• 환경영향평가
• /
• 제27권2호
• /
• pp.124-138
• /
• 2018

본 연구는 안산시 산림을 대상으로 연간 $CO_2$ 흡수량 평가를 위한 통계 및 공간자료의 활용성을 검토하였다. 통계자료, 임상도(1:5,000), 산림수종 표준 탄소흡수량 자료들을 활용해 산림의 연간 $CO_2$ 흡수량을 산정하였다. 또한 세분류토지피복도를 이용한 연간 $CO_2$ 흡수량 분석 및 활용성을 검증하였다. 통계자료를 이용한 경우 2010년을 기준으로 연간 $CO_2$ 흡수량의 차이가 컸다. 이는 2010년부터 산림기본통계의 작성 방법이 고도화됨에 따라 임목축적이 급격히 증가한 결과이다. 향후 통계자료를 활용할 경우 최근의 산림기본통계를 이용한 보정이 필요하다. 임상도(1:5,000)와 산림기본통계(2015, 2010)의 시기 차이를 이용한 방법은 수종들의 생장량에 따른 $CO_2$ 흡수량이 반영되지 않았다. 산림수종 표준 탄소흡수량 자료와 임상도(1:5,000)를 이용한 결과 연간 42,369 ton을 흡수하였다. 세분류토지피복도와 산림수종 표준탄소흡수량 자료를 이용한 결과는 40,696 ton이었다. 임상도(1:5,000)를 이용하여 세분류토지피복도를 검증한 결과 p<0.01 수준에서 유의했고, 흡수량 차이는 1,673 ton이었다. 본 연구는 다양한 산림활동의 온실가스 감축 효과 평가에 있어 객관적 기준을 적용하는 일환으로서 의의를 지닌다. 나아가 탄소흡수원과 관련된 토지이용 및 관리 등의 의사결정 지원을 위한 기초자료로 활용이 가능할 것이다.

• 한국도시환경학회지
• /
• 제18권4호
• /
• pp.531-546
• /
• 2018

동아시아지역을 대상으로 황사배출량 산정 모듈 및 이를 적용한 예보시스템을 개발하였고, 개발된 모형의 화학수송모델링 정합도 및 실시간 예보 운영 평가를 진행하였다. 2015년 화학수송모델링 정합도 평가 결과, 중국 지역에서는 황사 배출량을 적용한 예보 모형이 과대평가하는 기간이 있으나 대부분 지역에서 저평가 되었던 $PM_{10}$ 을 보완하고, 통계수치가 개선되는 것을 확인할 수 있었다. 한국 지역에서는 황사 발생일인 2월 22일~24일, 3월 16일~17일(서울지역대상)에는 황사의 유입을 적절히 모사하였으나 황사가 관측되지 않은 4월에는 황사를 적용한 예보모델이 과대평가하는 것을 확인할 수 있었다. 그러나 황사를 적용한 예보모형은 한반도 대부분 지역에서 저평가 되었던 $PM_{10}$ 을 보완하고, 통계수치가 개선되는 것을 확인할 수 있었다. 2017년 예보 성능 평가 결과, 황사배출량을 적용한 예보모델은 기존 모델과 비교하였을 때, POD는 대부분 개선되지만, A는 유사 또는 감소, FAR는 대부분 증가하는 경향이 나타났다. 황사배출량을 적용한 예보모형은 동아시아 지역에 저평가 하고 있는 $PM_{10}$ 을 보완하는 장점이 있지만, 황사배출량 산정의 불확실성 등이 내제되어 모델이 측정값을 과대모의하여 오경보율이 높다. 따라서 한반도 지역에 대표 대기질 예보모형으로 사용하기는 부적절하다고 판단된다. 그러나 황사 기간에는 황사배출량 모델의 모사성능은 우수하였으므로, 황사가 발생하는 기간에는 기존 모델과 융합하여 예보관이 예보하는 것이 필요하다고 사료된다.

