[표지] 1
제출문 3
참여진 4
요약문 5
목차 13
제1장 소형 위성뜰개 실험 33
1.1. 소형 위성뜰개 구매 및 소형 위성뜰개 실험 33
(1) 소형 위성뜰개 구매 및 검수 33
(2) 소형 위성뜰개 투하 및 수직 수온 염분관측 34
제2장 위성뜰개 종합분석 및 기계학습 기반 경로 예측 41
1. 실험 관측자료 종합분석 41
(1) 연직 수온·염분 관측자료 분석 41
(2) 층별연속조류 관측자료 분석 71
(3) 종합분석 123
2. 기계학습 기반 위성뜰개 경로 예측 모델 개발 150
(1) 기계학습 기반 위성뜰개 경로 예측 개요 150
(2) 분석환경 150
(3) 위성뜰개 관측자료 및 수치모델 자료 수집 및 가공 151
(4) 품질관리 및 결측보간 적용 방안 154
(5) 수치모델 자료의 재가공 및 파생변수 생성 157
(6) 상관성 분석 158
(7) 인공지능 적용 160
(8) 위성뜰개 경로 예측 성능 평가 170
3. 결론 및 제언 207
(1) 실험 관측자료 종합분석 207
(2) 기계학습 기반 위성뜰개 경로 예측 모델 개발 207
제3장 인공신경망 기반 HF-Radar 관측격자별 유동예측 기술 개선 209
1. 해수유동관측소(HF-Radar) 개요 209
(1) 관측원리 및 운영현황 209
(2) 인천항 HF-Radar 211
2. 인공신경망 기반 해수유동 예측모델 구축 214
(1) 인공신경망을 이용한 시계열 예측자료 생산 214
(2) 순환신경망과 장단기 기억 메모리 215
(3) 데이터 전처리 217
(4) 모델 설계 및 학습 222
(5) 예측자료 생산 225
(6) 예측 정확도 검증 226
3. '20년 구축 해수유동 예측모델 검증 227
(1) 개요 227
(2) 분석방법 227
(3) 분석결과 230
(4) 고찰 254
4. '20년 해수유동 예측모델 개선 및 평가 256
(1) 개요 256
(2) 분석방법 256
(3) 분석결과 257
(4) 고찰 281
5. 비 인공신경망 기법과의 비교 283
(1) 분석 개요 283
(2) 예측기법별 분석과정 및 예측자료 생산 283
(3) 인공신경망 기법과의 비교 285
(4) EOF 기법으로 예측한 해수유동 비교·검증 286
(5) 조화상수 기반 예측조류와 합성한 예측 해수유동 정확도 비교 339
6. HF-Radar 원본자료를 활용한 예측모델 구축 393
(1) 원본자료를 이용한 해수유동 예측의 필요성 393
(2) HF-Radar 원본자료 기반의 해수유동 예측모델 구축 방법 394
(3) 예측결과 400
(4) 고찰 431
7. 신규 해수유동 예측모델 적용방안 검토 432
(1) Temporal Fusion Transformer 432
(2) 분석방법 435
(3) 예측자료 생산 437
(4) 고찰 444
8. 인공신경망 기반 유동예측기술 현황 및 활용방안 분석 445
(1) 인공신경망을 이용한 예측자료 산출 사례 445
(2) 해수유동 자료로부터 Leeway를 고려한 표류예측 459
(3) 해수유동 예측자료의 활용방안 466
9. HF-Radar 해수유동 예측자료 생산체계 구축 470
(1) 예측체계 개요 470
(2) 예측체계 구축과정 470
10. 결론 및 제언 476
제4장 참고문헌 479
부록 480
판권기 1108
[뒷표지] 1109
〈표 1-1〉 소형 위성뜰개 기준 사양 33
〈표 1-2〉 Yotta Drifter - Nano 사양 34
〈표 1-3〉 남해동부 해역 1차 투하(2021.07.28.~2021.07.29.) 36
〈표 1-4〉 남해동부 해역 2차 투하(2021.10.25.~2021.10.26.) 37
〈표 1-5〉 제주~이어도 해양과학기지 해역 투하(2021.08.18.~2021.08.19.) 37
〈표 1-6〉 제주~이어도 해양과학기지 해역 투하(2021.11.04.) 37
〈표 1-7〉 작동정지 및 육지표류 장비 현황 38
〈표 2-1〉 남해동부 정점 위치 41
〈표 2-2〉 한국연안(남해안) 해류조사 정점 위치 42
〈표 2-3〉 SBE DataProcessing 프로그램 자료처리 순서 43
〈표 2-4〉 정점별 수온·염분 통계(2020년 10월) 44
〈표 2-5〉 정점별 표준수심에서의 수온과 염분(2020년 10월) 44
〈표 2-6〉 정점별 수온·염분 통계(2021년 7월) 47
〈표 2-7〉 정점별 표준수심에서의 수온과 염분(2021년 7월) 47
〈표 2-8〉 정점별 수온·염분 통계(2021년 10월) 50
〈표 2-9〉 정점별 표준수심에서의 수온과 염분(2021년 10월) 50
〈표 2-10〉 관측라인별 수온·염분 통계(2019년 7월) 53
〈표 2-11〉 관측라인별 표준수심에서의 수온과 염분(2019년 7월) 54
〈표 2-12〉 관측라인별 수온·염분 통계(2020년 7월) 59
〈표 2-13〉 관측라인별 표준수심에서의 수온과 염분(2020년 7월) 60
〈표 2-14〉 관측라인별 수온·염분 통계(2020년 10월) 65
〈표 2-15〉 관측라인별 표준수심에서의 수온과 염분(2020년 10월) 66
〈표 2-16〉 ADCP 관측자료 개요 71
〈표 2-17〉 Bin별 조류통계 74
〈표 2-18〉 Bin별 관측 최강 창·낙조류 75
〈표 2-19〉 Bin별 조류의 진행방향 75
〈표 2-20〉 유속·유향별 출현율 79
〈표 2-21〉 Bin별 주요 합성분조 81
〈표 2-22〉 Bin별 조류의 형태 분석 81
〈표 2-23〉 Bin별 조류 조화상수(1Bin) 82
〈표 2-24〉 Bin별 조류 조화상수(2Bin) 83
〈표 2-25〉 Bin별 조류 조화상수(3Bin) 84
〈표 2-26〉 Bin별 조류 조화상수(4Bin) 85
〈표 2-27〉 Bin별 조류 조화상수(5Bin) 86
〈표 2-28〉 Bin별 조류 조화상수(6Bin) 87
