• 전기전자학회논문지
• /
• 제27권1호
• /
• pp.116-121
• /
• 2023

본 논문에서는 딥러닝 예측 결과 정보를 적용하는 복합 미생물 배양기를 위한 딥러닝 구조를 개발한다. 제안하는 복합 미생물 배양기는 수집한 복합 미생물 데이터에 대해 복합 미생물 데이터 전처리, 복합 미생물 데이터 구조 변환, 딥러닝 네트워크 설계, 설계한 딥러닝 네트워크 학습, 시제품에 적용되는 GUI 개발 등으로 구성된다. 복합 미생물 데이터 전처리에서는 미생물 배양에 필요한 당밀, 영양제, 식물엑기스, 소금 등의 양에 대해 원-핫 인코딩을 실시하며, 배양된 결과로 측정된 pH 농도와 미생물의 셀 수에 대해 최대-최소 정규화 방법을 사용하여 데이터를 전처리한다. 복합 미생물 데이터 구조 변환에서는 전처리된 데이터를 물 온도와 미생물의 셀 수를 연결하여 그래프 구조로 변환 후, 인접 행렬과 속성 정보로 나타내어 딥러닝 네트워크의 입력 데이터로 사용한다. 딥러닝 네트워크 설계에서는 그래프 구조에 특화된 그래프 합성곱 네트워크를 설계하여 복합 미생물 데이터를 학습시킨다. 설계한 딥러닝 네트워크는 Cosine 손실함수를 사용하여 학습 시에 발생하는 오차를 최소화하는 방향으로 학습을 진행한다. 시제품에 적용되는 GUI 개발은 사용자가 선택하는 물 온도에 따라 목표하는 pH 농도(3.8 이하) 복합 미생물의 셀 수(10⁸ 이상)를 배양시키기 적합한 순으로 나타낸다. 제안된 미생물 배양기의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과는, pH 농도의 경우 평균 3.7로, 복합 미생물의 셀 수는 1.7 × 10⁸으로 측정되었다. 따라서, 본 논문에서 제안한 딥러닝 예측 결과 정보를 적용하는 복합 미생물 배양기를 위한 딥러닝 구조의 효용성이 입증되었다.

• 한국지반공학회논문집
• /
• 제25권12호
• /
• pp.87-105
• /
• 2009

정규화 전단탄성계수 감소곡선(G/$G_{max}-\log\gamma$)과 감쇠비 곡선(D-$\log\gamma$)으로 표현되는 비선형 동적 변형특성은 현장 전단파속도 주상도와 함께 필댐의 동적 내진해석시 중요한 입력 물성치로 사용된다. 본 논문에서는 필댐 심벽부와 사력부 각각에 대하여 합리적이고 경제적인 비선형 동적 변형특성 산정 방법을 제시하였다. 심벽부의 경우, 기존 여러 연구 결과로부터 심벽부 구성 재료의 조건을 만족하는 정규화 전단탄성계수 감소곡선 111개, 감쇠비 곡선 98개를 확보하여 3개의 구속응력 영역(0~100kPa, 100kPa~200kPa, 200kPa 초과)에 대한 대표 곡선 및 범위를 제안하였고, 2종의 기존 댐 심벽부 시료에 대한 공진주 시험 결과와 비교하여 신뢰성을 확인하였다. 사력부의 경우, 자갈 등 입자가 큰 사석 재료에 대해 대형 시험장비를 이용하여 시험을 수행한 국외 연구 결과로 부터 정규화 전단탄성계수 감소곡선 135개, 감쇠비 곡선 65개를 획득하였다. 정규화 전단탄성계수 감소곡선은 3개의 구속응력 영역(50kPa 이하, 50kPa~100kPa, 100kPa 초과)에 대해 대표 곡선을 제안하였고, 감쇠비 곡선은 구속응력에 관계없이 하나의 대표 곡선으로 제안하였다. 또한 현재 시공중인 B댐의 사석 재료에 대한 결과와 비교하여 대표 곡선 및 범위에 대한 신뢰성을 검증하였다.