• 지능정보연구
• /
• 제17권4호
• /
• pp.157-173
• /
• 2011

최근 인터넷 사용의 증가에 따라 네트워크에 연결된 시스템에 대한 악의적인 해킹과 침입이 빈번하게 발생하고 있으며, 각종 시스템을 운영하는 정부기관, 관공서, 기업 등에서는 이러한 해킹 및 침입에 의해 치명적인 타격을 입을 수 있는 상황에 놓여 있다. 이에 따라 인가되지 않았거나 비정상적인 활동들을 탐지, 식별하여 적절하게 대응하는 침입탐지 시스템에 대한 관심과 수요가 높아지고 있으며, 침입탐지 시스템의 예측성능을 개선하려는 연구 또한 활발하게 이루어지고 있다. 본 연구 역시 침입탐지 시스템의 예측성능을 개선하기 위한 새로운 지능형 침입탐지모형을 제안한다. 본 연구의 제안모형은 비교적 높은 예측력을 나타내면서 동시에 일반화 능력이 우수한 것으로 알려진 Support Vector Machine(SVM)을 기반으로, 비대칭 오류비용을 고려한 분류기준값 최적화를 함께 반영하여 침입을 효과적으로 차단할 수 있도록 설계되었다. 제안모형의 우수성을 확인하기 위해, 기존 기법인 로지스틱 회귀분석, 의사결정나무, 인공신경망과의 결과를 비교하였으며 그 결과 제안하는 SVM 모형이 다른 기법에 비해 상대적으로 우수한 성과를 보임을 확인할 수 있었다.

• 대한공간정보학회지
• /
• 제18권2호
• /
• pp.35-45
• /
• 2010

본 연구는 고해상도 위성영상을 정사보정하여 위치정확도를 검증하고 정사보정된 고해상도 영상간의 밴드 상관성과 NDVI 상관성을 분석하는데 목적이 있다. KOMPSAT2와 IKONOS 영상의 정사보정은 RPC자료로 정오차를 제거하고 GPS측량자료로 비평면적 왜곡을 보정하였다. 그리고 정사영상내 동일한 위치의 영상점을 선점하여 각 영상의 영상점과 GPS 측량점간 위치정확도를 비교하고 영상간 영상점의 위치정확도를 분석하였다. 밴드 상관성과 NDVI 상관성은 구입시 정사보정된 Quickbird영상과 항공사진을 추가하여 밴드별로 DN값의 기술통계를 구하고 각 영상간 밴드상관성과 NDVI의 상관성을 분석하였다. 그 결과, KOMPSAT2와 IKONOS 정사영상의 위치정확도 비교에서 각 영상내 영상점과 GPS 측량점간 RMSE는 KOMPSAT2가 3.41m, IKONOS가 1.45m로 1.96m의 차이를 보였고 영상점간 RMSE는 1.88m였다. Quickbird, KOMPSAT2, IKONOS, 항공사진을 이용한 영상간 밴드와 NDVI 상관성은 Band2에서 항공사진과 KOMPSAT2의 상관성이 높은 것을 제외하면 모든 Band와 NDVI에서 Quickbird 와 IKONOS의 상관성이 높게 나타났다. 밴드간 상관성이 낮은 경우는 Band1에서 Quickbird와 항공사진, Band2와 Band4에서 KOMPSAT2와 IKONOS, Band3에서 KOMPSAT2와 항공사진이었고 NDVI는 KOMPSAT2가 QuickBird, IKONOS 모두와 낮은 상관성을 보였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.521-535
• /
• 2023

논·밭 전환 시 수수(sorghum bicolor L. Moench)는 뛰어난 내습성으로 콩과 함께 안정적인 생산이 가능하여 국내 식량작물의 자급률 향상과 쌀 수급 불균형 문제를 해결할 수 있을 것으로 기대되는 작물이다. 그러나 수량 추정을 위한 재배면적과 같은 기본적인 통계조사는 많은 인력을 투입하여도 오래 걸리는 전통적인 조사 방식으로 인해 잘 이루어 지지 않고 있다. 이에 따라 본 연구에서는 무인기 기반 RGB 영상에 U-Net을 적용하여 수수 재배지 비파괴적 분할가능성을 확인하였다. 2022년에 7월 28일, 8월 13일, 8월 25일에 각각 영상이 취득되었다. 각 영상취득 날짜에서 512 × 512 영상크기로 훈련데이터셋 6,000장과 검증데이터셋 1,000장으로 나누어 학습을 진행하였으며 수수 농경지(sorghum), 벼와 콩 농경지(others)와 비 농경지(background)로 구성된 세 개 클래스와 수수 농경지와 배경(others+background)으로 구성된 두 개 클래스 기반으로 분류모델을 개발하였다. 모든 취득 날짜에서 세 개 클래스 기반 모델에서는 수수 재배지 분류 정확도가 0.91 이상으로 나타났지만 8월 데이터셋의 others 클래스에서 학습 혼동이 일어났다. 대조적으로 두 개 클래스 기반 모델에서는 8월 데이터셋의 안정적인 학습과 함께 모든 클래스에서 0.95 이상의 정확도를 나타내었다. 결과적으로 8월에 두개클래스 기반 모델을 현장에 재현하는 것이 수수 재배지 분류를 통한 재배면적 산출에 유리할 것으로 판단된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.57-73
• /
• 2021