〈표 2-29〉 Bin별 조류 조화상수(7Bin) 88
〈표 2-30〉 Bin별 조류통계 92
〈표 2-31〉 Bin별 관측 최강 창·낙조류 93
〈표 2-32〉 Bin별 조류의 진행방향 93
〈표 2-33〉 유속·유향별 출현율 100
〈표 2-34〉 Bin별 주요 합성분조 103
〈표 2-35〉 Bin별 조류의 형태 분석 104
〈표 2-36〉 Bin별 조류 조화상수(1Bin) 105
〈표 2-37〉 Bin별 조류 조화상수(2Bin) 106
〈표 2-38〉 Bin별 조류 조화상수(3Bin) 107
〈표 2-39〉 Bin별 조류 조화상수(4Bin) 108
〈표 2-40〉 Bin별 조류 조화상수(5Bin) 109
〈표 2-41〉 Bin별 조류 조화상수(6Bin) 110
〈표 2-42〉 Bin별 조류 조화상수(7Bin) 111
〈표 2-43〉 Bin별 조류 조화상수(8Bin) 112
〈표 2-44〉 Bin별 조류 조화상수(9Bin) 113
〈표 2-45〉 Bin별 조류 조화상수(10Bin) 114
〈표 2-46〉 Bin별 조류 조화상수(11Bin) 115
〈표 2-47〉 Bin별 조류 조화상수(12Bin) 116
〈표 2-48〉 Bin별 조류 조화상수(13Bin) 117
〈표 2-49〉 위성뜰개 투하 위치 123
〈표 2-50〉 한반도에 영향을 준 태풍 125
〈표 2-51〉 관측소 개요 및 활용변수 128
〈표 2-52〉 YES3K 모델개요 및 활용변수 129
〈표 2-53〉 역거리가중법 검증지표 129
〈표 2-54〉 전해역의 위성뜰개 이동경로 통계(2019년 7월) 140
〈표 2-55〉 전해역의 위성뜰개 이동경로 통계(2020년 8월) 142
〈표 2-56〉 전해역의 위성뜰개 이동경로 통계(2020년 11월) 144
〈표 2-57〉 전해역의 위성뜰개 이동경로 통계(2021년 7월) 146
〈표 2-58〉 전해역의 위성뜰개 이동경로 통계(2021년 10월) 148
〈표 2-59〉 인공지능 기반 경로 예측 모델 구축을 위한 분석환경 150
〈표 2-60〉 위성뜰개 관측자료 개요 151
〈표 2-61〉 위성뜰개 관측자료 상세정보 152
〈표 2-62〉 바람과 해류를 얻기 위해 활용한 수치모델 정보 153
〈표 2-63〉 생성한 파생변수 목록 158
〈표 2-64〉 위성뜰개 경로 예측 모델 정보 160
〈표 2-65〉 ET 하이퍼파라미터 162
〈표 2-66〉 LightGBM 하이퍼파라미터 163
〈표 2-67〉 MLP와 RBFN 비교 168
〈표 2-68〉 위성뜰개 경로 예측 모델 평가 방법 171
〈표 2-69〉 검증데이터 투하 시간 및 장소 172
〈표 2-70〉 표류예측시스템(YES3K)과 인공지능 모델 예측 성능 평가(남해) 173
〈표 2-71〉 각 정점별 표류예측시스템(YES3K)과 인공지능 모델 예측 성능 평가(남해) 174
〈표 2-72〉 표류예측시스템(YES3K)과 인공지능 모델 예측 성능 평가(동해) 190
〈표 2-73〉 각 정점별 표류예측시스템(YES3K)과 인공지능 모델 예측 성능 평가(동해) 191
〈표 2-74〉 표류예측시스템(MOHID300m)과 인공지능 모델 예측 성능 평가 195
〈표 2-75〉 각 정점별 표류예측시스템(MOHID300m)과 인공지능 모델 예측 성능 평가 196
〈표 2-76〉 인공지능 모델 기반 위성뜰개 경로 예측 개선 방안 208
〈표 3-1〉 국립해양조사원(KHOA)의 해수유동관측소 현황 210
〈표 3-2〉 인천항 HF-Radar 관측정보 211
〈표 3-3〉 인천항 HF-Radar의 연도별 월평균 수집률 212
〈표 3-4〉 인천항 HF-Radar와 WRF 수치예측모델 간의 Cross-Correlation 결과 220
〈표 3-5〉 인공신경망 기반 해수유동 예측모델 검증 및 개선을 위해 사용된 자료 개요 222
〈표 3-6〉 인공신경망 기반 해수유동 예측모델 검증을 위해 사용된 자료 개요 227
〈표 3-7〉 해수유동 예측모델 예측자료 생산 및 검증 방법 228
〈표 3-8〉 230번 정점의 잔차류 예측 정확도 분석 결과 230
〈표 3-9〉 265번 정점의 잔차류 예측 정확도 분석 결과 234
〈표 3-10〉 426번 정점의 잔차류 예측 정확도 분석 결과 238
〈표 3-11〉 230번 정점의 장주기 해수유동 예측 정확도 분석 결과 242
〈표 3-12〉 265번 정점의 장주기 해수유동 예측 정확도 분석 결과 246
〈표 3-13〉 426번 정점의 장주기 해수유동 예측 정확도 분석 결과 250
〈표 3-14〉 잔차류와 장주기 해수유동의 예측 기간별 RMSE 255
〈표 3-15〉 230번 정점의 개선된 예측모델로 예측한 잔차류의 예측 정확도 결과 257
〈표 3-16〉 265번 정점의 개선된 예측모델로 예측한 잔차류 예측 정확도 결과 261
〈표 3-17〉 426번 정점의 개선된 예측모델로 예측한 잔차류 예측 정확도 결과 265
〈표 3-18〉 230번 정점의 개선된 예측모델로 예측한 장주기 해수유동 예측 정확도 결과 269
〈표 3-19〉 265번 정점의 개선된 예측모델로 예측한 장주기 해수유동 예측 정확도 결과 273
〈표 3-20〉 426번 정점의 개선된 예측모델로 예측한 장주기 해수유동 예측 정확도 결과 277
〈표 3-21〉 개선 예측모델을 적용한 잔차류와 장주기 해수유동의 예측 구간별 RMSE 비교 281
〈표 3-22〉 20년과 21년 예측모델로 예측한 해수유동 자료의 RMSE 비교 282
〈표 3-23〉 조화상수 기반 예측조류 생산을 위한 조화분해 및 예측기간 283
〈표 3-24〉 230번 정점의 잔차류 및 장주기 해수유동 EOF 예측 정확도 결과 286
〈표 3-25〉 265번 정점에서 EOF 기법을 적용하여 산출된 잔차류와 장주기 해수유동의 예측 정확도 결과 294