• 한국터널지하공간학회 논문집
• /
• 제11권4호
• /
• pp.327-351
• /
• 2009

본 논문은 대심도 또는 과지압 암반에서 2차지압으로 인해 발생되는 취성파괴와 관련한 실내실험을 수행하고, 취성파괴 현상을 잘 예측할 수 있는 CWFS(Cohesion Weakening Frictional Strengthening)모델을 이용한 수치해석을 수행하였다. 암석의 거동을 분석하고 손상의 함수인 암석강도정수를 도출하기 위하여 일축압축강도실험과 손상제어실힘을 수행하였다. 일축압축강도실험결과 균열개시응력은 화강암, 편마암 구분 없이 일축압축강도의 41~42% 정도로 분석되었으며, 반면 균열손상응력은 화강암은 일축압축강도의 75%, 편마암은 일축압축강도의 97%의 값으로 분석되었다. 손상제어실험결과 균열손상응력과 최대하중은 Peak하중 이후 감소하는 것으로 나타났다. 또한 점착력은 감소하고 마찰각은 증가하는 양상을 보였다. Peak하중 이전에는 탄성계수가 증가하고 Peak하중 이후에는 감소하였다. 그리고 포아송비는 손상이 진행될수록 증가하는 양상을 보였다. 일축압축강도실험과 손상제어실험의 균열개시응력과 균열손상응력의 비교분석결과 손상제어실험의 균열개시응력은 일축압축강도실험에서 얻어진 균열개시응력의 범위에서 변화하는 양상을 보였고, 균열손상응력은 일정 손상수준에서 일축압축강도실험에서 얻어진 값보다 작은 값으로 나타났다. 실내실험결과로부터 CWFS모델의 입력 파라미터를 도출하여 수치해석에 적용하여 취성파괴 발생 한계토피고를 구했다. CWFS모델을 이용한 수치해석으로부터 예측된 한계토피고와 손상지수로부터 예측된 한계토피고를 비교한 결과, 취성파괴 발생 한계토피고를 정확히 예측하지 못하는 결과를 나타냈다. 따라서 원형터널에만 적용기한 손상지수를 사용하는 것은 문제가 있다고 판단된다. 이를 개선하기 위해 터널의 형상을 고려한 형상계수를 손상지수에 적용하였다. 터널의 형상을 고려한 수정된 손상지수로부터 예측된 한계토피고는 수치해석결과와 거의 동일한 결과를 보였다.

• 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.

• 대한토목학회논문집
• /
• 제30권4B호
• /
• pp.337-346
• /
• 2010

기후변화는 전 세계적으로 다양한 영향을 끼치고 있다. 본 연구에서는 준분포형 연속 모형인 SWAT을 이용하여 소양강 유역(2,694.4 $km^2$)의 기후, 식생활력도, 토지이용 변화에 따른 수문요소 변화 값을 정량화하여 기후변화에 따른 수문요소의 영향을 분석하였다. 1997-2006년의 일 댐유입량을 이용하여 모형을 보정한 결과 Nash-Sutcliffe 모형 효율이 0.45-0.91로 나타났다. 기후변화 자료는 IPCC(Intergovernmental Panel on Climate Change)의 GCM 모형 중 MIROC3.2 hires, ECHAM5-OM, HadCM3의 결과 값을 입력하였으며, 이때 배출 시나리오는 A2, A1B와 B1을 사용하였다. 각 모형에 20C3M(20th Century Climate Coupled Model) 값과 과거 30년(1977-2006)의 값을 비교하여 오차 수정을 한 후 2000년(base line)을 기준으로 각 기간별 Change Factor Method로 다운스케일링을 실시하였다. 미래 기후자료는 2020s(2010-2039), 2050s(2040-2069), 2080s(2070-2099)의 기간으로 나누어 분석하였다. 미래 온도의 경우 연도별로는 $2.0{\sim}6.3^{\circ}C$ 증가하였으며, 계절적으로도 HadCM3를 제외한 전 기간에 증가하였다. 연강수량은 $-20.4{\sim}32.3%$ 변화하였으며, 가을의 강수량 감소와 겨울과 봄 강수량 증가가 모든 모형에서 나타났다. 미래 토지이용과 식생 활력도 예측에는 CA-Markov 방법과 MODIS LAI와 온도와의 회귀식을 사용하였다. 이에 따른 연중 수문요소 예측 결과, 증발산량은 최대 30.1% 증가하였으며, 토양수분과 지하수 함양량은 최대 32.4%, 55.4% 감소하는 것으로 예측되었다. 댐 유입량의 경우는 모형별 차이가 크며, $-38.6{\sim}29.5%$의 변화 범위를 보였다. 계절적으로는 모든 시나리오에서 가을의 댐 유입량, 토양수분, 지하수 함양량 감소를 보였으며, 온도와 강수량이 감소하는 일부기간을 제외하고는 증발산량은 모두 증가하였다.

