• Applied Biological Chemistry
• /
• 제28권4호
• /
• pp.261-270
• /
• 1985

수분활성도(水分活性度)가 분유(粉乳)의 비효소적(比酵素的) 갈변반응(褐變反應)에 미치는 영향(影響)을 밝히기 위(爲)하여 전지분유(全脂粉乳)와 탈지분유(脫脂粉乳)를 각각(各各) $55^{\circ}C$에서 저장(貯藏)하면서 이때 발생(發生) 또는 소멸(消滅)되는 $O_2,\;CO_2$ 및 $H_2O$를 Gas Chromatograph에 의해 측정(測定)하였고. Maillard 반응(反應)에 의해서 생성(生成)된 갈색화(褐色化) 정도(程度)는 Reflective Spectrophotometer로 측정(測定)하였으며, 저장기간(貯藏期間)에 따른 $O_2,\;CO_2$, 갈변화(褐變化)의 관계(關係)를 회귀(回歸) 방정식(方程式)으로 얻었다. 즉, 저장기간(貯藏期間)동안 수분활성도(水分活性度)가 0.4 이상(以上) 갈변물질(褐變物質)과 이취생성(異臭生成)도 증가(增加)하였으며, 전지(全脂) 및 탈지분유(脫脂粉乳) 모두 수분활성도(水分活性度)가 0.33과 0.44사이에서는 큰 변화(變化)를 나타내지 않았다. Carbonyl-amine 반응(反應)에 의해 일어나는 갈색화(褐色化)는 탈지분유(脫脂粉乳)보다 전지분유(全脂粉乳)가 높았으며, 효소(酵素)는 갈색(褐色)과 이취(異臭)가 증가(增加)함에 따라 감소하였다.

• 한국식품조리과학회지
• /
• 제5권1호
• /
• pp.75-81
• /
• 1989

우리나라에서 상응되고 있는 12종의 곡류 중에서 Fusarin C의 존재여부와 몇종의 곡류배지에서의 F. moniliforme에 의한 Fusarin C의 생성능력 및 Fusarin C의 생성과 수분활성도와의 관계를 검토한 결과는 다음과 같았다. 1. 서울지역에서 상용하고 있는 곡류 12종 중에 쌀, 차조, 수수, 옥수수에서 Fusarin C가 상당량 검출되었으며 평택지역에서는 보리와 율무에서만, 서울지역의 곡류들보다 훨신 적은 양이 검출되었다. 이와 같은 경향에서, 지역 간의 판매 유통기간중의 보관상태가 매우 중요한 인자라고 생각된다. 2. 곡류를 배지로 한 F. moniliforme의 배양시에 생성되는 Fusarin C의 양은 쌀에서 월등히 높게 나타났으며 보리에서도 옥수수보다 많은 양이 생성되는 것으로 나타나 우리가 상식하고 있는 쌀 및 보리가 F. moniliforme의 배지로서 옥수수보다 더 적절하다는 것을 알 수 있었다. 3. 수분활성도가 Fusarin C 생성에 미치는 영향은 쌀보다 옥수수에 더 큰 것으로 나타났다. 옥수수의 경우 수분황성도가 높을수록 Fusarin C의 생성량이 크게 증가되며, 수분활성도가 높은 부분에서는 1주에서 최고 값을 나타내었으나 2주에서는 급격히 감소되었다.

