장단기 기억 신경망(LSTM)을 활용한 인천해역 꽃게 어획량 예측과 해군작전 활용 고찰

박민규¹ ; 구창모¹ ; 변상신²^{, *}

1해군사관학교 해양학과 사관생도
2해군 중령/해군사관학교 해양학과 교수

Prediction of Swimming Crab Catch Amount in Incheon Waters Using Long Short-term Memory (LSTM) and Consideration of Its Use in Naval Operations

Min-Gyu Park¹ ; Chang-Mo Koo¹ ; Sang-Shin Byun²^{, *}

1Midshipman, Dept. of Oceanography, Republic of Korea Naval Academy
2Commander, ROK Navy/Professor, Dept. of Oceanography, Republic of Korea Naval Academy

Correspondence to: ^*Sang-Shin Byun Dept. of Oceanography, Republic of Korea Naval Academy 1 Jungwon-ro, Jinhae-gu, Changwon-si, Gyungsangnam-do, 51704, Republic of Korea Tel: +82-55-907-5253 Fax: +82-55-907-5231 E-mail: ssbyun@navy.ac.kr

초록

인천해역 꽃게 어획량의 예측은 수산자원관리 및 해양경계작전 차원에서 매우 중요한 의미를 가진다. 따라서 본 논문에서는 딥러닝 기법 중 하나인 장단기 기억 신경망(LSTM) 모델을 구축하여 인천해역 꽃게 어획량을 예측하였다. 예측의 신뢰성을 확인하기 위해 과거 어획량 통계자료만을 학습한 결과와 해양환경 관측자료를 함께 학습한 결과를 상호 비교하였다. 해양환경 자료를 함께 학습한 경우, 예측 정확도는 훨씬 높게 나타났는데, 이는 LSTM 모델이 인천해역 꽃게 어획량 예측에 활용될 수 있음을 시사한다.

Abstract

Prediction of the catch amount of swimming crab in Incheon waters is very important in terms of fisheries resource management and marine security operations. Therefore, in this paper, we predicted the swimming crab catch amount by constructing a long short-term memory (LSTM) model, one of the deep learning techniques. To confirm the reliability of the prediction, the results of learning only past fish catch statistical data were compared with the results of learning together with ocean environment observation data. The prediction accuracy was much higher when learning ocean environment data together, which suggests that the LSTM model can be used to predict swimming crab catch amount in the Incheon waters.

Keywords:

Swimming Crab, Catch Amount, Deep Learning, Long Short-term Memory

키워드:

꽃게, 어획량, 딥러닝, 장단기 기억 신경망

Acknowledgments

본 논문은 2024년 해군사관학교 해양연구소 학술연구과제 연구비의 지원으로 수행된 연구임

References

김광봉, 홍성윤, “주름꽃게 (Liocarcinus corrugatus) 유생의 성장과 생존에 대한 온도의 영향,” 한국수산과학회지 제37권, 제3호, pp. 186-191, 2004. [https://doi.org/10.5657/kfas.2004.37.3.186]
고수진, 윤병일, 이승환, 구자근, 김맹진, “우리나라 서해연안의 산란철 꽃게유생 분포 및 출현,” 수산해양교육연구, 제34권, 제5호, pp. 731-739, 2022. [https://doi.org/10.1002/pat.5924]
고진태, “서해안 꽃게어장 환경개선사업,” 한국어촌어향협회, 통권, 제103호, pp. 12-16, 2013. [https://doi.org/10.1365/s35147-013-0842-z]
박해훈, 윤갑동, “한국 멸치어업의 어획량 분석과 예측,” 한국수산과학회지, 제29권, 제2호, pp. 143 - 149, 1996. [https://doi.org/10.1007/BF02221578]
유신재, 장창익, “시계열 분석에 의한 어획량 예측,” 한국수산과학회지, 제26권, 제4호, pp. 363-368, 1993. [https://doi.org/10.1038/363026a0]
윤병일, 박준, 최광호, 김정년, 구자근, 손명호, “우리나라 서해연안의 산란철 꽃게유생 분포 및 출현량,” 수산해양교육연구, 제30권, 제6호, pp. 1923-1929, 2018.
이경희, “기후변화 의제를 연계한 한반도 평화 고찰: 한반도 꽃게전쟁과 서해평화지대 조성 가능성 검토,” 평화학연구, 제23권, 제1호, pp. 53-77, 2022. [https://doi.org/10.22267/rtend.222302.201]
해군이여! 꽃게 전선 사수하라’, (대한민국 정책브리핑 기사: 2017. 6. 21.) [https://doi.org/10.12968/nuwa.2017.10.21]
Bako, H. Y., Rusiman, M. S., Kane, I. L., and Matias-Peralta, H. M., “Predictive modeling of pelagic fish catch in malaysia using seasonal ARIMA models,” Forestry and Fisheries, Vol. 2, No. 3, pp. 136-140, 2013. [https://doi.org/10.11648/j.aff.20130203.13]
Kim, J. Y., Jeong, H. C., Kim, H., and Kang, S., “Forecasting the monthly abundance of anchovies in the South Sea of Korea using a univariate approach,” Fisheries Research, Vol. 161, pp. 293-302, 2015. [https://doi.org/10.1016/j.fishres.2014.08.017]
Cavieses Núñez, R. A., Ojeda Ruiz de la Peña, M. Á., Flores Irigollen, A., and Rodríguez Rodríguez, M., “Deep learning models for the prediction of small-scale fisheries catches: Finfish fishery in the region of “Bahía Magadalena-Almejas”,” ICES Journal of Marine Science, Vol. 75, No. 6, pp. 2088-2096, 2018. [https://doi.org/10.1093/icesjms/fsy065]