• 대한토목학회논문집
• /
• 제29권1B호
• /
• pp.11-22
• /
• 2009

장기유출 해석은 저수지와 댐의 용량 결정, 가뭄대책 수립, 하천유지유량 결정 등의 이수계획과 용수공급을 위한 댐 및 저수지의 물 관리, 수리권의 허가 및 조정, 용수 분쟁 조정 등의 하천 물 관리 실무와 하천, 호소의 수질예측 등에도 필수적이다. 이를 위해 수문학자들은 수자원관리를 목적으로 강우-유출 모형을 가장 널리 이용하고 있으나 실제 유역 내에 위치하고 있는 댐과 저수지 등과 같은 인위적 저류시설물에 대한 고려가 미흡한 실정이다. 각 저류시설물의 수용 및 방류 능력은 국부적으로는 저수지 하류에, 광역적으로는 유역 전체에 상당한 영향을 미칠 수 있으며 이러한 관점에서 볼 때 강우-유출 모형을 이용하여 유출해석 시 유역 내 포함된 저수지나 댐과 같은 시설물을 고려하여 모형을 구성하는 것이 타당하다. 본 연구에서는 과거 집중호우 등으로 홍수피해를 경험한 바가 있으며 농업용 저수지가 다수 위치한 안성천 유역을 대상으로 농업용 저수지가 유출해석에 미치는 영향을 분석하였다. 이를 위해 본 연구에서는 현재 홍수조절 능력에 대한 논란이 일고 있는 안성천 유역의 농업용 저수지를 고려하여 준 분포형 강우-유출 모형인 SLURP 모형을 구성하고 농업용 저수지의 저류 효과에 따른 하류 지역에 대한 영향성을 검토하였으며, 유출해석 시 모형 내 저수지 반영 여부에 따른 차이에 대하여 비교 분석하였다. 모형 내 저수지를 고려하여 모의한 결과, 강우가 집중되지 않는 봄과 가을철에는 저류효과가 있는 것으로 나타났으나 강우가 매우 집중되는 시기에는 하류로의 유출이 더 크게 모의되어 저수지를 고려하지 않은 경우와 차이를 보였으며, 유황분석을 통해 저수지 유무에 따른 유량변동이 풍수량(95일)과 갈수량(355일)에서 특히 크게 분석되는 결과를 확인 할 수 있었다. 단, 본 연구에서 분석하고자 하는 기흥, 이동, 고삼과 금광 저수지의 자료는 안성천홍수예보시스템 개선(건설교통부, 2007b)에서 조사된 내용에 의거하여 각 저수지별 최대방류량을 입력 자료로 활용하였으므로 실제 저수지 운영에 따른 유출과 유황변동과는 차이가 있을 수 있음을 미리 밝히는 바이다.