• 한국식품과학회지
• /
• 제32권5호
• /
• pp.1107-1113
• /
• 2000

관능적 품질이 우수하고 저장성을 향상시킨 저염 새우젓을 개발하기 위한 방법으로 감마선 조사기술을 이용하였다. 식염농도를 15% 및 20%로 조절한 새우젓을 제조하여 $15^{\circ}C$에서 발효시키면서, 최적 숙성기에 도달하기 전 아미노태질소의 함량이 400mg% 수준에서 5 kGy 및 10 kGy의 선량으로 감마선 조사하였으며, 대조구로는 30% 식염농도의 새우젓을 제조하여 저장기간 동안 품질을 평가하였다. 최적 숙성 직전 감마선을 조사한 결과, 일반성분, 수분활성 및 염도는 감마선 조사에 의한 영향을 보이지 않았다. pH의 경우, 감마선 조사에 의한 발효 억제로 비조사구 보다 낮게 나타났다. 총균수는 감마선 조사에 의해 최고 숙성기에 나타나는 부패 미생물을 효과적으로 억제하여 약간의 발효가 진행될 뿐 고식염의 대조구와 마찬가지로 부패가 일어나지 않았다. 관능검사 결과, 15% 및 20% 식염함량의 새우젓 모두 감마선 조사를 한 경우 관능적으로 우수하였으며, 특히 15% 식염과 10 kGy의 감마선 조사 또는 20% 식염과 5 kGy 이상의 조사는 저장성과 관능적 품질이 매우 우수하였다.

• 한국산학기술학회논문지
• /
• 제19권11호
• /
• pp.310-318
• /
• 2018

최근 사물인터넷(IoT)의 등장으로 인터넷에 연결된 다양한 기기들에 의해 대규모의 데이터가 생성됨에 따라 빅데이터 분석의 중요성이 증가하고 있다. 특히 실시간으로 생성되는 대규모의 IoT 스트리밍 센서 데이터를 분석하여 새로운 의미 있는 미래 예측을 통해 다양한 서비스를 제공하는 것이 필요하게 되었다. 본 논문은 AWS를 활용하여 IoT 센서로부터 생성되는 스트리밍 데이터에 기반하여 실시간 실내 PM10 농도 예측 LSTM 모델을 제안한다. 또한 제안 모델에 따른 실시간 실내 PM10 농도 예측 서비스를 구축한다. 논문에 사용된 데이터는 PM10 IoT 센서로부터 24시간 동안 수집된 스트리밍 데이터이다. 이를 LSTM의 입력 데이터로 사용하기 위해 PM10 시계열 데이터로부터 30개의 연속된 값으로 이루어진 시퀀스 데이터로 변환한다. LSTM 모델은 바로 인접한 공간으로 이동해 가는 슬라이딩 윈도우 프로세스를 통하여 학습한다. 또한 모델의 성능 개선을 위해 24시간마다 수집한 스트리밍 데이터에 대해 점진적 학습 방법을 적용한다. 제안한 LSTM 모델의 성능을 평가하기 위해 선형회귀 모델 및 순환형 신경망(RNN) 모델과 비교한다. 실험 결과는 제안한 LSTM 예측 모델이 선형 회귀보다 700%, RNN 모델보다는 140% 성능 개선이 있음을 보여주었다.

• 한국산학기술학회논문지
• /
• 제20권1호
• /
• pp.434-439
• /
• 2019

최근 지구온난화로 인한 기상이변, 도시화로 인한 도심의 열섬현상 등으로 도시 온도변화 및 지표면 온도 변화에 대한 관심이 증대되고 있다. 우리나라에서는 1904년부터 현재까지 기온, 강수량 등 기상 데이터를 수집하고 있다. 최근에는 종관기상관측장비(ASOS; Automated Surface Observing System) 96개소, 방재기상관측장비(AWS) 494개소의 지상기상관측망을 운영하고 있다. 그러나 지상관측망의 경우 각 설치 지점에 대한 점 데이터를 제공하고 있으므로, 측정 지점을 제외한 곳의 지상기상 데이터는 보간법을 통해 예측하고 있는 상황이다. 이에 본 연구에서는 지상의 지표면 온도 측정의 해상도를 향상시키기 위해 위성영상을 이용한 지표면 온도를 산출하고, 그 활용 가능성을 분석하고자 하였다. 이를 위해 서울특별시를 대상으로 Landsat 8 OLI TIRS의 위성영상을 계절별로 획득하고, 열적외 밴드에 NASA식을 적용하여 지표면 온도로 변환하였다. 지상의 측정 자료는 AWS를 통해 측정한 기온 데이터를 활용하였다. AWS 기온 데이터는 관측소 기반의 점 데이터이므로, Landsat 영상과의 비교를 위해 크리깅 보간법으로 보간을 수행하였다. 위성영상기반의 지표면 온도와 AWS 기온 데이터를 비교한 결과 계절에 따른 온도차는 RMSE값을 바탕으로 가을, 겨울, 여름, 봄의 순서로 Landsat 위성영상의 적용 가능성을 판단할 수 있었으며, 위성영상의 시기별 평균온도와 AWS 온도 사이에는 최대 평균 $2.11^{\circ}C$이내, 최대 RMSE ${\pm}3.84^{\circ}C$인 것을 감안하면 정확도 향상을 위해 NASA식에 보정값이 필요하다는 것을 알 수 있었다.