ICT 인프라의 이상탐지를 통한 유지보수와 장애 예방이 중요해지고 있다. 장애 예방을 위해서 이상탐지에 대한 관심이 높아지고 있으며, 지금까지의 다양한 이상탐지 기법 중 최근 연구들에서는 딥러닝을 활용하고 있으며 오토인코더를 활용한 모델을 제안하고 있다. 이는 오토인코더가 다차원 다변량에 대해서도 효과적으로 처리가 가능하다는 것이다. 한편 학습 시에는 많은 컴퓨터 자원이 소모되지만 추론과정에서는 연산을 빠르게 수행할 수 있어 실시간 스트리밍 서비스가 가능하다. 본 연구에서는 기존 연구들과 달리 오토인코더에 2가지 요소를 가미하여 이상탐지의 성능을 높이고자 하였다. 먼저 다차원 데이터가 가지고 있는 속성별 특징을 최대한 부각하여 활용하기 위해 멀티모달 개념을 적용한 멀티모달 오토인코더를 적용하였다. CPU, Memory, network 등 서로 연관이 있는 지표들을 묶어 5개의 모달로 구성하여 학습 성능을 높이고자 하였다. 또한, 시계열 데이터의 특징을 데이터의 차원을 늘리지 않고 효과적으로 학습하기 위하여 조건부 오토인코더(conditional autoencoder) 구조를 활용하는 조건부 멀티모달 오토인코더(Conditional Multimodal Autoencoder, CMAE)를 제안하였다. 제안한 CAME 모델은 비교 실험을 통해 검증했으며, 기존 연구들에서 많이 활용된 오토인코더와 비교하여 AUC, Accuracy, Precision, Recall, F1-score의 성능 평가를 진행한 결과 유니모달 오토인코더(UAE)와 멀티모달 오토인코더(Multimodal Autoencoder, MAE)의 성능을 상회하는 결과를 얻어 이상탐지에 있어 효과적이라는 것을 확인하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.143-156
• /
• 2012

누구나 뉴스와 주가 사이에는 밀접한 관계를 있을 것이라 생각한다. 그래서 뉴스를 통해 투자기회를 찾고, 투자이익을 얻을 수 있을 것으로 기대한다. 그렇지만 너무나 많은 뉴스들이 실시간으로 생성 전파되며, 정작 어떤 뉴스가 중요한지, 뉴스가 주가에 미치는 영향은 얼마나 되는지를 알아내기는 쉽지 않다. 본 연구는 이러한 뉴스들을 수집 분석하여 주가와 어떠한 관련이 있는지 분석하였다. 뉴스는 그 속성상 특정한 양식을 갖지 않는 비정형 텍스트로 구성되어있다. 이러한 뉴스 컨텐츠를 분석하기 위해 오피니언 마이닝이라는 빅데이터 감성분석 기법을 적용하였고, 이를 통해 주가지수의 등락을 예측하는 지능형 투자의사결정 모형을 제시하였다. 그리고, 모형의 유효성을 검증하기 위하여 마이닝 결과와 주가지수 등락 간의 관계를 통계 분석하였다. 그 결과 뉴스 컨텐츠의 감성분석 결과값과 주가지수 등락과는 유의한 관계를 가지고 있었으며, 좀 더 세부적으로는 주식시장 개장 전 뉴스들과 주가지수의 등락과의 관계 또한 통계적으로 유의하여, 뉴스의 감성분석 결과를 이용해 주가지수의 변동성 예측이 가능할 것으로 판단되었다. 이렇게 도출된 투자의사결정 모형은 여러 유형의 뉴스 중에서 시황 전망 해외 뉴스가 주가지수 변동을 가장 잘 예측하는 것으로 나타났고 로지스틱 회귀분석결과 분류정확도는 주가하락 시 70.0%, 주가상승 시 78.8%이며 전체평균은 74.6%로 나타났다.