• 재활복지
• /
• 제14권3호
• /
• pp.225-256
• /
• 2010

본 연구는 초등학교 지적장애아동의 자세조절 특성을 파악하기 위해 시각, 안뜰감각 그리고 몸감각을 조합하여, 실험 조건에 따라 자세유지를 위하여 어떤 감각을 활용하고 있는지, 부적절한 감각자극에 대해서 통합시스템에서 어떻게 반응하는지, 외부 동요에 대해 신경근육의 자세조절 전략 시 동원되는 근육의 수축 개시시간과 개시순서를 각각 측정하여, 지적장애 아동의 자세조절 특성을 살펴보고, 나아가 초등학교 지적장애아동과 일반아동 간에 어떠한 차이가 있는지를 비교분석하여 자세조절능력 향상 프로그램에 적용 시 방향을 제시해주는데 있다. 이를 위하여 성별과 연령을 고려하여 초등학교 지적장애아동 26명과 일반아동 26명의 아동으로부터 자세조절능력을 비교하였다. 그 결과 자세조절과 감각계와의 관계를 파악한 평형점수와 감각활용 분석, 엉덩관절 전략에 의지하는 자세조절 전략, 근수축 개시지연과 근수축 개시순서의 변화 등을 종합해 볼 때 초등학교 지적장애아동의 자세조절의 문제는 운동시스템, 감각시스템, 통합시스템의 자세조절 시스템 전반에 걸친 총체적인 문제로 나타났다. 따라서 초등학교 지적장애아동의 자세조절 문제 해결을 위해서는 운동시스템, 감각시스템, 통합시스템을 포함하는 포괄적 자세조절 훈련 프로그램의 접근이 필요하다는 것을 알 수 있다. 자세조절 프로그램을 구성할 때, 다양한 감각을 제공하여 주고, 제공된 감각을 효율적으로 활용할 수 있는 감각훈련과 함께 고위중추에서 입력된 감각들을 정상적인 자세조절 발달에 활용할 수 있도록 훈련 시켜주어야 한다. 적응 반응을 계획하고 조직화하여 의미 있는 활동을 통해 중추신경계의 처리능력을 향상시키는 치료프로그램이 제공되어야 한다. 또한 자세조절을 안정적으로 할 수 있는 안정성 한계를 넓힐 수 있는 신경발달학적 치료와 함께, 근골격계에서 빠른 근수축 반응과 효율적인 근수축 개시순서를 유발 할 수 있도록 고유수용성 운동조절 프로그램, 자세반응 촉진 프로그램과 같은 훈련이 필요하다고 할 수 있다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.337-345
• /
• 2023

벼의 출수기를 추정하는 것은 농업생산성과 관련된 중요한 과정 중 하나이지만 세계적인 이상기후의 증가로 벼의 출수기를 추정하는 것이 어려워지고 있다. 본 연구에서는 CNN 분류모델을 사용하여 다양한 영상데이터에서 벼의 출수기를 추정하려고 시도하였다. 드론과 타워형 영상관측장치 그리고 일반 RGB 카메라로 촬영된 직하방과 경사각 영상을 수집하였다. 수집한 영상은 CNN 모델의 입력데이터로 사용하기 위해서 전처리를 진행하였고, 사용된 CNN 아키텍처는 이미지 분류 모델에서 일반적으로 사용되는 ResNet50, InceptionV3 그리고 VGG19 를 사용하였다. 각각의 아키텍처는 모델의 종류, 영상의 유형과 관계없이 0.98 이상의 정확도를 나타내었다. 또한 CNN 분류 모델이 영상의 어떤 특징을 보고 분류하였는지 시각적으로 확인하기 위해서 Grad-CAM 을 사용하였다. Grad-CAM 결과 CNN 분류 모델은 벼의 출수를 이삭의 형태에 높은 가중치를 두어 분류 하는 것을 확인하였다. 다음으로 작성된 모델이 실제 논 포장 모니터링 이미지에서 벼의 출수기를 정확하게 추정하는지 확인하였다. 각각 다른 지역 4 개의 벼 포장에서 벼의 출수기를 약 하루정도의 차이로 추정하는 것을 확인하였다. 이 방법을 통해서 다양한 논 포장의 모니터링 이미지를 활용하여 자동적이고 정량적으로 벼의 출수기를 추정 할 수 있다고 판단된다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.427-435
• /
• 2023