〈표 3-26〉 426번 정점에서 EOF 기법을 적용하여 산출된 잔차류와 장주기 해수유동의 예측 정확도 결과 302
〈표 3-27〉 LSTM과 EOF 방법으로 예측한 잔차류와 장주기 해수유동 예측 정확도 비교 311
〈표 3-28〉 개선 LSTM과 EOF로 예측한 잔차류와 장주기 해수유동 예측 정확도 비교 337
〈표 3-29〉 230번 정점에서 LSTM과 EOF 기법으로 예측한 비조류 해수유동과 조화상수 기반 예측조류를 합성한 해수유동의 실제 관측자료와의 정확도 비교 결과 339
〈표 3-30〉 265번 정점에서 LSTM과 EOF 기법으로 예측한 비조류 해수유동과 조화상수 기반 예측조류를 합성한 해수유동의 실제 관측자료와의 정확도 비교 결과 348
〈표 3-31〉 426번 정점에서 LSTM과 EOF 기법으로 예측한 비조류 해수유동과 조화상수 기반 예측조류를 합성한 해수유동의 실제 관측자료와의 정확도 비교 결과 357
〈표 3-32〉 230번 정점에서 개선된 LSTM과 EOF 기법으로 예측한 비조류 해수유동과 조화상수 기반 예측조류를 합성한 해수유동의 실제 관측자료와의 정확도 비교 결과 366
〈표 3-33〉 265번 정점에서 개선된 LSTM과 EOF 기법으로 예측한 비조류 해수유동과 조화상수 기반 예측조류를 합성한 해수유동의 실제 관측자료와의 정확도 비교 결과 375
〈표 3-34〉 426번 정점에서 개선된 LSTM과 EOF 기법으로 예측한 비조류 해수유동과 조화상수 기반 예측조류를 합성한 해수유동의 실제 관측자료와의 정확도 비교 결과 384
〈표 3-35〉 원본자료를 이용한 해수유동 예측모델의 주요 변경 사항 394
〈표 3-36〉 인천항 HF-Radar 관측정점의 연도별 수집률 범위와 평균 수집률 395
〈표 3-37〉 인천항 HF-Radar 관측정점의 연도별 공분산 범위와 평균 공분산 397
〈표 3-38〉 HF-Radar 관측정점 품질판단 기준 및 선정 결과 398
〈표 3-39〉 HF-Radar 원본자료를 활용한 해수유동 예측모델 학습 개요 399
〈표 3-40〉 53번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 400
〈표 3-41〉 133번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 404
〈표 3-42〉 209번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 408
〈표 3-43〉 331번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 412
〈표 3-44〉 368번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 416
〈표 3-45〉 424번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 420
〈표 3-46〉 504번 정점의 원본자료 해수유동 예측모델 예측 정확도 결과 424
〈표 3-47〉 원본자료 해수유동 예측모델의 예측 정확도 공간분포 결과 428
〈표 3-48〉 TFT 모델 내 주요 모듈과 성능 개요 434
〈표 3-49〉 TFT 모델을 이용한 표층 해수유동 예측 주요 개요 436
〈표 3-50〉 TFT 모델을 이용한 표층 해수유동 예측결과(RMSE, MAE) 438
〈표 3-51〉 세 모델의 인천항 원본 자료 예측 정확도 평균 결과(RMSE, MAE) 442
〈표 3-52〉 kNN모델을 이용한 표층 해수유동 예측 주요 개요 445
〈표 3-53〉 kNN모델과 타 모델의 동방성분과 북방성분의 RMSE 비교 446
〈표 3-54〉 CNN-GRU모델을 이용한 표층 해수유동 예측의 주요 개요 447
〈표 3-55〉 CNN-GRU모델과 기존 예측모델과의 RMSE 비교 448
〈표 3-56〉 LSTM모델과 Transformer모델을 이용한 해류 예측의 주요 개요 449
〈표 3-57〉 실제 4개 정점의 LSTM, FT, HM모델을 통해 예측한 결과의 NRMSE 비교 450
〈표 3-58〉 인공신경망을 이용한 단기 해수유동 예측 451
〈표 3-59〉 A3 정점에서 HF-Radar자료와 예측모델의 RMSE 452
〈표 3-60〉 기상자료 예측을 위한 방법 개요 453
〈표 3-61〉 기상자료 예측 정확도 분석 결과 454
〈표 3-62〉 파고 예측을 위한 방법 개요 455
〈표 3-63〉 인공신경망 기법별 파고 예측 정확도 비교 456
〈표 3-64〉 파랑 및 바람 예측을 위한 방법 개요 457
〈표 3-65〉 예측을 위한 신경망 노드 수 및 예측 정확도 458
〈표 3-66〉 미국 해안경비대에서 제시한 표류물 유형과 세부 경우의 수 462
〈표 3-67〉 OpenDrift를 이용한 표류예측 테스트 개요 463
〈표 3-68〉 2015~2019년의 인천항 및 진입수로에서 발생한 해양사고 통계 468
〈표 3-69〉 예측자료 생산체계 구축을 위한 사전준비 개요 471
〈표 3-70〉 HF-Radar 예측 수행을 위한 폴더트리 구조 473
〈표 3-71〉 표층 해수유동 예측방법에 따른 정확도 비교 478
〈그림 1-1〉 위성뜰개 검수 사진 34
〈그림 1-2〉 소형 위성뜰개 투하 위치도(T2, T5, T8에서는 위성뜰개 각 3개 투하) 35
〈그림 1-4〉 남해동부 해역 1차 위성뜰개 이동 경로(2021.07.28.~2021.11.10.) 38
〈그림 1-5〉 남해동부 해역 2차 위성뜰개 이동 경로(2021.10.25.~2021.11.10.) 39
〈그림 1-6〉 제주~이어도 해양과학기지 1차 위성뜰개 이동 경로(2021.08.18.~2021.11.10.) 39