• 대한임상검사과학회지
• /
• 제37권2호
• /
• pp.65-70
• /
• 2005

Those specifications of the CLIA analytical tolerance limits are consistent with the performance goals in Six Sigma Quality Management. Six sigma analysis determines performance quality from bias and precision statistics. It also shows if the method meets the criteria for the six sigma performance. Performance standards calculates allowable total error from several different criteria. Six sigma means six standard deviations from the target value or mean value and about 3.4 failures per million opportunities for failure. Sigma Quality Level is an indicator of process centering and process variation total error allowable. Tolerance specification is replaced by a Total Error specification, which is a common form of a quality specification for a laboratory test. The CLIA criteria for acceptable performance in proficiency testing events are given in the form of an allowable total error, TEa. Thus there is a published list of TEa specifications for regulated analytes. In terms of TEa, Six Sigma Quality Management sets a precision goal of TEa/6 and an accuracy goal of 1.5 (TEa/6). This concept is based on the proficiency testing specification of target value +/-3s, TEa from reference intervals, biological variation, and peer group median mean surveys. We have found rules to calculate as a fraction of a reference interval and peer group median mean surveys. We studied to develop total error allowable from peer group survey results and CLIA 88 rules in US on 19 items TP, ALB, T.B, ALP, AST, ALT, CL, LD, K, Na, CRE, BUN, T.C, GLU, GGT, CA, phosphorus, UA, TG tests in chematology were follows. Sigma level versus TEa from peer group median mean CV of each item by group mean were assessed by process performance, fitting within six sigma tolerance limits were TP ($6.1{\delta}$/9.3%), ALB ($6.9{\delta}$/11.3%), T.B ($3.4{\delta}$/25.6%), ALP ($6.8{\delta}$/31.5%), AST ($4.5{\delta}$/16.8%), ALT ($1.6{\delta}$/19.3%), CL ($4.6{\delta}$/8.4%), LD ($11.5{\delta}$/20.07%), K ($2.5{\delta}$/0.39mmol/L), Na ($3.6{\delta}$/6.87mmol/L), CRE ($9.9{\delta}$/21.8%), BUN ($4.3{\delta}$/13.3%), UA ($5.9{\delta}$/11.5%), T.C ($2.2{\delta}$/10.7%), GLU ($4.8{\delta}$/10.2%), GGT ($7.5{\delta}$/27.3%), CA ($5.5{\delta}$/0.87mmol/L), IP ($8.5{\delta}$/13.17%), TG ($9.6{\delta}$/17.7%). Peer group survey median CV in Korean External Assessment greater than CLIA criteria were CL (8.45%/5%), BUN (13.3%/9%), CRE (21.8%/15%), T.B (25.6%/20%), and Na (6.87mmol/L/4mmol/L). Peer group survey median CV less than it were as TP (9.3%/10%), AST (16.8%/20%), ALT (19.3%/20%), K (0.39mmol/L/0.5mmol/L), UA (11.5%/17%), Ca (0.87mg/dL1mg/L), TG (17.7%/25%). TEa in 17 items were same one in 14 items with 82.35%. We found out the truth on increasing sigma level due to increased total error allowable, and were sure that the goal of setting total error allowable would affect the evaluation of sigma metrics in the process, if sustaining the same process.

