Surface Drifter Trajectory Prediction via Rank-Sum Feature Elimination and Inertia Inputs

본 연구는 해류 저항 장치 부착 여부가 다른 두 뜰개를 대상으로, 움직임에 영향을 끼칠 수 있는 다양한 정보를 포함한 13 개의 입력 특징을 활용하여 뜰개의 1 시간 후 위치를 예측하는 모델을 설계하였다. 이후 특징의 영향력을 트리 기반 중요도, 섀플리 값으로 정량화하고, 기여도가 낮은 특징부터 제거하여 예측 성능을 개선하였다. 일부 특징은 제거 시 평균 절대 오차 값이 감소하여, 오히려 잡음으로 작용할 가능성이 있음을 보였다. 반대로 뜰개의 움직임에 대한 정보를 담고 있는 관성 특징은 제거 시 오차가 급증하여, 예측에 있어 핵심적인 특징임을 확인하였다. 또한 저항 장치 부착 여부에 따라 선택되는 최종 특징 조합이 상이함을 보였다. 이는 모델의 입력 특징을 설계할 때, 저항 장치 유무에 따른 맞춤형 설계가 필요함을 의미한다. 결과적으로, 뜰개 유형별로 불필요한 입력 특징을 제거하고, 저항 장치 유무에 따른 맞춤형 설계를 적용함으로써, 기계학습 기반 해양 표층 뜰개 이동 경로 예측 모델의 성능을 효과적으로 향상시킬 수 있음을 입증하였다.