〈그림 1-7〉 제주~이어도 해양과학기지 2차 위성뜰개 이동 경로(2021.11.04.~2021.11.10.) 40
〈그림 1-8〉 1차 및 2차 소형 위성뜰개 전체 이동경로(2021.07.28.~2021.11.10.) 40
〈그림 2-1〉 연직 수온·염분 관측 정점 위치 41
〈그림 2-2〉 수온·염분 수직분포도(2020년 10월) 45
〈그림 2-3〉 수온·염분 수직단면도(2020년 10월) 46
〈그림 2-4〉 T-S Diagram(2020년 10월) 46
〈그림 2-5〉 수온·염분 수직분포도(2021년 7월) 48
〈그림 2-6〉 수온·염분 수직단면도(2021년 7월) 49
〈그림 2-7〉 T-S Diagram(2021년 7월) 49
〈그림 2-8〉 수온·염분 수직분포도(2021년 10월) 51
〈그림 2-9〉 수온·염분 수직단면도(2021년 10월) 52
〈그림 2-10〉 T-S Diagram(2021년 10월) 52
〈그림 2-11〉 관측라인별 수온·염분 수직분포도(2019년 7월) 56
〈그림 2-12〉 관측라인별 수온·염분 수직단면도(2019년 7월) 57
〈그림 2-13〉 관측라인별 T-S Diagram(2019년 7월) 58
〈그림 2-14〉 관측라인별 수온·염분 수직분포도(2020년 7월) 62
〈그림 2-15〉 관측라인별 수온·염분 수직단면도(2020년 7월) 63
〈그림 2-16〉 관측라인별 T-S Diagram(2020년 7월) 64
〈그림 2-17〉 관측라인별 수온·염분 수직분포도(2020년 10월) 68
〈그림 2-18〉 관측라인별 수직단면도(2020년 10월) 69
〈그림 2-19〉 관측라인별 T-S Diagram(2020년 10월) 70
〈그림 2-20〉 관측부이 계류도 72
〈그림 2-21〉 Bin별 유향과 유속 출현율도 76
〈그림 2-22〉 Bin별 유향과 유속 분포도 77
〈그림 2-23〉 Bin별 유향과 유속 진행벡터도 78
〈그림 2-24〉 조류타원도(1Bin) 82
〈그림 2-25〉 조류타원도(2Bin) 83
〈그림 2-26〉 조류타원도(3Bin) 84
〈그림 2-27〉 조류타원도(4Bin) 85
〈그림 2-28〉 조류타원도(5Bin) 86
〈그림 2-29〉 조류타원도(6Bin) 87
〈그림 2-30〉 조류타원도(7Bin) 88
〈그림 2-31〉 Bin별 조류와 잔차류의 벡터 시간변화도 89
〈그림 2-32〉 Bin별 유향과 유속 출현율도 94
〈그림 2-33〉 Bin별 유향과 유속 분포도 96
〈그림 2-34〉 Bin별 유향과 유속 진행벡터도 98
〈그림 2-35〉 조류타원도(1Bin) 105
〈그림 2-36〉 조류타원도(2Bin) 106
〈그림 2-37〉 조류타원도(3Bin) 107
〈그림 2-38〉 조류타원도(4Bin) 108
〈그림 2-39〉 조류타원도(5Bin) 109
〈그림 2-40〉 조류타원도(6Bin) 110
〈그림 2-41〉 조류타원도(7Bin) 111
〈그림 2-42〉 조류타원도(8Bin) 112
〈그림 2-43〉 조류타원도(9Bin) 113
〈그림 2-44〉 조류타원도(10Bin) 114
〈그림 2-45〉 조류타원도(11Bin) 115
〈그림 2-46〉 조류타원도(12Bin) 116
〈그림 2-47〉 조류타원도(13Bin) 117
〈그림 2-48〉 Bin별 조류와 잔차류의 벡터 시간변화도 118
〈그림 2-49〉 위성뜰개 투하 위치 123
〈그림 2-50〉 우리나라 주변해역 해류모식도 124
〈그림 2-51〉 우리나라의 주변해역의 소용돌이 124
〈그림 2-52〉 2019년도 한반도에 영향을 준 태풍의 이동경로 126
〈그림 2-53〉 2020년도 한반도에 영향을 준 태풍의 이동경로 126
〈그림 2-54〉 2021년도 한반도에 영향을 준 태풍의 이동경로 127
〈그림 2-55〉 역거리가중법을 위한 관측자료 정점 128
〈그림 2-56〉 YES3K 모델범위 129
〈그림 2-57〉 역거리가중법을 통한 파고 검증 유의파고 시계열 130
〈그림 2-58〉 역거리가중법을 통한 바람 검증 풍속 시계열 130
〈그림 2-59〉 대한해협 주변 위성뜰개 이동경로(2019년 7월) 132
〈그림 2-60〉 대한해협 주변 위성뜰개 이동경로(2020년 7월) 132
〈그림 2-61〉 대한해협 주변 위성뜰개 이동경로(2020년 10월) 133
〈그림 2-62〉 대한해협 주변 위성뜰개 이동경로(2021년 7월) 133
〈그림 2-63〉 대한해협 주변 위성뜰개 이동경로(2021년 10월) 134
〈그림 2-64〉 동해연안 인근의 위성뜰개 이동경로(2019년 7월) 135
〈그림 2-65〉 동해연안 인근의 위성뜰개 이동경로(2021년 7월) 135
〈그림 2-66〉 동해연안 인근의 이동경로(2021년 10월) 136
〈그림 2-67〉 동해외해의 위성뜰개 이동경로(2019년 7월) 137
〈그림 2-68〉 동해외해의 위성뜰개 이동경로(2020년 7월) 137
〈그림 2-69〉 동해외해의 위성뜰개 이동경로(2021년 7월) 138
〈그림 2-70〉 전해역의 위성뜰개 이동경로(2019년 7월) 140
〈그림 2-71〉 위성뜰개 위치의 해양·기상 인자 시계열(2019년 7월) 141
〈그림 2-72〉 전해역의 위성뜰개 이동경로(2020년 8월) 142
〈그림 2-73〉 위성뜰개 위치의 해양·기상 인자 시계열(2020년 8월) 143
〈그림 2-74〉 전해역의 위성뜰개 이동경로(2020년 11월) 144
〈그림 2-75〉 위성뜰개 위치의 해양·기상 인자 시계열(2020년 11월) 145
〈그림 2-76〉 전해역의 위성뜰개 이동경로(2021년 7월) 146
〈그림 2-77〉 위성뜰개 위치의 해양·기상 인자 시계열(2021년 7월) 147
〈그림 2-78〉 전해역의 위성뜰개 이동경로(2021년 10월) 148
〈그림 2-79〉 위성뜰개 위치의 해양·기상 인자 시계열(2021년 10월) 149
