• Journal of Animal Science and Technology
• /
• 제55권5호
• /
• pp.373-380
• /
• 2013

본 연구는 한우의 생체상태에서 부분육 생산량 예측모형을 개발하고자 실시하였다. 농협중앙회 한우개량사업소에서 후대 검정한 한우 거세우 874두의 24개월령에 측정된 체척자료를 통하여 24개월령에 도축된 부분육 중량과 수율을 예측하는 모형을 발굴하였다. 부분육은 대분할 중량과 수율을 이용하였으며, 부분육 수율은 도체중 대비 생산량으로 구하였다. 부분육 형질에 영향하는 환경효과 분석을 위하여 범주형 변량과 공변량을 각각 도축일, 도축일령으로 하였다. 분산분석 결과 부분육 중량과 수율 모두 도축일 효과가 유의하였으며 (P<0.01), 도축일령 효과는 우둔중량만 유의성 (P<0.05)을 나타냈다. 상관분석 결과에서는 안심, 등심 및 갈비의 중량은 흉위와 각각 0.54, 0.74 및 0.80의 높은 상관관계를 나타냈으므로 흉위가 커지면 선호도가 높은 안심, 등심 및 갈비의 중량도 증가될 것으로 사료된다. 등지방두께는 갈비를 제외한 모든 부분육 수율과부의 상관관계 (-0.22~-0.44)를 나타냈다. 안심의 수율은 체고(0.07), 십자부고 (0.07)를 제외한 나머지 체척형질들과 부의 상관관계를 나타냈으며, 등심의 수율은 흉폭 (0.03), 고장 (0.06), 곤폭 (0.03)을 제외한 나머지 체척형질들과 부의 상관을 나타냈다. 갈비의 수율과 흉위는 0.21의 정의 상관을 나타냈다. 부분육 생산량 예측을 위한 회귀모형에서 설명변량으로 10개의 체척 값을 이용하였다. 회귀분석은 회귀식의 유의성이 인정되는 범위에서 회귀모형의 적합도를 나타내는 결정계수의 값이 가장 높고 $C_p$ 값이 가장 적은 시점에서 변수를 선택하였으며, 분석결과 10가지의 체척치 중 체고, 체장, 고장, 좌골폭 및 흉위가 안심과 등심의 생산량 예측에 중요한 형질인 것으로 나타났다. 특히 흉위는 모든 부분육 중량을 추정하는 회귀식에 설명변량으로 선택이 되었다.

• 한국화재소방학회논문지
• /
• 제15권1호
• /
• pp.23-33
• /
• 2001

지하공동구는 최근 통신의 발달로 인해 국가 중추기능으로서의 주요 역할을 하는 시설로, 사고시 신속한 대처가 힘들고 케이블 연소시 발생하는 유독가스에 의한 검은 연기로 공동구 내에 진입하여 소화화기가 힘들다. 따라서, 화재발생시 막대한 재산피해 및 통신의 두절 등 국가의 중추신경이 마비됨은 물론 시민 불편사항을 초래시켰다. 본 논문은 지금까지 발생되어온 공동구 화제를 바탕으로 실제 공동구 모형을 제작하여 화재를 재현함으로서, 과학적으로 화재의 성상을 분석하고 지하공동구 내에 소방설비를 갖춘 후에 일정온도에서 각각의 소방설비들이 제대로 작동하는지를 검증하는데 그 목적이 있다. 화재실험은 지하 공동구 내에 정온식 감지선형 감지기, 방화문, 연결살수설비 및 환기설비를 설치하고 송.배전케이블은 일정구간 내화도료로 도장하며 난방관은 내화피복된 상태에서 실험하였다. 그 결과 최고 온도가 $932^{\circ}c$로 측정되었고 일정온도에서 정온식 감지선형 감지기가 작동하여 화재위치를 정확히 수신반에 나타내었다. 그리고 송.배전케이블은 일정구간 내화도료로 도장한 것은 내화성능이 없는 것으로 나타났고, 내화피복된 난방관은 약 30분 정도의 내화 성능이 있는 것으로 나타났다. 컴퓨터 화재 시뮬레이션은 실제 화재 시험시의 화재하중을 입력하여 실시한 결과 최고 온도가 $943^{\circ}c$로 실제 화재시의 최고 온도인 $932^{\circ}c$와 거의 일치하였다. 따라서 공동구 화재하중만으로 화재 시뮬레이션을 실시하여 화재의 성상에 대한 예측이 가능한 것으로 판단되며 시뮬레이션으로 얻는 열방출량, 연기층의 높이, 산소, 일산화탄소, 이산화탄소의 농도 등의 결과 값들을 실제 화재 실험시의 값으로 적용시킬 수 있는 것으로 판단된다. 0.05ppb보다 높은 수준으로 예측되어 유럽의 허용기준치를 초과하는 것으로 나타났다.확보를 위한 위생관리 업무 향상을 위해서는 본 연구에서 가장 취약한 부분으로 드러난 시설 및 기기들을 우선 보완해야 할 것으로 사료된다.ons. Specific growth rate of dechlorinators showed little difference between the slurry and the low-moisture sediments; however, growth yield was high in the sediments of reduced moisture content. The reduction of sediment moisture decreased the dechlorination rate and extent of PCBs but did not inhibit the growth of PCB dechlorinators.1.4mg, 여학생이 159.3mg이었다. 이상의 결과로 보아 에너지, 단백질, 칼슘, 비타민 A 등 대부분의 영양소 섭취량이 권장량에 미치지 못하여 성장기에 있는 아동들의 영양소 섭취 상태에 문제가 있음을 시사해 주었다. 5. 조사 대상자의 식습관과 영양소 섭취량의 상관관관계는 식사 시간의 규칙성은 단백질, 식이성 섬유소, 비타민 A 및 티아민섭취량과 양의 상관을 나트륨섭취량과는 음의 상관관계가 있었다. 음식의 간(염도)은 인과 콜레스테롤 섭취와 음의 상관관계를 나타냈다. 들깨가루나 들기름 사용 여부는 열량, 탄수화물 및 인의 섭취량과 음의 상관을, 지방, 철분, 리보플라빈 및 나이아신섭취량과는 양의 상관관계를 나타냈었다. 결식여부는 지방, 철분 및 나이아신섭취량과는 양의 상관관계를, 열량, 탄수화물, 인 나트륨, 및 콜레스테롤섭취량과는 음의 상관을 보였다. 외식이

