Prediction and Early Warning of Jellyfish Bloom in Busan Coastal Region based on LSTM-Autuencoder

최근 기후변화와 환경오염 등이 원인이 되어 해파리 대량 발생이 지속적으로 증가하고 있다. 특히 노무라입깃해파리는 국내에 대량 발생으로 피해를 입히는 주요 종으로 지적되며 적절한 대응과 조기 경보의 필요성이 대두되었다. 본 연구는 부산 해역의 해파리 대량 발생에 영향을 주는 수온, 유속 등 다양한 시계열 데이터를 해양수질자동측정망과 해수관측부이 데이터로부터 수집하고 LSTM-Ae 모델을 활용하여 노무라입깃해파리의 대량 발생을 사전에 감지하고자 하였다. 학습을 마친 LSTM-Ae 모델은 조기 경보를 위한 복원 오차를 0.7869로 설정하였을 때 0.6162의 정밀도 및 재현율, 그리고 0.7469의 정확도를 보였다. 제시된 LSTM-Ae 모델을 활용하여 해파리 대량 발생을 2주 이전에 감지가능한 것이 확인되어 추후 노무라입깃해파리의 대량 발생으로 인한 피해 저감에 기여할 수 있을 것으로 기대된다.