• 정보처리학회논문지C
• /
• 제11C권3호
• /
• pp.361-370
• /
• 2004

IP 망에 액티브 네트워크 기술을 도입하기 위해서는 네트워크 내에서 물리적으로 직접 연결되지 않은 액티브 노드들이 서로에 대한 토폴로지 정보를 구성하고 관리하는 방법이 필요하다. 또한 하나의 프로그램을 수행하기 위해 필요한 액티브 패킷들은 손실 없이 전송되어야만 정상적인 작업을 수행할 수 있다. 뿐만 아니라 액티브 패킷은 중간 노드에서의 실행으로 기존의 네트워크에 비해 큰 융통성을 가지므로 효율성과 안전성이 보장되어야 한다. 본 논문에서는 네트워크 내의 액티브 노드들이 상호 간에 가입과 탈퇴 여부를 발견하기 위해서 OSPF(Open Shortest Path First) 프로토콜의 Opaque LSA(Link State Advertisement)를 이용하도록 하였다. 또한 수신지에서 손실을 감지하여 송신지에 재전송을 요구하는 신뢰성 전송 방식과 액티브 패킷의 사본을 이용한 복사 후 전송, 송ㆍ수신지에서의 보안 기법 적용이 이루어지도록 하는 액티브 패킷 전송 엔진을 제안하였다 시뮬레이션을 통하여 기존의 기법과 비교ㆍ분석한 결과, 적용한 액티브 노드 발견 기법과 액티브 패킷 전송 엔진이 효율적임을 확인할 수 있었다.

• 대한기계학회논문집A
• /
• 제36권5호
• /
• pp.563-569
• /
• 2012

대용량 화력발전 보일러 과열기와 재열기 튜브는 과열에 취약하여 보일러 정지 시 튜브 내부의 산화 스케일 두께를 측정하여 과열상태를 평가한다. 산화스케일 두께측정에 의한 튜브 온도예측은 튜브의 발췌가 불가피하고 정확한 과열지점의 선정과 튜브의 초기운전온도가 확보되지 못하면 유의한 튜브온도예측결과를 얻을 수 없는 문제점이 있다. 또한 해석적 방법에 의해 튜브 온도를 예측하는 경우 튜브 외부 연소가스에 대한 연소, 복사, 대류 및 난류유동에 대한 방대한 해석이 필요한 반면 순시적인 부하의 변동, 탄종의 변화 및 운전방법의 변화를 반영할 수 없으므로 지속적인 튜브의 온도를 예측할 수 없는 단점이 있다. 본 논문에서는 보일러 운전정보와 유로망 해석을 통해 튜브의 열유속을 계산하고 이를 이용하여 단시간에 튜브의 온도를 예측할 수 있는 기법을 제시하였다. 본 기법을 Larson-Miller Parameter 법과 같은 실용적인 튜브 손상평가기법과 결합하면 유용한 고온손상감시의 수단으로 활용이 가능할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.207-221
• /
• 2023

본 연구는 천리안위성 2A호의 Level 1B (L1B) 정보를 사용해 지상기온을 추정하기 위한 심층신경망(deep neural network, DNN) 기법을 적용하고 검증을 실시하였다. 지상기온은 지면으로부터 1.5 m 높이의 대기온도로 일상생활뿐만 아니라 폭염이나 한파와 같은 이슈에 밀접한 관련을 갖는다. 지상기온은 지표면 온도와 대기의 열 교환에 의해 결정되므로 위성으로부터 산출된 지표면 온도(land surface temperature, LST)를 이용한 지상기온 추정 연구가 활발하였다. 하지만 천리안위성 2A호 산출물 LST는 Level 2 정보로 구름영향이 없는 픽셀만 산출되는 한계가 있다. 따라서 본 연구에서는 Advanced Meteorological Imager 센서에서 측정된 원시데이터에 오직 복사와 위치보정을 마친 L1B 정보를 사용해 지상기온을 추정하기 위한 DNN 모델을 제시하고 그 성능을 가늠하기 위해 위성 LST와 지상관측 기온 사이의 선형회귀모델을 기준모델로 사용하였다. 연구기간은 2020년부터 2022년까지 3년으로 평가기간 2022년을 제외한 기간은 훈련기간으로 설정했다. 평가지표는 기상청의 종관기상관측소에서 정시에 관측된 기온정보로 평균 제곱근 오차를 사용하였다. 관측지점에서 추출된 픽셀 중 손실된 픽셀의 비율은 LST는 57.91%, L1B는 1.63%를 보였으며 LST의 비율이 낮은 이유는 구름의 영향 때문이다. 제안한 DNN의 구조는 16개 L1B 자료와 태양정보를 입력 받는 층과 은닉층 4개, 지상기온 1개를 출력하는 층으로 구성하였다. 연구결과 구름의 영향이 없는 경우 DNN 모델이 root mean square error (RMSE) 2.22℃로 기준모델의 RMSE 3.55℃ 보다 낮은 오차를 보였고, 흐린 조건을 포함한 총 RMSE는 3.34℃를 나타내면서 구름의 영향을 제거할 수 있을 것으로 보였다. 하지만 계절과 시간에 따른 분석결과 여름과 겨울철에 모델의 결정계수가 각각 0.51과 0.42로 매우 낮게 나타났고 일 변동의 분산이 0.11과 0.21로 나타났다. 가시채널을 고려해 태양 위치정보를 추가한 결과에서 결정계수가 0.67과 0.61로 개선되었고 시간에 따른 일 변동의 분산도 0.03과 0.1로 감소하면서 모든 계절과 시간대에 더 일반화된 모델을 생성할 수 있었다.