• 한국지반공학회논문집
• /
• 제21권2호
• /
• pp.113-120
• /
• 2005

수평하중을 받는 현장타설말뚝을 합리적이고 경제적으로 설계하기 위해서 가장 중요한 것은 지구조 사이의 상호작용을 이해하는 것이다. 그러나 지난 수십년 동안 수평하중을 받는 깊은 기초의 거동에 대한 많은 연구가 있었음에도 불구하고, 문제의 성격상 삼차원적이며 비대칭성으로 인하여 더해지는 지반고유의 비선형성, 불균일성, 복잡성 때문에 극한수평지지력을 공식화하기란 매우 어렵다 본 연구에서는 특정한 현장조건, 기초의 기하학적 특성(D/B비),하중조건 등에 따른 많은 설계 방법들 중에서 가장 널리 알려진 네 가지의 방법(즉, Reese, Broms, Hansen, 그리고 Davidson)에 대해서 재검토하였다. 그리고 본 연구의 밀환으로 행한 모형실험으로 얻어진 하중-변위곡선을 쌍곡선으로 변환하여 해석된 방곡선수평지지력(H$_h$)과 위의 네 가지 방법들에 의하여 예측되는 극한수평지지력(H$_u$)을 비교하였다. Reese와 Hansen의 방법에 의해 구한 H$_u$ / H$_h$비는 각각 0.966와 1.015로서 실험결과와 매우 근사한 극한수평지지력을 제시하고 있다. 반면에 Davidson의 방법에 의해 구한 H$_u$는 에 비하여 $30\%$ 가량 큰 것으로 예측하고 있으나 네 가지 방법중에서 예측 수평지지력값에 대한 C.O.V.가 가장 작다. 네 가지 방법 중 가장 단순한 Broms의 방법은 H$_u$/ H$_h$: 0.896으로서 네 방법 중에서 극한 수평지지력을 가장 작게 평가하는 것으로 나타나지만 극한수평지지력값을 예측함에 있어서 가장 작은 S.D.를 보인다. 결론적으로, 네 가지의 방법 중 그 어 것도 극한수평지지력을 정확하게 예측한다는 면에서 다른 방법보다 더 우수하다고 할 수는 없다. 또한, 계산과정이 얼마나 정교하거나 복잡한 것과는 상관없이 극한수평지지력을 예측하는데 있어서 신뢰도는 또 다론 문제인 것 같다.

