시뮬레이션 데이터 기반의 머신러닝을 활용한 순환여과양식시스템 수조의 유량 예측 모델

최길선; 허영근; 정종현

doi:10.5762/KAIS.2024.25.12.914

추천

검색

질문

자료유형: 학술저널

저자정보: 최길선 (디엔디이) 허영근 (디엔디이) 정종현 (디엔디이)

저널정보: 한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제25권 제12호

발행연도: 2024.12

수록면: 914 - 920 (7page)

DOI: 10.5762/KAIS.2024.25.12.914

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 순환여과양식장의 각 사육조에 주수배관을 통하여 공급되는 양식수를 경험적 방법으로 분배하던 것을 최신의 머신러닝 알고리즘을 활용하여 스마트한 분배 알고리즘을 연구한 내용이다. 다양한 운전조건으로 여러 사육조에 공급되는 양식수의 유량이 다르고 조절해야하는 밸브 수량이 많기 때문에 성장하고 있는 어류를 고려하면 다양한 실험을 통한 유량 조절이 매우 어려운 것이 현실이다. 따라서 최근 예측의 보조수단으로서 머신러닝이나 딥러닝 등 인공지능 모델을 이용한 다양한 연구가 수행되고 있어 점차 규모화 및 첨단화되고 있는 순환여과양식시스템에 적용 가능성이 클 것으로 예상된다. 본 연구를 위하여 먼저 가상의 주수배관 1D 시스템 모델을 구성하고 다양한 운전조건을 실험계획으로구성한 뒤 시뮬레이션을 수행하여 데이터를 확보하였다. 시뮬레이션 데이터를 기반으로 다양한 머신러닝 알고리즘을 훈련과 검증 그리고 테스트를 통하여 사육수 유량을 자동 조절할 수 있는 예측 인공지능 알고리즘을 개발하였으며, 이를 활용하여 수산·양식 분야에 디지털 트윈 기술을 접목시킴으로써 물리적 시스템 최적화와 고도화에 이은 기술 융합 서비스를 확장시키기 위한 기술적 토대를 제안하고자 하였다.

#AI #Digital Twin #Machine Learning #Recirculating Aquaculture Systems #Simulation

참고문헌 (8)

참고문헌 신청

J. H. Jang, B. M. Ahn, D. S. Lee, “Innovation Technology Development Project for Aqua Farm 4.0, Feasibility study report”, Korea Institute of S&T Evaluation and Planning, Korea, pp.51

S.Y. Lee, U.H. Yeo, J.G. Kim, S.K. Jo, “Status and Development of Aquafarm based on Digital Twin”, Electronics and Telecommunications Trends, Electronics and Telecommunications Research Institute DOI: https://doi.org/10.22648/ETRI.2023.J.380304

S.K Jo, S.H. Kim, K.W. Kwon, D.Y. Jeong, “Provision Plan for AquaFarm Services Based on Digital Twin,” The Journal of The Korean Institute of Communication Sciences, vol. 38, no. 8, 2021, pp. 42-48.

C. Pylianidis, S. Osinga, and I.N. Athanasiadis, “Introducing digital twins to agriculture,” Comput. Electron. Agriculture, vol. 184, 2021, article no. 105942.

K. H. Suh, B. J. Kim, I. G. Jeon, “Design and Development of Integrated Recirculating Aquaculture System”, Journal of the Korean Fisheries Society, Vol.34, No.1, pp.70-76, 2001

이 논문과 함께 이용한 논문

시뮬레이션 데이터 기반 CNN 모델을 활용한 실시간 실외기 온도 예측

박준영 , 구도헌 , 정진안 외 5명 대한기계학회 춘추학술대회 2024 .11

디지털 트윈을 위한 인공지능과 시뮬레이션 융합기술

김남규 한국정보기술학회지 2024 .12

블록체인 기반 시뮬레이션 데이터 서비스 인증 HPC 시뮬레이션 플랫폼 설계

권예진 , 이정철 한국통신학회 학술대회논문집 2024 .06

분자 도킹 시뮬레이션 데이터를 이용한 트랜스포머 기반 결합 친화도 예측 모델

이다현 , 허룡 , 박치현 한국정보과학회 학술발표논문집 2024 .06

디지털 트윈 기반 스마트 양식 - 사례 연구

구자빈 , 이상연 , 박대헌 외 1명 한국통신학회논문지 2023 .11

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)