• Journal of Animal Science and Technology
• /
• 제48권2호
• /
• pp.151-160
• /
• 2006

본 연구는 유전능력의 검정자료로서 뿐만 아니라 농가에서 편리하게 체중을 추정할 수 있도록 하여 관리 경영상 뚜렷한 개선을 제공하기 위하여 한우의 성장 단계별 발육 특성을 조사하였다. 자료의 구성은 1980～2004년의 남원, 대관령, 서산과 핵군농가의 자료로 암소 27,647개 비거세우 14,744개 거세우 1,290개를 이용하였다. 암소의 경우 시그모이드(sigmoid)의 형태를 나타내고 있으며, 비거세우의 경우에도 거의 비슷한 분포를 보여주고 있으나 거세우의 경우에는 직선 회귀식의 형태를 보여주고 있다. Gompertz 모형을 이용하여 년도별로 분석한 성장곡선은 암, 수소 모두 1990～1994년의 잔차값이 68.49와 54.29로 낮게 나타났으며, 모수 A, b, k의 경우 암소에서 각각 423.6±5.8, 2.387±0.064, 0.0908±0.0033로 추정되었고 수소에서 823.3±15.3, 3.584±0.070, 0.1139±0.0032로 추정되었다. 적합도가 Logistic 모형보다 좋은 Gompertz 모형을 이용하여 곡선추정을 하였으며, 추정된 암소의 월별추정값과 일별추정값은 379.3±7.509, 2.499±0.057, 0.114±0.0045와 367.1±1.9003, 2.3983±0.012, 0.004±0.00003이며, 오차의 평균 제곱합(Residual mean square)은 31.85, 998.4으로 추정되었다. 수소의 월별추정값과 일별추정값은 834.6±22.00, 3.319±0.062, 0.104±0.0037과 796.0±6.128, 3.184±0.014, 0.003±0.00003으로 오차의 평균 제곱합은 66.18, 2106.5로 추정되었으며, 거세우의 경우 1049.1±144.2, 3.024±0.008, 0.067±0.0096와 1505.1±176.6, 2.997±0.067, 0.001±0.0001이며, 오차의 평균 제곱합은 186.0, 1119.1이었다. 성장의 특성을 살펴보면 Gompertz 모형으로 추정할 때 암소의 변곡점(Inflection point)에서의 체중은 139.53kg 이었으며, 변곡점에서의 일당증체율은 0.52kg으로 추정되었다. 수소의 변곡점에서의 체중은 307.03kg 이었으며, 일당증체율은 1.04kg 이었다. 거세우의 경우 변곡점 체중은 385.94kg 이었고 성장속도가 최대인 지점의 순간적인 증체율은 두 모형에서 0.84kg을 나타내었다. 암소가 수소나 거세우에 비하여 성숙체중이 작고 변곡점까지의 도달일령이 빠르며 일당증체량도 작은 성장특성을 보였다.

• 한국작물학회지
• /
• 제61권1호
• /
• pp.70-77
• /
• 2016

피복재배 수미감자를 대상으로 7개 연도에 전국 9개소에서 수행되었던 35개 지역적응시험 성적과 해당지역의 시기별 기상요소들간 상관도를 검정한 결과, 감자의 상서율은 지상부 생육기보다는 괴경 비대기의 기상영향을 더 많이 받는 것으로 나타났는데, 특히 수확전 50~41일과 수확전 20일간의 일조시간, 수확전 10일간의 5 mm이상 강우일수의 영향을 크게 받는 것으로 나타났다. 감자의 상서수량에 영향을 미치는 기상요인은 파종후 20일간의 강수량, 파종후 11~20일의 상대습도, 수확전 20일부터의 강수량, 수확전 50~41일 및 20일전부터의 일조시간, 그리고 수확전 10일간의 5 mm 이상 강수일수 등이었다. 2차 회귀에서 상서수량과 상관이 나타난 각각의 기상값을 이용하여 계산한 수량예측치들($Y_i=aX_i{^2}+bX_i+c$)과 상서수량(Y)간에 선형회귀분석을 통하여 4개의 상서수량 예측모형을 만들었고 그중에서 4개의 기상요소가 활용되었고, 수량예측력이 가장 높을 것으로 보이는 모형 4를 선택하였다. 여기에 각 기상요소별 수량예측치 모델식들($aX_i{^2}+bX_i+c$)을 대입하여 얻은 최종 수량예측모형은 아래와 같았다. $$Y=-336^{\ast}DR_-10^2+854^{\ast}DR_-10-0.422^{\ast}Prec_-9^{2}\\+43.3^{\ast}Prec_-9-0.0414^{\ast}RH_-2^2+46.2^{\ast}RH_-2\\-0.0102^{\ast}Prec_-2^2-7.00^{\ast}Prec_-2-10039$$ 이 모형은 잔차평균제곱이 작고 F값이 높으며 결정계수는 0.693으로 높게 나타나 감자상서수량의 예측력이 높을 것으로 판단된다.