• 생물환경조절학회지
• /
• 제32권4호
• /
• pp.384-395
• /
• 2023

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀(MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770-0.948 범위의 R² 값과 0.495mm/min-1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU는 0.948의 R² 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R² 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.

• 한국농림기상학회지
• /
• 제22권3호
• /
• pp.107-116
• /
• 2020

본 데이터 논문에서는 관측기반 농경지 토양수분 추정 기술 개발을 위해 서산과 태안에 2019년 5월에 구축한 테스트 베드에서 2019년 한해동안 얻어진 자료들을 공유하고자 한다. 본 데이터는 기상청에서 운영 중인 자동농업기상관측망 중에 하나인 서산 관측소 주변 밭과 인근 태안의 밭에 구축한 테스트 베드에서 얻어진 다양한 생태수문기상학적인 변수들(토양수분, 증발산, 강수, 복사, 기온, 습도, 식생지수 등)을 포함한다. 해당 데이터의 주목할 만한 사항은 (1) 토양수분관측을 Frequency Domain Reflectometry 및 Time Domain Reflectometry 센서를 이용한 지점관측 뿐만 아니라 COSMIC-ray 중성자 센서로 넓은 공간대표성을 지닌 면적관측을 동시에 수행하여 토양수분의 공간 스케일링 기술 개발 및 평가에 활용될 수 있다는 점, (2) Smart Surface Sensing System을 이용해 작물생육을 함께 감시함으로써 어떻게 토양수분과 작물생육이 상호작용하는지에 대한 이해를 증진시키는데 활용될 수 있다는 점, (3) 에디 공분산 시스템을 이용해 증발산을 함께 실측함으로써 지면 물수지 전반에 대한 평가가 가능하다는 점이다.

• 한국지역지리학회지
• /
• 제16권4호
• /
• pp.339-354
• /
• 2010

본 연구에서는 2009년 여름 강원도 양구군 해안분지(펀치볼)에 구축한 자동기상관측망 기온자료를 분석하여 여름철 하루 중 시간진행 또는 일기패턴에 따른 산간분지 내 기온감률 변화 특징을 밝히고자 한다. 산정부와 분지 내 사이에 형성되는 여름철 일평균 기온감률은 $-0.53^{\circ}C$/100m이나, 일변화에 의해 새벽 6시경에 $-0.25^{\circ}C$/100m의 최저, 오후 4~5시경에 $-0.85^{\circ}C$/100m의 최고값을 나타낸다. 종관일기 패턴 별 일평균 기온감률은 강수일($-0.63^{\circ}C$/100m), 집중호우일($-0.53^{\circ}C$/100m), 약간 구름 낀 날($-0.47^{\circ}C$/100m), 맑은날($-0.39^{\circ}C$/100m) 순으로 높게 나타난다. 여름철 맑은날 새벽에는 분지 내에서 기온역전현상으로 냉기호가 형성되는 반면, 호우일에는 구름에 의한 복사냉각효과 감소로 온기호가 형성된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 한국농림기상학회지
• /
• 제20권1호
• /
• pp.47-56
• /
• 2018