이상기상으로 인한 봄꽃 개화 시기의 변화는 식물의 생장기간 뿐 아니라 생물계절을 포함한 생태계의 모든 측면에 영향을 미친다. 따라서 봄꽃 개화 시기를 예측하는 것은 산림 생태계의 효과적인 관리에 필수적이다. 본 연구에서는 464곳의 산림에서 수집된 날씨정보를 기반으로 대한민국 산림의 대표적인 5가지 수종(미선나무, 아까시나무, 철쭉, 산철쭉, 마가목)의 2023년 개화 시기를 예측하기 위해 과정 기반 모형을 사용하였다. 이를 위해 28개 지역의 9년간(2009-2017) 개화 시기 자료를 활용하여 모형을 개발하였다. 개화 시기는 식물의 세 개 이상의 위치에서 처음으로 꽃이 피는 것을 기준으로 측정되었다. 본 연구에서는 STDD와 GDD 과정 기반 모형을 사용하여 개화 시기를 예측하였으며, 두 모형 모두 일반적으로 우수한 성능을 보였다. 과정 기반 모형의 주요 입력변수인 날씨 자료는 산악기상관측시스템과 기상청에서 제공하는 기온 정보를 융합하여 1km의 공간 해상도로 일 단위 기온 자료를 생성하였다. 지역별 보정 계수를 생산하고 적용하기 위해 랜덤포레스트 기계 학습을 활용하여 STDD와 GDD 모형을 기반으로 예측 정확도를 개선하였다. 결과적으로 보정 계수가 적용될 때 대부분의 수종에서 개화 시기의 예측 오차가 작았으며, 특히, 미선나무, 아까시나무, 철쭉에서 평균제곱근오차가 각각 1.2, 0.6, 1.2일로 매우 낮았다. 모형 성능을 평가하기 위해 10회의 무작위 샘플링 테스트를 실시하고, 최적의 결정계수 값을 가진 모형을 선택하여 모형의 성능을 평가하였다. 그 결과, 마가목을 제외한 모든 수종에서 보정 계수가 적용된 모형에서 결정계수가 최소 0.07에서 최대 0.7 증가하였으며 최종적으로 75%에서 90%의 설명력을 가졌다. 이를 기반으로 수종별 보정 계수를 산출하였으며, 1km 해상도의 전국 단위 개화시기예측 지도를 제작하였다. 본 연구는 식물의 계절 변화에 대한 자료로 활용될 것으로 예상되며, 수종 및 지역별로 개화 시기를 상세히 설명하여 기후 변화로 인한 계절 변화를 연구하는 데에 유용할 것으로 기대된다. 또한 우리나라 산림의 주요 수종에 대한 정확도 높은 개화 시기 예측 서비스는 산림 방문객들의 산림 경험 만족도를 크게 높일 수 있으며, 양봉업 등 임업 종사자들의 경제적 향상에 기여할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.655-667
• /
• 2023

전 세계적으로 녹조 대발생은 빈번하게 보고되고 있으며, 국내에서도 매년 녹조로 인한 심각한 수질 오염 문제가 발생하고 있다. 지속적인 관리와 신속한 대응을 통한 수생태계 보호가 필요하다. 녹조 발생의 지표인 chlorophyll-a (Chl-a) 농도를 예측하기 위해 위성 영상을 이용한 연구가 많이 이루어지고 있다. 하지만 수계에 따라 변하는 분광특성과 대기 보정 오류로 인해 정확한 Chl-a 산출에 어려움이 있어 최근 머신러닝 모델을 활용하고 있다. 위성 분광지수 뿐만 아니라 녹조에 영향을 미치는 인자들에 대한 복합적인 고려가 필요하다. 따라서, 본 연구는 수질, 수문 및 기상 인자와 Sentinel-2 영상을 복합적으로 고려하여 데이터셋을 구축하였다. 최근 5년간 낙동강에 위치한 8개 보 구간의 Chl-a 농도 예측에 대표적인 앙상블 모델 random forest (RF)와 extreme gradient boosting (XGBoost)을 활용하였다. 모델 평가 지표로 r-squared score (R²), root mean square errors(RMSE), mean absolute errors (MAE)를 사용하였으며, XGBoost의 R²가 0.810, RMSE가 6.612, MAE가 4.457로 유의미한 결과를 얻은 것을 확인하였다. Shapley additive explanations (SHAP) 분석을 통해 두 모델 모두 수질 인자 suspended solids (SS), biochemical oxygen demand (BOD), dissolved oxygen (DO)과 red edge 밴드를 활용한 밴드비가 높은 중요도를 보인 것을 알 수 있었다. 다양한 입력 데이터는 모델 성능 향상에 도움을 주는 것을 확인할 수 있었으며, 국내외 녹조 탐지에 적용될 수 있을 것으로 보인다.