〈그림 2-80〉 위성뜰개 투하 지점 151
〈그림 2-81〉 위성뜰개 관측자료 분석 152
〈그림 2-82〉 수치모델별 예측영역 비교 154
〈그림 2-83〉 위성뜰개 관측자료 이상치 존재 155
〈그림 2-84〉 위성뜰개 관측자료 이상치 제거 후 155
〈그림 2-85〉 균일한 간격의 데이터를 얻기 위한 자료보간 및 재추출 156
〈그림 2-86〉 위성뜰개 자료와 YES3K의 공간해상도 비교 157
〈그림 2-87〉 역거리가중법 모식도 158
〈그림 2-88〉 위성뜰개 관측자료와 수치모델 데이터의 상관관계 159
〈그림 2-89〉 위성뜰개 경로 예측 모델의 변수중요도 분석 160
〈그림 2-90〉 ET 알고리즘 개념도 161
〈그림 2-91〉 LightGBM 알고리즘 개념도 163
〈그림 2-92〉 SVM 알고리즘 예시 및 도시화 165
〈그림 2-93〉 DNN 알고리즘 개념도 166
〈그림 2-94〉 RBFN 알고리즘 구조 167
〈그림 2-95〉 Grid Search 기법 개념도 169
〈그림 2-96〉 K 겹 교차검증 방법 169
〈그림 2-97〉 NCLS 측정 방법 171
〈그림 2-98〉 검증데이터 투하 위치 172
〈그림 2-99〉 표류예측시스템(YES3K)과 인공지능 모델 예측 성능 평가(남해) 173
〈그림 2-100〉 태풍 오마이스의 이동 경로 174
〈그림 2-101〉 T-1 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 177
〈그림 2-102〉 T-3 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 177
〈그림 2-103〉 T-4 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 178
〈그림 2-104〉 T-5 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 178
〈그림 2-105〉 T-6 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 179
〈그림 2-106〉 T-7 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 179
〈그림 2-107〉 T-8 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 180
〈그림 2-108〉 T-9 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 180
〈그림 2-109〉 I-1 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 181
〈그림 2-110〉 I-2 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 181
〈그림 2-111〉 I-3 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 182
〈그림 2-112〉 I-4 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 182
〈그림 2-113〉 I-5 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 183
〈그림 2-114〉 T-1 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 183
〈그림 2-115〉 T-3 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 184
〈그림 2-116〉 T-4 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 184
〈그림 2-117〉 T-5 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 185
〈그림 2-118〉 T-6 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 185
〈그림 2-119〉 T-7 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 186
〈그림 2-120〉 T-8 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 186
〈그림 2-121〉 T-9 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 187
〈그림 2-122〉 I-1 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 187
〈그림 2-123〉 I-2 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 188
〈그림 2-124〉 I-3 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 188
〈그림 2-125〉 I-4 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 189
〈그림 2-126〉 I-5 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 189
〈그림 2-127〉 표류예측시스템(YES3K)과 인공지능 모델 예측 성능 평가(동해) 190
〈그림 2-128〉 D-1 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 192
〈그림 2-129〉 D-2 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 192
