Drifter Trajectory Prediction Using Stacked Ensemble with Multiple Machine Learning Algorithms

해양 사고는 선박의 충돌이나 침몰 및 기름 유출 등의 원인으로 인명피해와 환경파괴를 초래한다. 본 논문은 이러한 사고 발생 시 그 피해를 최소화하기 위해 부유물의 움직임을 수치모델인 OpenDrift보다 정확하게 예측하는 모델을 제안한다. 이를 위해 한반도 인근 해역에서 22개의 뜰개가 얻은 데이터에 다양한 기계학습 알고리즘(MLP, 랜덤 포레스트, SGDRegressor, LightGBM)을 적용하여 뜰개의 경로를 예측하는 모델의 성능을 평가했다. 이후, 랜덤 포레스트, SGDRegressor, LightGBM을 스태킹 하여 개별 예측 모델의 성능을 개선하였고, OpenDrift보다 NCLS 값이 높은 앙상블 모델을 만들었다.