• 한국건설안전학회 논문집
• /
• 제3권1호
• /
• pp.32-40
• /
• 2020

본 연구의 목적은 건설현장 근로자의 데이터 공유 시스템를 기반으로 건설재해 예방을 위한 근로자 정보 관리 모델을 구축하는 것이다. 이를 위해 첫째, 행연구 고찰을 통해 국내 건설현장의 외국인 근로자 현황을 파악하고, 정보 관리 애플리케이션에 대한 정보를 수집한다. 둘째, 스마트메이커 시스템을 활용하여 Brain storming을 실시하고, Aws를 통해 구축된 서버와 Family tree를 기반으로 개발된 애플리케이션의 기능을 분석한다. 셋째, 전문가 의견조사를 통해 개발된 정보 관리 모델의 경제성 및 효용성을 평가하고, 추가적인 기능 고찰 및 개선방안을 도출한다. 넷째, 개발된 정보 관리 모델의 국내 건설현장에서의 적용성에 대해 종합적으로 검토한다. 그 결과, 노무관리자와 현장 관리자 간의 보고체계가 단순화되어 노무자의 성실성 및 안전관리의 편리성이 있는 것으로 평가되었으며, 기능 추가 관련 사항으로는 자동 로그인 기능을 추가하여 편리성을 보완한다면 더욱 효과적일 것이라는 결론을 도출할 수 있었다. 본 연구의 결과는 향후 건설현장의 안전관리 시스템 구축연구의 기초자료로 활용될 것이다.

• 한국농림기상학회지
• /
• 제24권4호
• /
• pp.244-255
• /
• 2022

본 연구는 국내의 ASOS 및 AWS와 AMOS 관측 값을 사용하여 1km 고해상도의 산악기상 격자 값을 추정하고 평가하였다. 해발고도 200m이상을 산악지역으로 정의하고 ASOS, AWS, AMOS 기상관측소를 산악기상이 반영된 기상데이터와 산악기상이 반영되지 않는 기상데이터로 나누었다. 2013년에서 2020년까지 산악기상 데이터를 적용하고 편의보정기법(bias correction method)방법을 통하여 산악기상 적용에 따른 보정계수를 산출하고 적용하여 보정계수 및 산악기상 데이터가 반영된 고해상도 산악기상기온 격자 데이터를 생성하였다. 추정된 산악기상기온 격자데이터는 검증지점의 기상 기온 실측 값과 비교하여 평가하였다. 산악기상 데이터 반영 및 보정계수가 반영된 산악기상 고해상도 격자 기온은 산악기상이 반영되지 않는 격자기온보다 RMSE가 34%(평균기온), 50%(최저기온), 31%(최고기온)가 감소하였다. 이는 산악기상 정보기반과 산악기상 보정계수를 적용이 국내 산악기상고해상도 격자 생성에 있어서 정확도를 크게 개선시킬 수 있음을 시사하였다. 이러한 1km 고해상도의 기온 격자데이터는 추후 기후변화에 대한 산림생태계 변화 및 산림재해 모델의 검증을 위한 데이터로 매우 유용하게 활용될 수 있을 것이라 사료된다.