• 에너지공학
• /
• 제24권4호
• /
• pp.200-210
• /
• 2015

유동층반응기에서 바이오매스 급속 열분해의 모델화를 통해 열분해로부터 발생되는 바이오오일(Bio-oil) 및 비응축 가스(Non-condensable gas) 성분의 예측과, 이를 통한 수율 향상을 목표로 한다. 본 연구의 목적은 유동층반응기 내부에 투입된 바이오매스가 급속 열분해되는 동안 발생되는 생성물의 수율 예측과 실험 및 시뮬레이션 값을 비교 및 분석하는 것이다. 급속 열분해의 시뮬레이션을 위해 전산유체역학(Computational Fluid Dynamics, CFD) 프로그램이 사용되었으며, 바이오매스의 급속 열분해의 시뮬레이션을 위해 바이오매스 하위 구성 성분의 상세한 열분해 반응 경로가 적용되었다. 이 열분해 반응은 세부적으로 셀룰로오스(Cellulose), 헤미셀룰로오스(Hemicellulose) 및 리그닌(Lignin)의 반응을 포함하고 있으며, 열분해로부터 발생되는 주요 가스 성분은 이산화탄소($CO_2$), 일산화탄소(CO), 메탄($CH_4$), 수소($H_2$), 에틸렌($C_2H_4$)이다. 본 모델의 예측치와 기존 문헌(Mellin et al., 2014)의 실험 및 시뮬레이션 결과를 비교하였으며, 그 결과, $CH_4$, $H_2$ 및 $C_2H_4$의 경우, 각각 3.7%p, 4.6%p 및 3.9%p로 비교적 일치하게 예측되었지만, $CO_2$ 및 CO의 경우, 각각 9.6%p 및 6.7%p로 높게 예측되었다. 이러한 차이가 발생하는 이유는 이차 열분해 반응에서의 세부 반응조건에 해당되는 각각의 인자의 부재에 기인한 것으로 판단된다. 연구 결과, 시뮬레이션을 통한 모델화 접근이 가능한 것으로 판단되며, 추후에 연구된 모델화를 통해 바이오오일 및 기타 성분들의 예측도 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제54권spc1호
• /
• pp.1107-1118
• /
• 2021

지구온난화로 인해 발생한 기후변화는 한반도의 홍수, 가뭄 등의 발생빈도를 증가시켰으며, 이로 인해 인적, 물적 피해가 증가한 것으로 나타났다. 수재해 대비 및 대응을 위해서는 국가 차원의 수자원 관리 계획 수립이 필요하며, 유역 단위 수자원 관리를 위해서는 장기간 관측된 유량 자료를 이용하여 도출된 유량지속곡선이 필요하다. 전통적으로 수자원 분야에서 유량지속곡선을 도출하기 위하여 물리적 기반의 강우-유출 모형이 많이 사용되고 있으며, 최근에는 데이터 기반의 딥러닝 기법을 이용한 유출량 예측 기법에 관한 연구가 진행된 바 있다. 물리적 기반의 모형은 수문학적으로 신뢰도 높은 결과를 도출할 수 있으나, 사용자의 높은 이해도가 요구되며, 모형 구동 시간이 오래 걸릴 수 있는 단점이 있다. 데이터 기반의 딥러닝 기법의 경우 입력 자료가 간단하며, 모형 구동 시간이 비교적 짧으나 입력 및 출력자료 간의 관계가 블랙박스로 처리되어 수리·수문학적 특성을 반영할 수 없는 단점이 있다. 본 연구에서는 물리적 기반 모형으로 국내외에서 적용성이 검증된 Soil Water Assessment Tool (SWAT)의 매개변수 보정(Calibration)을 통해 장기간의 결측치 없는 데이터를 산출하고, 이를 데이터 기반 딥러닝 기법인 Long Short-term Memory (LSTM)의 훈련(Training) 데이터로 활용하였다. 시계열 데이터 분석 결과 검·보정 전체 기간('07-'18) 동안 Nash-Sutcliffe Efficiency (NSE)와 적합도 비교를 위한 결정계수는 각각 0.04, 0.03 높게 도출되어 모형에서 도출된 SWAT의 결과가 LSTM보다 전반적으로 우수한 것으로 나타났다. 또한, 모형에서 도출된 연도별 시계열 자료를 내림차순하여 산정된 유량지속곡선과 관측유량 기반의 유량지속곡선과 비교한 결과 NSE는 SWAT과 LSTM 각각 0.95, 0.91로 나타났으며, 결정계수는 0.96, 0.92로 두 모형 모두 우수한 성능을 보였다. LSTM 모형의 경우 저유량 부분 모의의 정확도 개선이 필요하나, 방대한 입력 자료로 인해 모형 구축 및 구동 시간이 오래 걸리는 대유역과 입력 자료가 부족한 미계측 유역의 유량지속곡선 산정 등에 활용성이 높을 것으로 판단된다.

