• 한국수산과학회지
• /
• 제31권5호
• /
• pp.749-759
• /
• 1998

1996년 11월 동해에 형성된 전선역에서 동물플랑크톤의 분포를 살펴본 바, 그 양은 한수역보다는 작지만 난수역 보다는 큰 것으로 나타났고, 종 조성은 매우 풍부한 것으로 나타났다. 전선역의 동물플랑크톤 군집은 양적으로는 한류수의 영향을, 종류는 난류수의 영향을 받는 것으로 나타났다. 난수역과 한수역에서는 각 해역의 서로 다른 두 정점간에 채집 시간이 낮과 밤으로 차이가 있음에도 출현하는 동물플랑크톤의 종 조성과 분포 양상이 비슷하였지만, 전선역 두 정점에서는 하루중 비슷한 시간대에 채집되었음에도 종 조성과 분포 양상에 차이가 있었다. 이는, 전선역의 수괴 혼합 진행 정도를 반영하는 지리적 차이가 동물플랑크톤의 종 조성과 분포에 영향을 주고 있음을 의미한다. 한수역의 대표적인 요각류 Metri-dia pacinca 만이 주목할 만한 일주수직이동 양상을 보였으며, 이 종의 분포가 전체 동물플랑크톤의 분포 양상을 크게 좌우하였다. 그밖의 대부분 종들은 일주 수직이동이 매우 미약하였다. 수온이 동물플랑크톤의 분포에 큰 영향을 미치는 것으로 나타났다. 수온과 주요 우점 동물플랑크톤 분포량의 상관 관계는 난수역에서는 대체로 양의 상관관계를, 한수역에서는 매우 약한 음의 상관관계를, 그리고 전선역에서는 대부분 통계적 유의성이 없는 결과를 보였다.

• Geomechanics and Engineering
• /
• 제35권2호
• /
• pp.121-133
• /
• 2023

The demand for cement and limestone crushed materials has increased many folds due to the tremendous increase in construction activities in Pakistan during the past few decades. The number of cement production industries has increased correspondingly, and so the rock-blasting operations at the limestone quarry sites. However, the safety procedures warranted at these sites for the blast-induced ground vibrations (BIGV) have not been adequately developed and/or implemented. Proper prediction and monitoring of BIGV are necessary to ensure the safety of structures in the vicinity of these quarry sites. In this paper, an attempt has been made to predict BIGV using artificial neural network (ANN) at three selected limestone quarries of Pakistan. The ANN has been developed in Python using Keras with sequential model and dense layers. The hyper parameters and neurons in each of the activation layers has been optimized using randomized and grid search method. The input parameters for the model include distance, a maximum charge per delay (MCPD), depth of hole, burden, spacing, and number of blast holes, whereas, peak particle velocity (PPV) is taken as the only output parameter. A total of 110 blast vibrations datasets were recorded from three different limestone quarries. The dataset has been divided into 85% for neural network training, and 15% for testing of the network. A five-layer ANN is trained with Rectified Linear Unit (ReLU) activation function, Adam optimization algorithm with a learning rate of 0.001, and batch size of 32 with the topology of 6-32-32-256-1. The blast datasets were utilized to compare the performance of ANN, multivariate regression analysis (MVRA), and empirical predictors. The performance was evaluated using the coefficient of determination (R²), mean absolute error (MAE), mean squared error (MSE), mean absolute percentage error (MAPE), and root mean squared error (RMSE)for predicted and measured PPV. To determine the relative influence of each parameter on the PPV, sensitivity analyses were performed for all input parameters. The analyses reveal that ANN performs superior than MVRA and other empirical predictors, andthat83% PPV is affected by distance and MCPD while hole depth, number of blast holes, burden and spacing contribute for the remaining 17%. This research provides valuable insights into improving safety measures and ensuring the structural integrity of buildings near limestone quarry sites.