• 핵의학기술
• /
• 제27권1호
• /
• pp.47-54
• /
• 2023

Purpose PET-CT imaging require an appropriate quality assurance system to achieve high efficiency and reliability. Quality control is essential for improving the quality of care and patient safety. Currently, there are performance evaluation methods of UN2-1994 and UN2-2001 proposed by NEMA and IEC for PET-CT image evaluation. In this study, we compare phantom images with the same experiments before and after PET-CT 3D normalization and well counter correction and evaluate the usefulness of quality control. Materials and methods Discovery 690 (General Electric Healthcare, USA) PET-CT equiptment was used to perform 3D normalization and well counter correction as recommended by GE Healthcare. Based on the recovery coefficients for the six spheres of the NEMA IEC Body Phantom recommended by the EARL. 20kBq/㎖ of ¹⁸F was injected into the sphere of the phantom and 2kBq/㎖ of ¹⁸F was injected into the body of phantom. PET-CT scan was performed with a radioacitivity ratio of 10:1. Images were reconstructed by appliying TOF+PSF+TOF, OSEM+PSF, OSEM and Gaussian filter 4.0, 4.5, 5.0, 5.5, 6.0, 6,5 mm with matrix size 128×128, slice thickness 3.75 mm, iteration 2, subset 16 conditions. The PET image was attenuation corrected using the CT images and analyzed using software program AW 4.7 (General Electric Healthcare, USA). The ROI was set to fit 6 spheres in the CT image, RC (Recovery Coefficient) was measured after fusion of PET and CT. Statistical analysis was performed wilcoxon signed rank test using R. Results Overall, after the quality control items were performed, the recovery coefficient of the phantom image increased and measured. Recovery coefficient according to the image reconstruction increased in the order TOF+PSF, TOF, OSEM+PSF, before and after quality control, RCmax increased by OSEM 0.13, OSEM+PSF 0.16, TOF 0.16, TOF+PSF 0.15 and RCmean increased by OSEM 0.09, OSEM+PSF 0.09, TOF 0.106, TOF+PSF 0.10. Both groups showed a statistically significant difference in Wilcoxon signed rank test results (P value<0.001). Conclusion PET-CT system require quality assurance to achieve high efficiency and reliability. Standardized intervals and procedures should be followed for quality control. We hope that this study will be a good opportunity to think about the importance of quality control in PET-CT

• 대한토목학회논문집
• /
• 제28권5B호
• /
• pp.485-493
• /
• 2008

한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Multi Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation)을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.

• 한국컴퓨터정보학회논문지
• /
• 제29권3호
• /
• pp.67-74
• /
• 2024

본 논문에서는 기후 변화와 지속 가능한 수자원 관리의 중요성이 증가하는 가운데, 다양한 강우 측정 방법이 저수지 수위 예측 성능에 미치는 영향을 분석하기 위한 연구를 제시한다. 이를 위해 우리는 기상정보개방포털에서 제공하는 종관기상관측장비인 ASOS의 관측 강우, 자동기상관측장비인 AWS의 관측 강우, 그리고 면적강우비에 따라 재산정된 티센망 기반의 강우 데이터를 활용하여 신경망 기반 저수율 예측 모델에 대한 학습을 각각 수행하고, 학습된 모델의 예측 성능을 비교 및 분석하였다. 전라북도 소재 34개의 저수지에 대한 실험을 통해 각 강우량 측정방식이 저수율 예측 정확도 향상에 얼마나 기여하는지 조사하였다. 연구 결과, 티센망 기반의 강우 면적비를 활용한 저수지 강우 데이터가 가장 높은 예측 정확도를 제공한다는 것을 밝혀냈다. 이는 티센망이 주변 관측소들 사이의 정확한 거리를 고려함으로써 각 관측소가 대표하는 지역의 경계를 정의함으로써 각 지역의 실제 강우 상황을 더 정확하게 반영하기 때문이다. 이러한 발견은 정확한 지역 강우 데이터 학습이 저수율 예측에 있어 결정적인 요인 중 하나임을 시사한다. 더불어, 이 연구는 정밀한 강우 측정 및 데이터 분석의 중요성을 강조하며, 농업, 도시 계획, 홍수 관리와 같은 다양한 분야에서 예측 모델의 잠재적 응용 가능성을 제시한다.