• 한국토양비료학회지
• /
• 제9권3호
• /
• pp.211-220
• /
• 1976

서기(西紀) 2000년(年)까지의 비료(肥料) 소요량(所要量)을 농경학적(農耕學的) 측면(側面)에서 예측(豫測) 하기 위하여 작물(作物) 영양생리(營養生理) 면(面)에서의 예측치(豫測値), 토양비옥도(土壤肥沃度) 면(面)에서 본 예측치(豫測値), 그리고 경지(耕地)의 내외연적(內外延的) 확대(擴大)에 따르는 비료(肥料) 소요량(所要量)의 변동(變動) 예측치(豫測値)들을 종합(綜合) 검토(檢討)한 결과(結果)를 다음과 같이 요약(要約)한다. 1. 농업경제연구소(農業經濟硏究所)의 식량경제(食糧經濟) 문제(問題)의 종합적(綜合的) 분석(分析)에서 제시(提示)한 2000년(年)까지의 식량(食糧) 생산량(生産量) 예측치(豫測値)에 준(準)한 작물(作物) 생산(生産)을 위(爲)해 필요(必要)한 작물(作物)의 질소(窒素), 인산(燐酸) 및 가리(加里) 흡수량(吸收量)을 근거(根據)로 예측(豫測)한 값은 1980년(年) 1.162천(千)톤(N ;554.1천(千)톤, $P_2O_5$; 360.1천(千)톤, $K_2O$;247.8천(千)톤) 1900년(年) 1,471.4천(千)톤 (N; 694.8천(千)톤, $P_2O_5$;465.4천(千)톤, $K_2O$;311.2천(千)톤), 2000년(年) 1,764천(千)톤(N;812.5천(千)톤 $P_2O_5$; 592.3천(千)톤, $K_2O$;359.2천(千)톤)이였다.${\cdots}{\cdots}$ (제(第) I 안(案)) 2) 최근(最近)의 단위면적당(單位面積當) 수량(收量) 변동(變動) 추세(趨勢)로부터 2000년(年)까지의 작물별(作物別) 단위면적당(單位面積當) 수량(收量)을 예측(豫測) 하고 이들 수량(收量)을 올리는데 필요(必要)한 비료(肥料)의 증가율(增加率)을 작물(作物) 수량(收量) 증가율(增加率)과 같게 취하면서 경지(耕地) 면적(面積)의 내외연적(內外延的) 확대(擴大)를 고려(考慮)한 2000년(年)까지의 비료(肥料) 소요량(所要量) 예측치(豫測値)는 1980년(年) 1,149.3천(千)톤(N; 603.7천(千)톤, $P_2O_5$; 305.5천(千)톤, $K_2O$; 240.1천(千)톤) 1990년(年) 1,551.1천(千)톤(N; 814.7천(千)톤 $P_2O_5$; 412.3천(千)톤, $K_2O$; 324.0천(千)톤), 2000년(年) 2,253.8천(千)톤 (N;1,183.8천(千)톤, $P_2O_5$; 586.4천(千)톤, $K_2O$;470.9천(千)톤)이였다(II안(案)) 3) 최근(最近)의 작물별(作物別) 단위(單位) 면적당(面的當) 수량(收量)과 단위(單位) 면적당(面的當) 시비량(施肥量)의 변동(變動) 추세(趨勢)를 동시(同時)에 고려(考慮)한 2000년까지의 비료(肥料) 소요량(所要量) 예측치(豫測値)는 1980년(年), 1,287.6천(千)톤 (N; 677.1천(千)톤, $P_2O_5$: 342.0천(千)톤 $K_2O$; 268.5천(千)톤) 1990년(年) 2,085.6천(千)톤(N; 1,096.7천(千)톤 $P_2O_5$; 553.9천(千)톤, $K_2O$;435.0천(千)톤), 2000년(年) 3,380.6천(千)톤(N; 1,777.8천(千)톤) $P_2O_5$;897.8천(千)톤 $K_2O$; 705.0천(千)톤) 이었다. (III 안(案)) 4) 제(第)I안(案)은 장차(將次) 쌀에 대(對)해서만 자급율(自給率) 100%를 도모(圖謀)하고, 여타(餘他) 작물(作物)에 대(對)하여는 대략(大略) 50%의 자급율(自給率)을 기대(期待) 할 때 실제(實際)와 가까운 가능성(可能性)이 있으나 이 같은 상황(狀況)은 바람직한 것은 아닌 것 같다. 5) 식량(食糧)의 자급율(自給率)을 최대한(最大限) 높이기 위(爲)하여 경지(耕地)의 내외연적(內外延的) 확대(擴大), 다수성(多收性) 품종(品種)의 광범(廣範)한 보급(普及)이 따를 경우, 비료(肥料) 효율 증대(增大)를 위한 여러가지 기술(技術)들이 개발보급(開發普及)되면 제(第)II안(案)이 실현성(實現性)이 높고, 그 같은 기술(技術)의 보급(普及)이 미진(未盡)할 때는 제(第)III안(案)이 현실(現實)에 가까울 가능성(可能性)이 높다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.