• 수산해양기술연구
• /
• 제39권1호
• /
• pp.19-26
• /
• 2003

한국 남해 연안 해역인 나로도 주변 어장에서 동계, 춘계, 하계 및 추계에 조사한 해양 관측 자료를 이용하여, 이 어장에서의 수괴 특성을 분석한 결과를 요약하면 다음과 같다. 1) 나로도 주변 어장에서 수온과 염분의 측정값을 이용한 T-S diagram으로부터 염분을 기준으로 수괴를 구분하였다. 연안수는 30.0∼31.4psu, 혼합수는 31.5∼32.9psu, 외해수 33.0∼35.0psu의 범위로 정하였다. 2) 나로도 주변 어장에 출현하는 동계의 염분 분포범위는 33.1∼34.9psu, 춘계는 33.1∼34.3psu, 하계는 30.5∼34.1psu, 추계는 30.1∼34.0psu의 범위이었다. 3) 나로도 주변 어장에 출현한 연안수, 혼합수 및 외해수의 분포 특성을 계절별로 파악할 수 있었다. 동계와 춘계에는 표층에서 저층까지의 전해역이 외해수로 점유되었다. 하계에는 표층의 전 해역이 혼합수로 점유되지만, 저층에는 혼합수와 외해수로 형성된다. 추계에는 표층에 연안수와 혼합수가 분포하고 있으며, 저층에는 혼합수가 주체를 이루고 있으나 연안역에 국한되어 연안수가 분포하고, 외양으로 외해수가 출현하기 시작한다. 4) 나로도 주변 어장의 수온염분 특성은 계절적으로 변화하여, 동계에는 저온고염의 외해수가 분포하고, 춘계에는 동계의 수괴의 특성을 유지하지만, 수온이 다소 증가한다. 하계에는 고온 저염의 혼합수와 외해수가 분포하고, 추계에는 저온의 연안수, 혼합수 및 외해수가 분포한다. 5) 수온과 염분의 변화가 주로 표층과 20m층 사이에서 이루어져 하계에는 수온이 4.$0\circ_C$/7m의 수직경도를 보였으며, 춘계와 추계에는 수온과 염분의 변화는 적고, 동계에는 연직 혼합이 일어나 상하층간에 균질한 해수가 분포하였다.

• 한국지반공학회논문집
• /
• 제39권9호
• /
• pp.13-24
• /
• 2023

가시설 흙막이의 굴착중 안정성 분석에 대한 연구를 위해서는 지반의 정확한 물성을 평가할 수 있는 역해석 기술과 실시간으로 계측되는 데이터를 분석하여 안정성을 평가할 수 있는 학습모델의 개발이 필요하다. 본 연구에서는 CIP공법이 적용된 굴착 현장을 대상으로 차분진화 알고리즘을 통해 굴착 중인 지반의 물성치를 추정하고, 벽체의 안정성을 평가할 수 있는 DNN 모델을 개발하였다. 차분진화 알고리즘의 적용성 분석을 위하여 2층 지반으로 구성된 모델에 대한 역해석을 수행하였고, 역해석 결과 지반의 탄성계수, 점착력, 내부마찰각을 97%의 정확도로 예측할 수 있는 것으로 분석되었다. DNN 모델의 학습데이터 구축을 위하여 30,000개의 케이스에 대하여 해석을 수행하였다. 앵커축력, 부등침하, 벽체 변위, 벽체 구조적 안정성 등 각각의 평가요소에 대한 안정성 평가 등급을 제시하였고, 그에 따라 데이터를 학습하였다. 학습된 DNN 모델의 적용성 분석 결과, 앵커의 축력, 부등침하, 벽체의 변위, 벽체의 구조 안정성에 대해 평균 94% 이상으로 벽체의 안정성을 예측할 수 있는 것으로 평가되었다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.163-177
• /
• 2019

스마트폰이 널리 보급되고 현대인들의 생활 속에 깊이 자리 잡으면서, 스마트폰에서 수집된 다종 데이터를 바탕으로 사용자 개인의 행동을 인식하고자 하는 연구가 활발히 진행되고 있다. 그러나 타인과의 상호작용 행동 인식에 대한 연구는 아직까지 상대적으로 미진하였다. 기존 상호작용 행동 인식 연구에서는 오디오, 블루투스, 와이파이 등의 데이터를 사용하였으나, 이들은 사용자 사생활 침해 가능성이 높으며 단시간 내에 충분한 양의 데이터를 수집하기 어렵다는 한계가 있다. 반면 가속도, 자기장, 자이로스코프 등의 물리 센서의 경우 사생활 침해 가능성이 낮으며 단시간 내에 충분한 양의 데이터를 수집할 수 있다. 본 연구에서는 이러한 점에 주목하여, 스마트폰 상의 다종 물리 센서 데이터만을 활용, 딥러닝 모델에 기반을 둔 사용자의 동행 상태 인식 방법론을 제안한다. 사용자의 동행 여부 및 대화 여부를 분류하는 동행 상태 분류 모델은 컨볼루션 신경망과 장단기 기억 순환 신경망이 혼합된 구조를 지닌다. 먼저 스마트폰의 다종 물리 센서에서 수집한 데이터에 존재하는 타임 스태프의 차이를 상쇄하고, 정규화를 수행하여 시간에 따른 시퀀스 데이터 형태로 변환함으로써 동행 상태분류 모델의 입력 데이터를 생성한다. 이는 컨볼루션 신경망에 입력되며, 데이터의 시간적 국부 의존성이 반영된 요인 지도를 출력한다. 장단기 기억 순환 신경망은 요인 지도를 입력받아 시간에 따른 순차적 연관 관계를 학습하며, 동행 상태 분류를 위한 요인을 추출하고 소프트맥스 분류기에서 이에 기반한 최종적인 분류를 수행한다. 자체 제작한 스마트폰 애플리케이션을 배포하여 실험 데이터를 수집하였으며, 이를 활용하여 제안한 방법론을 평가하였다. 최적의 파라미터를 설정하여 동행 상태 분류 모델을 학습하고 평가한 결과, 동행 여부와 대화 여부를 각각 98.74%, 98.83%의 높은 정확도로 분류하였다.