• 대한교통학회지
• /
• 제30권2호
• /
• pp.101-116
• /
• 2012

사고예측모형은 장래 계획 노선이나 다른 노선에 적용되어 사고를 예측하거나 안전개선사업 및 교통정책의 평가 등에 활용된다. 본 연구에서는 고속도로 본선에 대해 이러한 용도로 활용될 수 있는 사고예측모형을 구축하고자 한다. 또한 자료 구축이 용이한 변수를 선정하여 모형을 쉽게 활용할 수 있도록 하는 것을 기본 목표로 하였다. 모형은 종속변수를 사고건수와 사상자발생사고건수로 하여 사고모형과 사상자발생사고모형을 각각 구축하였다. 모형에 적용된 확률구조는 음이항 분포와 포아송 분포이며, 추정에 의해 적합한 모형을 선별하였다. 국내 고속도로중 주요한 9개 노선을 선정하였고, 시간적으로는 2003~2007년까지 5개년도 자료를 활용하였다. 모형의 설명변수는 교통류 특성을 나타내는 교통량 등의 예측 가능한 변수와 기하구조 요인 등을 적용하였다. 최우추정법에 의한 추정 결과 사고모형의 경우 구간길이, 일교통량, 버스비율, 곡선구간수가 유의한 변수로 추정되었으며 사상자발생사고모형에서는 구간 길이와 일교통량, 버스비율이 유의한 변수로 추정되었다. 모형의 공간적 시간적 전이 가능성을 확인하기 위해 우도비 검정을 수행한 결과, 사고모형은 6차로 이상이나 4차로의 교통류 및 기하구조 특성을 가지는 도로로의 전이가 가능하였다, 반면 사상자발생 사고모형은 모든 도로와 시간대로의 전이가 가능하여, 모형의 활용도가 높게 나타났다. 결과적으로 본 연구에서 구축된 모형은 다른 노선과 장래 계획, 정책 평가 등에 다양하게 활용될 수 있을 것이다.

• 농업생명과학연구
• /
• 제50권5호
• /
• pp.173-182
• /
• 2016

본 연구는 분만간격과 비유곡선 모수들 간의 상관관계를 규명하기 위하여 농협중앙회 젖소개량사업소에서 진행하고 있는 유우군 능력검정사업에 참여하고 있는 홀스타인 젖소로부터 조사한 착유기록 36,505개를 분석하였는데, 분석에 이용된 착유기록은 모두 2011년부터 2013년 사이에 분만한 경산우로부터 조사하였다. 비유곡선 모수는 Wood 모형을 적용하여, SAS 9.2 NLIN Procedure를 이용해 추정하였다. 분만년도-계절(봄, 여름, 가을, 겨울)효과와 산차(2, 3, 4산차)의 효과를 고정효과로 한 다형질 일반선형모형으로 SAS(GLM procedure)를 이용하였다. 분만간격, 305일 유량, 비유곡선모수(A, b, c), 비유지속성, Peak 일시 및 Peak기 유량에 대해 분만년도-계절과 산차의 효과는 모두 유의적으로 나타났다(p<0.05). Wood 모형으로 추정한 비유곡선 함수는 2, 3 및 4산차에 대해 각각 yt=24.66t0.175e-0.00302t, yt=24.69t0.192e-0.00334t 및 yt=24.22t0.200e-0.00341t으로 추정되었다. 분만간격과 305일 유량, 모수값 A, b, c, 비유지속성, Peak 일시 및 Peak기 유량과의 표현형상관(잔차상관)은 각각 0.093, -0.014, 0.028, -0.046, 0.099, 0.085 및 0.052으로 나타났다. 분만간격이 길어지면 비유곡선의 상향경사도, 비유지속성, Peak 일시, Peak기 유량은 증가하고, 비유곡선의 하향경사도는 감소하여, 305일 유량은 증가할 것으로 판단된다.

• 농업생명과학연구
• /
• 제50권3호
• /
• pp.1-11
• /
• 2016

3차원 지형정보를 얻기 위하여 항공 LiDAR(Light Detection and Ranging)자료 기반 수치표고모델(Digital Elevation Model, DEM) 생성에 대한 연구들에 대한 관심이 지속적으로 높아져 왔다. 항공 LiDAR 원자료로부터 정확도가 높은 DEM을 생성하기 위해서는 3차원 점군에서 비지면점을 제외시키고 지면점만을 포함시키는 필터링(filtering)과정이 중요하다. 특히, 필터링을 구성하는 알고리즘의 패러미터 값 변화에 따라 산출되는 결과물들에 차이가 발생하고 정확도에 영향을 준다. 따라서 본 연구는 화천, 양주, 경산 및 장흥 유역 대상지의 항공 LiDAR 자료로부터 Fusion 소프트웨어를 이용하여 LiDAR DEM을 생성하는 GroundFilter알고리즘의 Mean패러미터(GFmn) 수준 변화가 LiDAR DEM 결과물의 정확도에 어떤 영향을 주는지 분석하였다. GFmn 수준 변화에 따른 정확도에 대한 영향 여부를 분석하기 위해 일원배치분산분석을 실시하였고, 그 결과 GFmn의 수준 변화에 따라 정확도에 대한 영향이 유의미하게 나타났다(F-value: 4.915, p<0.01). 이 후 각각의 GFmn 수준들을 다른 수준들과 차이가 있는지 여부로 묶기 위하여 사후검정을 실시하였다. 사후분석을 통해 잔차의 평균 차이에 따라 '7, 5, 9, 3'과 '1' 두 집단으로 나뉘었다. 아울러 보다 정확한 해발고도를 표현하는 LiDAR DEM 생성하는데 적정 GFmn은 '7' 조건일 때로 나타났다. 이 연구를 통해 보다 정확한 해발고도를 표현하는 LiDAR DEM을 생성할 수 있는 패러미터 값을 제안하였다.