〈그림 2-130〉 D-3 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(LightGBM) 경로 비교 193
〈그림 2-131〉 D-1 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 193
〈그림 2-132〉 D-2 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 194
〈그림 2-133〉 D-3 정점에 대한 관측자료-표류예측시스템(YES3K)-인공지능(DNN) 경로 비교 194
〈그림 2-134〉 표류예측시스템(MOHID300m)과 인공지능 모델 예측 성능 평가 195
〈그림 2-135〉 T-1 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 198
〈그림 2-136〉 T-2 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 198
〈그림 2-137〉 T-3 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 199
〈그림 2-138〉 T-4 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 199
〈그림 2-139〉 T-5 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 200
〈그림 2-140〉 T-6 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 200
〈그림 2-141〉 T-7 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 201
〈그림 2-142〉 T-8 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 201
〈그림 2-143〉 T-9 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(LightGBM) 경로 비교 202
〈그림 2-144〉 T-1 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 202
〈그림 2-145〉 T-2 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 203
〈그림 2-146〉 T-3 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 203
〈그림 2-147〉 T-4 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 204
〈그림 2-148〉 T-5 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 204
〈그림 2-149〉 T-6 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 205
〈그림 2-150〉 T-7 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 205
〈그림 2-151〉 T-8 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 206
〈그림 2-152〉 T-9 정점에 대한 관측자료-표류예측시스템(MOHID300m)-인공지능(DNN) 경로 비교 206
〈그림 3-1〉 HF-Radar 관측망과 해수유동 관측원리, 실제 관측소 전경 209
〈그림 3-2〉 인천항 HF-Radar 방사 관측소 및 합성벡터 정점 위치도 211
〈그림 3-3〉 인천항 HF-Radar의 2016년부터 2021년까지 관측자료 월 평균 수집률 시계열 212
〈그림 3-4〉 인천항 HF-Radar의 2016년부터 2021년까지의 정점별 평균 수집률 분포 213
〈그림 3-5〉 인공신경망을 이용한 시계열 예측 예시 214
〈그림 3-6〉 순환신경망의 기본 구조와 수식 215
〈그림 3-7〉 LSTM의 구조(좌)와 수식(우) 216
〈그림 3-8〉 HF-Radar 정점별 관측자료 품질처리 순서도(좌) 및 예시(우) 217
〈그림 3-9〉 HF-Radar 관측자료로부터 조류성분을 추출하는 과정 모식도 219
〈그림 3-10〉 예측조류를 이용한 관측자료 보간 수행 결과(인천항 392번 정점 동방성분) 219
〈그림 3-11〉 교차상관분석을 위한 프로그램 소스 코드 220
〈그림 3-12〉 인천항 HF-Radar와 WRF 수치예측모델 자료의 상관관계 비교(510번 정점, 동방성분) 221
〈그림 3-13〉 인천항 HF-Radar와 WRF 수치예측모델 자료의 상관관계 비교(62번 정점, 북방성분) 221
〈그림 3-14〉 인공신경망의 입력 및 출력 구조 모식도 223
〈그림 3-15〉 인공신경망 학습모델의 학습 과정과 손실값 분포 그리고 모델 구조 224
〈그림 3-16〉 단일(상) 및 다중(하) 예측 모식도 225
〈그림 3-17〉 해수유동 예측모델 검증을 위한 정점 위치도(좌) 및 데이터 구성 개요(우) 228
〈그림 3-18〉 예측자료 정확도 산출 방법 모식도 229
〈그림 3-19〉 230번 정점의 잔차류 예측자료와 실제자료의 시계열 및 RMSE 230
〈그림 3-20〉 265번 정점의 잔차류 예측자료와 실제자료의 시계열 및 RMSE 234
〈그림 3-21〉 426번 정점의 잔차류 예측자료와 실제자료의 시계열 및 RMSE 238
〈그림 3-22〉 230번 정점의 장주기 해수유동 예측자료와 실제자료의 시계열 및 RMSE 242
〈그림 3-23〉 265번 정점의 장주기 해수유동 예측자료와 실제자료의 시계열 및 RMSE 246
〈그림 3-24〉 426번 정점의 장주기 해수유동 예측자료와 실제자료의 시계열 및 RMSE 250