• 환경생물
• /
• 제36권1호
• /
• pp.11-20
• /
• 2018

동물플랑크톤과 미세플라스틱과의 상관성을 파악하기 위해 2015년 5월 12일부터 14일까지 여수근해 (여자만, 가막만, 여수해만, 봇돌바다) 총 10개의 정점에서 수표성 동물플랑크톤과 미세플라스틱을 채집하였다. 동물플랑크톤은 요각류 13종을 포함해 총 26개의 분류군이 출현하였고, 그 중 요각류가 가장 높은 비율을 차지하였다. 동물플랑크톤의 출현 개체수는 $61{\sim}763indiv.m^{-3}$, 미세플라스틱은 $0.0047{\sim}0.3471particle\;m^{-2}$의 범위였다. 미세플라스틱은 주로 스트로폼, 페인트 조각, 섬유 조각 등이 발견되었다. Acartia omorii, Paracalanus parvus s. l., Labidocera euchaeta, A. hongi, 십각류 유생, 따개비 유생이 우점적으로 출현하였다. 동물플랑크톤을 먹이식성에 따라 입자식성 동물플랑크톤과 육식성 동물플랑크톤으로 구분하였고, 동물플랑크톤 건조중량도 측정하였으며, 동물플랑크톤 유생은 따로 구분하였다. 이밖에 측정한 환경요인으로는 수온, 염분, 탁도, Chl-${\alpha}$ 농도, 식물플랑크톤 (규조류, 와편모조류) 밀도를 조사하였다. 동물플랑크톤과 미세플라스틱과의 상관성을 분석하기 위해 RDA를 실시한 결과 동물플랑크톤은 미세플라스틱보다 다른 환경요인인 수온, 염분, 탁도, Chl-${\alpha}$ 농도와 밀접한 상관성을 나타냈다. 이는 연안해역과 같이 먹이가 풍부한 해역에서 미세플라스틱이 동물플랑크톤 주요 먹이로서 과대평가되어 있음을 시사할 수 있다.

• 대한원격탐사학회지
• /
• 제33권2호
• /
• pp.135-147
• /
• 2017

본 연구에서는 처음으로 한반도 서울지역에서 OMI (Ozone Monitoring Instrument) 센서로 관측된 대류권 이산화질소 칼럼농도를 이용하여 OMI 센서의 관측시간인 13:45에서의 월 평균 및 일별 위성 지표 이산화질소 혼합비를 추정하였다. 본 연구에서는 세 가지 회귀모델들이 이용되었다. 첫 번째 회귀모델(M1)은 OMI 대류권 이산화질소 칼럼농도와 지점 측정값과의 선형회귀를 통한 회귀계수로 구성되어있다. 두번째 회귀모델(M2)은 OMI 대류권 이산화질소 칼럼농도와 AIRS (Atmospheric Infrared Sounder) 센서로 관측한 행성경계층 높이, 온도, 압력 자료 모두가 반영된 회귀모델이다. 세 번째 회귀모델(M3M, M3D)은 다중회귀모델로서 앞서 고려된 이산화질소 칼럼농도와 행성경계층 높이와 다양한 기상변수를 추가적으로 반영하는 회귀모델이다. 본 연구에서는 2009년에서 2011년까지를 회귀모델의 훈련기간으로 하여서 각 회귀식의 회귀계수를 도출하였으며 2012년도는 검증기간으로서 훈련기간에 도출된 회귀모델들의 성능을 평가하였다. 회귀모델들로 추정된 월 평균 지표 이산화질소 혼합비와 지점 관측소에서 지점 측정장비로 측정된 월평균 지표 이산화질소 혼합비와 가장 높은 상관성(avg. R = 0.77)을 보이는 회귀분석방법은 다중회귀분석방법(M3M)이다. 또한, 회귀모델들로 추정된 13:45에서의 일 지표 이산화질소 혼합비와 지점 관측소에서 지점장비로 측정된 지표 이산화질소 혼합비와 가장 좋은 상관성(avg. R = 0.55)을 보인 것도 다중회귀분석방법(M3D)이다. 회귀모델들로 추정된 지표 이산화질소 혼합비는 지점 측정값에 비해 과소추정 되는 경향이 나타났다. 회귀모델들로 추정된 지표 이산화질소 혼합비를 평가하기 위해 지점 측정값과의 RMSE (Root Mean Square Error), mean bias, MAE (Mean Absolute Error), percent difference와 같은 통계분석을 실시하였다. 본 연구는 위성을 통한 지표 이산화질소 혼합비 산출 가능성을 보여준다.