농업은 인간의 활동 중 기상 활동에 가장 종속적이며, 기후 변화 및 기상 재해와 같은 대기 변동성의 증가 속에서 농업기상서비스의 중요성은 점점 증가하고 있다. 유용한 농업기상서비스를 제공하기 위해서는 관측 자료의 품질 관리와 더불어 실제 농경 활동 현장을 대표할 수 있는 곳에서의 기상 관측이 필수적이다. 이를 위해 기상청에서는 자동농업기상관측망(AAOS)을 실제 농경지 근처로 재배치하는 등 관측망 환경을 개선하고 있지만, 아직까지 모든 농업기상관측이 실제영농 환경이 아닌 잔디밭에서 이루어지고 있는 문제가 남아 있다. 기온, 상대 습도, 토양 온도, 토양 수분 관측요소는 지표면의 식생 형태와 관개 등의 영농 활동에 큰 영향을 받는데, 현재의 농업기상관측은 이러한 요소들의 영향을 관측하는데 근본적인 한계가 있다. 본 연구에서는 AAOS 관측 자료의 시간적, 연직적 변이를 분석하고, 실제 농경지 위에 설치된 국가농림기상센터(NCAM) 타워에서 관측하고 있는 공통 기상 및 토양 관측 요소를 비교하여, AAOS 관측 자료의 특성 및 문제점을 분석하였다. 분석 시기는 결측이 가장 적고 추수 이전인 8월과 추수 이후인 10월로 선정하였다. 각 관측 요소별로 관측 높이 및 깊이에 차이가 있었으므로, 차이가 가장 적은 높이 또는 깊이 값을 비교대상으로 선정하였다. 기온의 경우 AAOS 4 m 관측 값이 NCAM타워 관측 값이 비해 낮과 밤 또는 추수이전과 이후 모두 낮았으며, 큰 일중 변화 없이 일정한 차이를 유지하였다. 수증기압 역시 NCAM 관측 값이 AAOS 관측 값에 비해 항상 높았으며, 8월이 10월에 비해 더 큰 차이를 보였다. AAOS 순단파복사의 경우 AAOS 관측 반사복사량이 NCAM 관측 값에 비해 높은 경향을 보였다. 한편, 토양 관측 요소는 대기 관측요소에 비해 더 큰 차이를 보였다. 추수 이전인 8월에는 대부분 논에 물이 차 있었으며, 그로 인해 NCAM 관측 토양 온도가 AAOS 관측 토양 온도에 비해 낮았으며, 일 변화 폭 역시 작았다. NCAM 관측 토양 수분은 강수 여부와 관계 없이 지속적으로 포화상태를 유지하는 반면, AAOS 관측 토양 수분은 강수에 의해 증가한 뒤 감소하는 경향을 보였다. 추수 이후인 10월에는 8월과 다른 경향을 보였다. 토양 온도의 경우, NCAM 관측 값과 AAOS 관측 값의 일 평균값은 비슷하였으나 일 변화 폭은 NCAM 관측 값이 더 컸다. 토양 수분은 NCAM 관측 값이 지속적으로 높았으나, 두 관측 값 모두 강수에 의해 상승하고 증발 또는 배수에 의해 감소하는 경향을 보였다. 이상의 결과는 AAOS 관측 자료의 품질 관리 문제와 함께 논과 잔디밭이라는 지표면 피복 및 영농 활동의 영향을 반영하지 못하는 대표성 문제를 보여주는 것으로서, 본 연구는 2011년 이후 이루어지고 있는 기상청 농업기상관측장비의 농지 부근 이동 작업에 이은 후속 조치로, 농업기상 관측을 대표할 수 있도록 잔디밭이 아닌 논, 밭, 과수원 등 실제 지역 대표 농업 현장에 설치되어야 함을 제언한다.