〈그림 3-25〉 잔차류와 장주기 해수유동 예측자료의 시계열 유형 254
〈그림 3-26〉 잔차류와 장주기 해수유동의 예측 기간별 RMSE 막대 그래프 255
〈그림 3-27〉 해수유동 예측모델 변경 전과 후 구조와 개선 모델의 하이퍼파라미터 256
〈그림 3-28〉 230번 정점의 개선된 예측모델로 산출한 잔차류와 실측자료 시계열 257
〈그림 3-29〉 265번 정점의 개선된 예측모델로 산출한 잔차류와 실측자료 시계열 261
〈그림 3-30〉 426번 정점의 개선된 예측모델로 산출한 잔차류와 실측자료 시계열 265
〈그림 3-31〉 230번 정점의 개선된 예측모델로 산출한 장주기 해수유동과 실측자료 시계열 269
〈그림 3-32〉 265번 정점의 개선된 예측모델로 산출한 장주기 해수유동과 실측자료 시계열 273
〈그림 3-33〉 426번 정점의 개선된 예측모델로 산출한 장주기 해수유동과 실측자료 시계열 277
〈그림 3-34〉 개선된 예측모델을 적용한 잔차류와 장주기 해수유동 예측 구간별 RMSE비교 281
〈그림 3-35〉 20년과 21년 예측모델로 예측한 해수유동 자료의 RMSE 비교 막대 그래프 282
〈그림 3-36〉 조화분해로 생성된 분조별 조화상수와 예측조류 산출 결과 예시 284
〈그림 3-37〉 EOF 기법을 적용한 해수유동 예측자료 생산 모식도 285
〈그림 3-38〉 230번 정점의 EOF와 LSTM으로 예측한 잔차류와 실제자료의 시계열 비교 286
〈그림 3-39〉 230번 정점의 EOF와 LSTM으로 예측한 장주기 해수유동과 실제자료의 시계열 비교 290
〈그림 3-40〉 265번 정점의 EOF와 LSTM으로 예측한 잔차류와 실제자료의 시계열 비교 294
〈그림 3-41〉 265번 정점의 EOF와 LSTM으로 예측한 장주기 해수유동과 실제자료의 시계열 비교 298
〈그림 3-42〉 426번 정점의 EOF와 LSTM으로 예측한 잔차류와 실제자료의 시계열 비교 303
〈그림 3-43〉 426번 정점의 EOF와 LSTM으로 예측한 장주기 해수유동과 실제자료의 시계열 비교 307
〈그림 3-44〉 LSTM과 EOF 방법으로 산출한 잔차류 및 장주기 해수유동 예측자료의 비교 312
〈그림 3-45〉 230번 정점의 EOF와 개선된 LSTM으로 예측한 잔차류와 실제자료의 시계열 비교 313
〈그림 3-44〉 230번 정점의 EOF와 개선된 LSTM으로 예측한 장주기 해수유동과 실제 자료의 시계열 비교 317
〈그림 3-47〉 265번 정점의 EOF와 개선된 LSTM으로 예측한 잔차류와 실제자료의 시계열 비교 321
〈그림 3-48〉 265번 정점의 EOF와 개선된 LSTM으로 예측한 장주기 해수유동과 실제 자료의 시계열 비교 325
〈그림 3-49〉 426번 정점의 EOF와 개선된 LSTM으로 예측한 잔차류와 실제자료의 시계열 비교 329
〈그림 3-50〉 426번 정점의 EOF와 개선된 LSTM으로 예측한 장주기 해수유동과 실제 자료의 시계열 비교 333
〈그림 3-51〉 개선 LSTM과 EOF 방법으로 산출한 잔차류 및 장주기 해수유동 예측자료의 비교 338
〈그림 3-52〉 230번 정점에서 LSTM과 EOF로 예측한 잔차류와 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 340
〈그림 3-53〉 230번 정점에서 LSTM과 EOF로 예측한 장주기 해수유동과 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 344
〈그림 3-54〉 265번 정점에서 LSTM과 EOF로 예측한 잔차류와 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 349
〈그림 3-55〉 265번 정점에서 LSTM과 EOF로 예측한 장주기 해수유동과 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 353
〈그림 3-56〉 426번 정점에서 LSTM과 EOF로 예측한 잔차류와 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 358
〈그림 3-57〉 426번 정점에서 LSTM과 EOF로 예측한 장주기 해수유동과 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 362
〈그림 3-58〉 230번 정점에서 개선된 LSTM과 EOF로 예측한 잔차류와 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 367
〈그림 3-59〉 230번 정점에서 개선된 LSTM과 EOF로 예측한 장주기 해수유동과 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 371
〈그림 3-60〉 265번 정점에서 개선된 LSTM과 EOF로 예측한 잔차류와 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 376
〈그림 3-61〉 265번 정점에서 개선된 LSTM과 EOF로 예측한 장주기 해수유동과 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 380
〈그림 3-62〉 426번 정점에서 개선된 LSTM과 EOF로 예측한 잔차류와 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 385
〈그림 3-63〉 426번 정점에서 개선된 LSTM과 EOF로 예측한 장주기 해수유동과 조화상수 기반 예측조류를 합성한 해수유동과 실제 관측자료와의 시계열 비교 389
〈그림 3-64〉 해수유동 자료별 시계열 특성 비교 393
〈그림 3-65〉 인천항 HF-Radar의 2016년부터 2021년까지의 정점별 평균 수집률 분포 396