• 수산해양기술연구
• /
• 제39권1호
• /
• pp.8-18
• /
• 2003

한국 남서해 연안 해역인 나로도 주변 어장에서 2000년 동계, 춘계, 하계 및 추계에 조사한 해양 관측 자료를 이용하여 이 어장의 해황 특성을 분석한 결과를 요약하면 다음과 같다. 1) 나로도 주변해역에 출현하는 동계의 수온, 염분 및 클로로필의 분포 범위는 각각 4.3∼10.$\circ_C$, 33.1-34.9psu 0.1-26.2$ug$/$\Omega$ 이었고, 춘계에는 8.1∼13.$7\circ_C$, 33.1∼34.3psu, 0.1-24.4$ug$/$\Omega$이었다. 또한, 하계에는 14.5∼24.$2\circ_C$, 30.5∼34.1psu, 0.1∼30.0$ug$/$\Omega$이었으며, 추계에는 14.8∼18.$6\circ_C$, 30.1∼34.0psu, 0.1∼19.1$ug$/$\Omega$이었다. 2) 수온은 외해보다는 연안에서 더 높았으나, 염분은 연안역에서 낮고 외해에서 높은 정향을 나타내고 있다. 또한, 수온과 염분은 동계와 추계에 연직 혼합을 일으키고, 춘계에는 수평적인 분포를 하며, 하계에는 표층과 중층 사이에 수온 약층과 조밀한 염분 분포를 형성하였다. 3) 클로로필의 분포는 연안수에 의해 공급되는 영양염류의 농도에 크게 지배되고 있는 연안역이 외해역보다 높고, 주로 표층보다는 저층에서 클로로필의 분포가 높게 나타나고 있다. 또한, 동계와 추계에 연직분포를 하고, 춘계와 하계에는 수평적인 분포를 하였다. 4) 연안수의 유엽은 어장의 북쪽으로부터 유입되고 외해수의 연안 유입은 소리도의 남쪽 외해측으로부터 이루어지고 있는 것으로 관측되었다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1463-1478
• /
• 2022

한국 수출입의 99.7%는 해상운송이 차지하고 있으며, 항만의 효율적 운영을 위해 해운 물류 모니터링 시스템 개발 필요성이 대두되고 있다. 현재 automatic identification system (AIS)를 기반으로 선박의 정보를 조회하여 해상 물동량 추정 연구가 진행되고 있지만, AIS를 운영하지 않는 선박들에 대한 모니터링은 불가능하다는 한계가 있다. 고해상도 광학 위성 영상은 광역의 범위에서 AIS 미운영 선박 및 소형 선박을 식별할 수 있기 때문에 AIS 기반 물동량 모니터링의 공백을 보완할 수 있다. 그러므로 선박 및 물동량 모니터링에 활용하기 위해, 고해상도 광학 위성영상에서 선박을 탐지하고 화물선 및 소형 선박을 분류하는 연구가 필요하다. 본 연구는 초기 국토위성영상을 이용하여 생산된 학습 자료 기반으로 인공지능 모델을 훈련시키고 다른 영상에서 탐지를 수행함으로써, 국토위성영상의 딥러닝 학습 자료 생산 및 선박 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 황해 및 황해 주요 항만 구역 내 선박들을 추출하여 제작했으며, You Only Look Once (YOLO) 알고리즘을 사용하여 탐지 모델은 구축하고 국내외 주요 항만 각 1개소를 대상으로 선박 탐지 성능을 평가하였다. 항만 접안 및 해상 정박중인 선박을 대상으로 탐지 모델에 적용한 결과를 AIS의 선종 정보와 비교하였고, 국내 항만에서 85.5%와 89%, 국외 항만에서 70%의 선종 분류 정확도를 확인하였다. 본 연구 결과는 정박중인 선박을 중심으로 고해상도 국토위성영상을 활용하여 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 구축을 통해 탐지 모델의 정확도를 향상시킨다면 전세계 주요 항만에서 선박 및 물동량 모니터링 분야에 활용할 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.