1 |
1
자율운항 선박의 경제 운항 솔루션 개발을 위한 방법에 있어서, 수집한 원시 데이터에 통계적 기법을 적용하여 이상 값 및 잡음을 제거하여 데이터의 전처리를 수행하는 단계; 전처리된 상기 데이터에서 선박의 연료소비에 영향을 미치는 요소를 i)선박 운항자의 경험자 도메인(Expert domain)을 통한 변수 선정 및 ii)차원축소(Dimension reduction)와 인자분석(Factor analysis)을 통한 변수 선정 중, 적어도 어느 하나 이상의 변수 선정을 이용하여, 예측 모델에 입력되는 변수를 선정하는 단계; 및 선정된 상기 변수를 사용하여 인공신경망 또는 회귀 분석 기반의 연료소비에 대한 예측 모델을 구축하는 단계를 포함하는, 방법
|
2 |
2
제1항에 있어서,구축한 상기 예측 모델로부터 민감도 분석을 통하여 최적의 연료 효율을 구현하는 제어 가능한 흘수 또는 트림을 포함하는 운항자세의 최적 값을 도출하는 단계를 더 포함하는, 방법
|
3 |
3
제1항에 있어서,학습에 사용되지 않은 데이터세트에 대하여 상기 예측 모델의 성능을 비교 분석하고, 일정 기간 동안의 시계열 데이터에 대하여 예측을 수행하여 상기 예측 모델의 정확성을 검증하는 단계를 더 포함하는, 방법
|
4 |
4
제1항에 있어서, 상기 데이터의 전처리를 수행하는 단계는, 선박의 운항변수 중 선박의 기관 출력과 연료소모량을 활용하여 이상 값을 식별하며, 상기 기관 출력을 입력변수로 두고 연료소모량을 종속변수로 두어 선형회귀모형을 구현하고, 회귀에 의한 예측 값과 실제 관측 값의 차가 정규분포를 이룬다는 가정하에 평균으로부터 3 표준편차(3 sigma)를 벗어난 범위의 관측 값을 이상 값으로 판단하는 것을 특징으로 하는, 방법
|
5 |
5
제1항에 있어서, 상기 데이터의 전처리를 수행하는 단계는, 데이터 필터(data filter)를 통해 관측 값의 주변 값들을 오름차순 또는 내림차순으로 정렬하여 해당하는 관측 값을 정렬의 중앙값으로 대체하며, 시계열 데이터 내에서 기설정된 범위 이상으로 튀는 신호를 처리하는 것을 특징으로 하는, 방법
|
6 |
6
제1항에 있어서, 상기 변수를 선정하는 단계는, 연료소비에 주요한 영향을 미치는 요소를 상기 경험자 도메인(Expert domain) 및 차원축소(Dimension reduction) 및 인자분석(Factor analysis)을 통해 변수를 선정하여, 연료소비에 가장 영향을 미치는 요소를 상기 예측 모델의 입력 변수로 선정하는 것을 특징으로 하는, 방법
|
7 |
7
제1항에 있어서, 상기 변수를 선정하는 단계는, 선박 운항자의 상기 경험자 도메인(Expert domain)을 통해 변수를 선정하며, 경험에 의한 변수 선정 후 곡선 피팅(curve fitting)을 통한 파생변수를 생성하는 것을 특징으로 하는, 방법
|
8 |
8
제1항에 있어서, 상기 변수를 선정하는 단계는, 회귀계수의 크기에 조절 모수(tuning parameter)를 부여하여 종속변수에 상대적으로 영향력이 작은 독립변수의 회귀계수 값을 축소해주는 상기 차원축소(Dimension reduction) 및 인자분석(Factor analysis)을 통해 변수를 선정하는 것을 특징으로 하는, 방법
|
9 |
9
제8항에 있어서, 상기 변수를 선정하는 단계는, 통계적인 관점에서 변수를 선정함에 곡선 피팅(curve fitting)을 적용하기 전과 후의 변수에 대하여 상기 차원축소(Dimension reduction) 및 인자분석(Factor analysis)을 각각 수행하는 것을 특징으로 하는, 방법
|
10 |
10
자율운항 선박의 경제 운항 솔루션 개발을 위한 장치에 있어서, 수집한 원시 데이터에 통계적 기법을 적용하여 이상 값 및 잡음을 제거하여 데이터의 전처리를 수행하는 데이터 전처리부; 전처리된 상기 데이터에서 선박의 연료소비에 영향을 미치는 요소를 i)선박 운항자의 경험자 도메인(Expert domain)을 통한 변수 선정 및 ii)차원축소(Dimension reduction)와 인자분석(Factor analysis)을 통한 변수 선정 중, 적어도 어느 하나 이상의 변수 선정을 이용하여, 예측 모델에 입력되는 변수를 선정하는 변수 선정부; 및 선정된 상기 변수를 사용하여 인공신경망 또는 회귀 분석 기반의 연료소비에 대한 예측 모델을 구축하는 예측 모델 구축부를 포함하는, 장치
|
11 |
11
제10항에 있어서, 상기 예측 모델 구축부는, 구축한 상기 예측 모델로부터 민감도 분석을 통하여 최적의 연료 효율을 구현하는 제어 가능한 흘수 또는 트림을 포함하는 운항자세의 최적 값을 도출하는 것을 특징으로 하는, 장치
|
12 |
12
제10항에 있어서,학습에 사용되지 않은 데이터세트에 대하여 상기 예측 모델의 성능을 비교 분석하고, 일정 기간 동안의 시계열 데이터에 대하여 예측을 수행하여 정확성을 검증하는 모델 검증부를 더 포함하는, 장치
|
13 |
13
제10항에 있어서, 상기 데이터 전처리부는, 선박의 운항변수 중 선박의 기관 출력과 연료소모량을 활용하여 이상 값을 식별하며, 상기 기관 출력을 입력변수로 두고 연료소모량을 종속변수로 두어 선형회귀모형을 구현하고, 회귀에 의한 예측 값과 실제 관측 값의 차가 정규분포를 이룬다는 가정하에 평균으로부터 3 표준편차(3 sigma)를 벗어난 범위의 관측 값을 이상 값으로 판단하는 것을 특징으로 하는, 장치
|
14 |
14
제10항에 있어서, 상기 데이터 전처리부는, 데이터 필터(data filter)를 통해 관측 값의 주변 값들을 오름차순 또는 내림차순으로 정렬하여 해당하는 관측 값을 정렬의 중앙값으로 대체하며, 시계열 데이터 내에서 기설정된 범위 이상으로 튀는 신호를 처리하는 것을 특징으로 하는, 장치
|
15 |
15
제9항에 있어서, 상기 변수 선정부는, 연료소비에 주요한 영향을 미치는 요소를 상기 경험자 도메인(Expert domain) 및 차원축소(Dimension reduction) 및 인자분석(Factor analysis)을 통해 변수를 선정하여, 연료소비에 가장 영향을 미치는 요소를 상기 예측 모델의 입력 변수로 선정하는 것을 특징으로 하는, 장치
|