• 한국산학기술학회논문지
• /
• 제18권1호
• /
• pp.262-268
• /
• 2017

최근 건물의 에너지 소비량이 전체 에너지 소비량의 약 20.5%를 차지하면서 건물의 에너지 고효율과 저소비에 대한 관심이 높이지고 있다. 또한 에너지 분석 및 평가에 다양한 연구가 이루어지고 있다. 건물의 초기설계 단계에서 에너지 분석 및 평가를 수행하고 적용할 경우 매우 효과적인 것으로 알려져 있다. 그러나 초기설계 단계에서는 창면적비, 외피면적 등 개괄적인 수준의 정보를 이용하여 에너지성능을 평가하기 때문에 자재 및 설비 등의 상세정보가 포함된 설계를 기준으로 평가하는 실시설계 단계의 결과와 많은 차이를 보일 수밖에 없다. 지금까지 대부분의 연구들은 건물에 설치되는 자재 및 설비 등에 대한 상세정보가 명확해지는 실시설계 단계에서의 분석 및 평가에 관한 것으로 초기설계 단계에서 이들 정보를 보완하는 연구는 미흡하다. 따라서 건물의 생애주기 동안 발생되는 에너지환경 정보를 구축하여 확률/통계적 방법으로 초기설계 단계에서 분석/평가에 정확한 정보를 제공할 수 있다면 에너지환경 분석의 정확성을 향상 시킬 수 있을 것이다. 그러나 아직까지 국내에서 에너지 사용에 대한 실적정보가 구축된 사례가 없다. 따라서 본 연구에서는 에너지환경 실적정보 구축을 위해 에너지환경 분석에 대해 고찰을 수행하고 분석하였다. 그리고 연구의 결과로 건물의 생애주기 정보 구축에 활용할 수 있는 정보분류체계와 정보 개념모델, 그리고 에너지환경 정보의 취득 및 제공을 위한 서비스 개념모델을 제시하여 향후 실적정보 시스템 개발 연구의 기초 자료로 활용하도록 하였다. 본 연구의 결과는 실적정보 지원 관리시스템 구축에 활용되어 초기설계 단계에서 입력정보를 보완하여 분석/평가의 신뢰성을 높일 수 있을 것이다. 만약 실적정보가 구축된다면 초기설계 단계에서 에너지환경 분석 및 평가를 위한 확률/통계 혹은 인공지능 등의 방법에 학습데이터로 활용될 수 있을 것이다.

• 한국작물학회지
• /
• 제55권4호
• /
• pp.275-283
• /
• 2010

이 등(2009b)의 보고에서는 등숙기 기온과 일사량이 종실중 및 종실질소함량에 미치는 영향과 이들 관계를 분석하였고, 이 등(2009a)의 보고에서는 등숙기 생육형질이 종실중 및 종실질소함량에 미치는 영향과 이들 관계를 분석하였다. 본 연구는 종실중 및 종실질소함량과 등숙기 기상(온도, 일사량) 및 등숙기 생육형질과의 관계를 이용하여 등숙기간 중 종실중 및 종실질소함량의 형성과정을 추정하는 모형을 구축하고자 하였다. 1. 출수후 등숙 진전에 따른 유효적산온도(AET, 임계온도 $7^{\circ}C$)와 적산일사량(AR)의 상승적에 따른 종실중과 종실질소함량의 변화를 나타내었을 때 통일한 AET ${\times}$ AR에서도 종실 종 및 종실질소함량의 상당한 변이가 존재하였다. 2. Logistic 함수를 이용하여 AET ${\times}$ AR에 따른 종실중과 종실질소함량의 최대경계선을 추정하였으며, 이를 각각 최대 종실중(GWmax)과 최대 종실질소함량(GNmax) 추정식으로 이용하였다. 3. 등숙기 생육형질 종 엽면적지수, 지상부 총건물중, 영화수 및 지상부 총질소함량이 등숙기간 중 종실중과 종실질소함량의 변이에 관여하였으며, 이들 등숙기 생육형질과 GWmax 및 GNmax를 이용하여 다음과 같은 종실중과 종실질소함량 추정식을 설정하였다. $$GW_E\;=\;6.557{\cdot}GWmax{\cdot}TDW^{0.5223}{\cdot}GNO^{-0.5582}$$ $$GN_E\;=\;150.20{\cdot}GNmax{\cdot}TNU^{0.5203}{\cdot}GNO^{-0.6205}$$ 4. 설정된 종실중 및 종실질소함량 추정 모델식을 이용하여 실제 종실중 및 종실질소함량을 추정하는 모형을 구축하였는데, 종실중 및 종실질소함량을 일부 과대 또는 과소 추정하였으나 대체적으로 실측값과 일치하는 경향이었으며, 등숙기 생육형질에 의하여 발생한 다양한 종실중 및 종실질소함량 변이를 비교적 잘 추정하였다.