〈그림 3-66〉 인천항 HF-Radar의 2016년부터 2021년까지의 평균 공분산 분포 397
〈그림 3-67〉 수집률과 공분산 판단 기준에 의한 기준 통과 정점 위치도 398
〈그림 3-68〉 HF-Radar 품질양호 정점, WRF 모델 격자 그리고 예측결과 제시 정점 위치도 399
〈그림 3-69〉 53번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 400
〈그림 3-70〉 133번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 404
〈그림 3-71〉 209번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 408
〈그림 3-72〉 331번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 412
〈그림 3-73〉 368번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 416
〈그림 3-74〉 424번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 420
〈그림 3-75〉 504번 정점의 LSTM 원본자료 예측 및 실측 시계열 비교 424
〈그림 3-76〉 원본자료 해수유동 예측모델의 예측 및 실측자료 상관관계 공간분포 428
〈그림 3-77〉 원본자료 해수유동 예측모델의 예측 및 실측자료 RMSE 공간분포 429
〈그림 3-78〉 원본자료 해수유동 예측모델의 예측 및 실측자료 BIAS 공간분포 430
〈그림 3-79〉 원본자료 해수유동 예측모델의 예측자료 시계열 유형 431
〈그림 3-80〉 Temporal Fusion Transformer(TFT) 모델을 통한 다중 수평 시계열 예측 과정 432
〈그림 3-81〉 Temporal Fusion Transformer(TFT) 모델 아키텍처 434
〈그림 3-82〉 TFT 모델 검증을 위한 정점 위치도(좌) 및 데이터 구성 개요(우) 435
〈그림 3-83〉 TFT 모델 손실값(232번 정점, 북방성분) 437
〈그림 3-84〉 동방·북방성분의 RMSE 출현 비율 438
〈그림 3-85〉 TFT를 이용한 인천항 해수유동관측소 예측 결과(1) 439
〈그림 3-86〉 TFT를 이용한 인천항 해수유동관측소 예측 결과(2) 440
〈그림 3-87〉 TFT를 이용한 인천항 해수유동관측소 예측 결과(3) 441
〈그림 3-88〉 TFT를 이용한 인천항 해수유동관측소 예측 결과 분산도 예시 441
〈그림 3-89〉 인천항 원본 자료 예측에 사용된 세 모델의 평균 RMSR 결과 442
〈그림 3-90〉 TFT, LSTM 그리고 예측조류를 이용한 해수유동 예측 시계열 비교1 443
〈그림 3-91〉 TFT, LSTM 그리고 예측조류를 이용한 해수유동 예측 시계열 비교2 443
〈그림 3-92〉 kNN모델과 타 예측모델의 RMSE 결과 비교 U성분(좌)와 V성분(우) 446
〈그림 3-93〉 CNN-GRU모델 아키텍처(좌)와 예측 정점(우) 447
〈그림 3-94〉 CNN-GRU모델을 이용한 HF-Radar 해수유동 예측 결과 448
〈그림 3-95〉 가중치별 TF attention 시각화. 8개 attention heads 중 4개 heads(좌), 전체 attention heads의 미래 10일 예측을 위한 현재(Day 0)부터 과거 30일까지 가중치(우) 449
〈그림 3-96〉 TF, LSTM, HM(Harmonic Method)을 적용하여 각 정점의 1주일 예측 결과 450
〈그림 3-97〉 인공신경망 모델을 이용한 예측 흐름도 451
〈그림 3-98〉 A3 정점의 단일 및 다중 스텝 예측 결과 U성분(좌), V성분(우) 452
〈그림 3-99〉 적용 알고리즘의 구성도(좌)와 주요 예측 케이스(우) 453
〈그림 3-100〉 주요 예측 시계열 예시 454
〈그림 3-101〉 파고 예측에 사용된 인공신경망 알고리즘 모식도 455
〈그림 3-102〉 인공지능 방법별 파고 예측 시계열 비교 456
〈그림 3-103〉 파랑 및 풍속 예측자료 시계열 458
〈그림 3-104〉 Leeway 효과 모식도(좌)와 산출 계산식(우) 459
〈그림 3-105〉 OpenDrift 프레임워크의 주요 라이브러리 구조 460
〈그림 3-106〉 OpenDrift를 이용한 표류예측 결과 산출 순서 460
〈그림 3-107〉 프레임워크 내부의 입력자료 처리 코드와 NetCDF 입력변수 461
〈그림 3-108〉 표류물 유형별 Leeway 계수 산출 문서 462
〈그림 3-109〉 Leeway 적용을 위해 추출한 인천항 해수유동관측소 정점 위치도 463
〈그림 3-110〉 OpenDrift를 이용한 표류물 유형별 표류예측 결과 464
〈그림 3-111〉 국외의 HF-Radar 관측자료를 활용한 사례 466
〈그림 3-112〉 해양보호구역에서 HF-Radar 자료를 이용한 40일간 표층 해류 역추적 결과 467
〈그림 3-113〉 인천항 선박 입출항 및 연별 해양사고 발생 현황 468
〈그림 3-114〉 인천항 내 유류유출 사례 469
〈그림 3-115〉 2020년 인천항과 인천항 HF-Radar 인근에서 발생한 해양사고 현황 469
〈그림 3-116〉 인공신경망 기반 HF-Radar 관측격자별 해수유동 예측자료 생산 체계 모식도 470
〈그림 3-117〉 CentOS 가상머신 설치 과정 471
〈그림 3-118〉 아나콘다 패키지 설치 및 예측자료 생산 확인 예시 472
〈그림 3-119〉 HF-Radar 예측 환경 작업 사진 474
〈그림 3-120〉 국립해양조사원에 구축한 HF-Radar 예측자료 생산 순서도 475