• 한국지구과학회지
• /
• 제35권1호
• /
• pp.1-18
• /
• 2014

이 연구의 목적은 2008년 5월 29일 우리나라에 영향을 미치는 황사를 예측하기 위해 WRF-Chem 모델 내 에어로졸 스킴과 광물성 먼지 옵션에 따른 미세먼지 농도 변화와 그에 따른 기상장의 민감도를 분석하는 것이다. 미세먼지의 인위적 배출량에 대해서는 $0.5^{\circ}{\pm}0.5^{\circ}$ RETRO 전구 배출량을, 광해리의 경우 Fast-J 광해리 스킴을, 그리고 황사 발생량을 추정하기 위해 RADM2 화학메커니즘 및 MADE/SORGAM 에어로졸 시나리오, MOSAIC 8 섹션 에어로졸 시나리오, 그리고 GOCART 먼지 침식 시나리오를 각각 적용하였다. 그 결과 RADM2 화학메커니즘 및 MADE/SORGAM 에어로졸 시나리오가 다른 시나리오들보다 우리나라 황사 먼지 농도와 배경 PM 농도를 더 높게 모사하였다. 그리고 이 시나리오와 서울의 각 대기질 측정망의 평균 PM10 농도와의 비교 결과, 상관계수는 0.67, 평균제곱근오차는 $44{\mu}gm^{-3}$으로 나타났다. 또한 WRF-Chem 모델에서 상기 3가지 시나리오와 이들 시나리오가 없는 순수 기상에서의 온도, 풍속, 경계층 높이, 장파복사의 기상 민감도를 분석한 결과, 1,800-3,000 m 경계층 높이와 $2-16ms^{-1}$ 풍속 U 성분의 공간적 분포가 황사 먼지 발생의 공간적 분포와 유사하게 나타났다. 그리고 GOCART 먼지 침식 시나리오와 RADM2 화학메커니즘 및 MADE/SORGAM 에어로졸 시나리오는 황사 먼지 또는 에어로졸과 기상이 온라인으로 상호작용함으로써 지구장파복사가 더 낮게 모사되었다.

• 대한전자공학회논문지TC
• /
• 제46권12호
• /
• pp.108-116
• /
• 2009

본 논문에서는 고품질 비압축 오디오 트래픽의 분배 시에 요구되는 낮은 지연 및 지터를 보장하고 이더넷 환경에서 데이터 트래픽의 효율적인 교환을 가능하게 하는 새로운 L1/L2 혼합형 중계 방식을 적용한 이더넷 기반 오디오 분배 시스템을 제안하고 성능을 분석하였다. 제안하는 방식이 적용된 오디오 분배 시스템은 마스터 노드와 다수의 중계 노드로 구성되며 이들은 상호간에 상향 하향 링크를 통하여 데이지 체인 형태로 연결된다. 마스터 노드는 스테레오 24채널에서 PCM샘플링된 16비트 오디오 채널을 수납할 수 있는 오디오 프레임을 125us의 주기마다 생성하여 하향 링크를 통해 전송한다. 하향 링크를 통하여 오디오 프레임을 수신한 중계 노드들은 생성한 오디오 트래픽을 해당 노드에게 할당된 오디오 채널에 수납하고 다음 중계노드로 물리 계층 기반(L1)의 전송을 한다. 망의 종단 노드는 수신되는 오디오 프레임을 상향 링크를 통하여 마스터 노드로 루프백시키고 오디오가 상향 링크를 통하여 전송되는 과정에서 모든 중계 노드들은 자신이 수신해야 할 오디오 채널을 복사하여 오디오를 재생한다. 오디오 프레임의 송신이 완료되면 남은 기간 동안 중계 노드들은 L2 스위치로 동작하면서 데이터 프레임을 데이터 링크 계층 기반(L2)에서 교환한다. 이와 같은 L1/L2 혼합형 중계 방식의 동작을 위해 노드 입력 부의 물리 계층과 데이터 링크 간에 존재하는 MII에 오디오 프레임과 데이터 프레임을 구분하는 기능을 가지는 글루로직을 새로 추가하였다. 제안된 방식에 대하여 네트워크 시뮬레이터인 OMNeT++를 사용하고 다양한 파라미터를 통하여 제안된 방식이 오디오 트래픽의 지연 특성과 데이터 트래픽의 전송 효율 면에서 우수한 특성을 제공할 수 있음을 보였다. 제안된 방식은 물리 계층 기반의 전송 또는 데이터 링크 기반의 전송 방식을 사용하는 기존 이더넷 기반 오디오 분배 기술에 비하여 향상된 지연 성능 및 전송 효율을 제공할 수 있어 오디오분배 시스템뿐만 아니라 비디오분배 시스템, 디지털 AV장치 간의 연결 등에도 활용될 수 있다.