지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.6
- 수록면
- 194 - 210 (17page)
이용수
초록· 키워드
오류제보하기
Recently, an analysis method using machine learning for solving problems in coastal and ocean engineering has been highlighted. Machine learning models are effective modeling tools for predicting specific parameters by learning complex relationships based on a specified dataset. In coastal and ocean engineering, various studies have been conducted to predict dependent variables such as wave parameters, tides, storm surges, design parameters, and shoreline fluctuations. Herein, we introduce and describe the application trend of machine learning models in coastal and ocean engineering. Based on the results of various studies, machine learning models are an effective alternative to approaches involving data requirements, time-consuming fluid dynamics, and numerical models. In addition, machine learning can be successfully applied for solving various problems in coastal and ocean engineering. However, to achieve accurate predictions, model development should be conducted in addition to data preprocessing and cost calculation. Furthermore, applicability to various systems and quantifiable evaluations of uncertainty should be considered.
목차
ABSTRACT
1. Introduction
2. Machine Learning Model
3. Application of ML in Coastal and Marine Engineering Field
4. Conclusions
References
참고문헌 (58)
참고문헌 신청
Balas, C.E., Koc, L., & Balas, L. (2004). Predictions of Missing Wave Data by Recurrent Neuronets. Journal of Waterway, Port, Coastal, and Ocean Engineering, 130(5), 256–265. https://doi.org/10.1061/(ASCE)0733-950X(2004)130:5(256)
Boser, B.E., Guyon, I., & Vapnik, V.N. (1992). A Training Algorithm for Optimal Margin Classifiers. Proceedings of the Fifth Annual Workshop on Computational Learning Theory, 5, 144–152. Pittsburgh, ACM. https://doi.org/10.1145/130385.130401
Chen, J., Pillai, A.C., Johanning, L., & Ashton, I. (2021). Using Machine Learning to Derive Spatial Wave Data: A Case Study for a Marine Energy Site. Environmental Modelling & Software, 142, 105066. https://doi.org/10.1016/j.envsoft.2021.105066
De Rouck, J., Van de Walle, B., & Geeraerts, J. (2004). Crest Level Assessment of Coastal Structures by Full Scale Monitoring, Neural Network Prediction and Hazard Analysis on Permissible Wave Overtoppingg - (CLASH). Proceedings of the EurOCEAN 2004 (European Conference on Marine Science & Ocean Technology), Galway, Ireland, EVK3-CT-2001-00058, 261–262.
Dwarakish, G.S., Rakshith, S., & Natesan, U. (2013). Review on Applications of Neural Network in Coastal Engineering. Artificial Intelligent Systems and Machine Learning, 5(7), 324–331.
Boser, B.E., Guyon, I., & Vapnik, V.N. (1992). A Training Algorithm for Optimal Margin Classifiers. Proceedings of the Fifth Annual Workshop on Computational Learning Theory, 5, 144–152. Pittsburgh, ACM. https://doi.org/10.1145/130385.130401
Chen, J., Pillai, A.C., Johanning, L., & Ashton, I. (2021). Using Machine Learning to Derive Spatial Wave Data: A Case Study for a Marine Energy Site. Environmental Modelling & Software, 142, 105066. https://doi.org/10.1016/j.envsoft.2021.105066
De Rouck, J., Van de Walle, B., & Geeraerts, J. (2004). Crest Level Assessment of Coastal Structures by Full Scale Monitoring, Neural Network Prediction and Hazard Analysis on Permissible Wave Overtoppingg - (CLASH). Proceedings of the EurOCEAN 2004 (European Conference on Marine Science & Ocean Technology), Galway, Ireland, EVK3-CT-2001-00058, 261–262.
Dwarakish, G.S., Rakshith, S., & Natesan, U. (2013). Review on Applications of Neural Network in Coastal Engineering. Artificial Intelligent Systems and Machine Learning, 5(7), 324–331.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기계학습을 이용한 공작기계 강성 예측 모델
한국정밀공학회 학술발표대회 논문집
2022 .10
-
MACHINE LEARNING APPLICATIONS IN CIVIL ENGINEERING
대한토목학회지
2023 .08
-
PATTERN RECOGNITION AND MACHINE LEARNING
대한토목학회지
2021 .10
-
산업 데이터 분석을 위한 통계 및 기계학습 모형의 예측 성능 비교
한국생산제조학회 학술발표대회 논문집
2017 .04
-
이종 장비에서의 학습모델 성능유지를 위한 방법론 제안
한국정밀공학회 학술발표대회 논문집
2023 .11
-
An Effective Data Model for Forecasting and Analyzing Securities Data
International journal of advanced smart convergence
2016 .01
-
머신러닝 및 딥러닝 연구동향 분석: 토픽모델링을 중심으로
디지털산업정보학회논문지
2019 .01
-
형태학적 이론을 이용한 기계 학습에 관한 연구
대한전자공학회 학술대회
2015 .06
-
Efficient Labeling Method for Machine Learning Application of Small Data Sets
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2021 .02
-
머신러닝 자동화를 위한 개발 환경에 관한 연구
대한임베디드공학회논문지
2020 .01
-
머신러닝을 활용한 소형 압연 공정 온도 예측 신뢰성 평가
제어로봇시스템학회 논문지
2020 .06
-
머신 러닝을 이용한 수술 방법 선정 모델 연구
한국컴퓨터정보학회 학술발표논문집
2018 .01
-
서포트 벡터 머신을 이용한 미국의 노인 장기 요양 보험 제도의 활용도 분석
대한전자공학회 학술대회
2017 .11
-
지도학습에서 사용자 피드백을 통한 점진적 예측성능 개선 방법
대한전자공학회 학술대회
2020 .11
-
머신러닝을 활용한 한국 수출금액 예측 모델 개발
Proceedings of KIIT Conference
2022 .12
-
공작기계의 진단 모델 개발을 위한 학습 데이터 구성 방법에 대한 연구
한국정밀공학회 학술발표대회 논문집
2022 .10
-
기계학습 및 기본 알고리즘 연구
한국컴퓨터정보학회 학술발표논문집
2018 .07
-
앙상블 모델 기반의 기계 고장 예측 방법
산업경영시스템학회지
2020 .01
-
머신러닝을 활용한 공군 수리부속 수요예측 정확도 개선에 관한 연구
한국 SCM 학회지
2021 .10
-
Feature selection method influencing response variables based on machine learning
대한산업공학회 춘계공동학술대회 논문집
2021 .06
이 논문의 저자 정보
최근 본 자료
댓글(0)
0