyfish.
Fukushima, H.;Hagihara, Y.;Hoshikuma, Y.;Ohta, S.;Uno, I.
Proceedings of the KSRS Conference
/
2003.11a
/
pp.1203-1205
/
2003
To detect dust-loaded air-mass over land and ocean, we propose an index, which is essentially the difference in Rayleigh-corrected reflectance between 412 and 443 nm bands of SeaWiFS. Radiative transfer simulations are conducted to show that the index is linearly related to the optical thickness of modeled dust-contaminated aerosol while showing insensitivity against non-absorbing model aerosols. Asian SeaWiFS data set of 2001 spring is used to produce daily composite imagery of the index, which compares well with TOMS Aerosol Index and with predicted aerosol optical thickness predicted by CFORS chemical weather forecast.
The Sea:JOURNAL OF THE KOREAN SOCIETY OF OCEANOGRAPHY
/
v.27
no.2
/
pp.49-70
/
2022
Sea Surface Temperature (SST), one of the ocean features, has a significant impact on climate, marine ecosystem and human activities. Therefore, SST prediction has been always an important issue. Recently, deep learning has drawn much attentions, since it can predict SST by training past SST patterns. Compared to the numerical simulations, deep learning model is highly efficient, since it can estimate nonlinear relationships between input data. With the recent development of Graphics Processing Unit (GPU) in computer, large amounts of data can be calculated repeatedly and rapidly. In this study, Short-term SST will be predicted through Convolutional Neural Network (CNN)-based U-Net that can handle spatiotemporal data concurrently and overcome the drawbacks of previously existing deep learning-based models. The SST prediction performance depends on the seasonal and interannual SST variabilities around the southern coast of Korea. The predicted SST has a wide range of variance during spring and summer, while it has small range of variance during fall and winter. A wide range of variance also has a significant correlation with the change of the Pacific Decadal Oscillation (PDO) index. These results are found to be affected by the intensity of the seasonal and PDO-related interannual SST fronts and their intensity variations along the southern Korean seas. This study implies that the SST prediction performance using the developed deep learning model can be significantly varied by seasonal and interannual variabilities in SST.
Journal of Korean Society of Coastal and Ocean Engineers
/
v.29
no.4
/
pp.180-188
/
2017
Recently, as the strength of winds and waves increases due to the climate change, abnormal waves such as swells have been also increased, which results in the increase of downtime events of loading/unloading in a harbour. To reduce the downtime events, breakwaters were constructed in a harbour to improve the tranquility. However, it is also important and useful for efficient port operation by predicting accurately and also quickly the downtime events when the harbour operation is in a limiting condition. In this study, numerical simulations were carried out to calculate the wave conditions based on the forecasted wind data in offshore area/outside harbour and also the long-term observation was carried out to obtain the wave data in a harbour. A forecasting method was designed using an auto-regressive (AR) and artificial neural networks (ANN) models in order to establish the relationship between the wave conditions calculated by wave model (SWAN) in offshore area and observed ones in a harbour. To evaluate the applicability of the proposed method, this method was applied to predict wave heights in a harbour and to forecast the downtime events in Pohang New Harbour with highly complex topography were compared. From the verification study, it was observed that the ANN model was more accurate than the AR model.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.