• 한국식품저장유통학회지
• /
• 제24권6호
• /
• pp.778-785
• /
• 2017

본 연구는 시중 유통되고 있는 새싹채소 재배용 적콜라비 종자에서 분리한 E. coli strain RC-4-D의 생장예측모델을 개발하기 위해 수행되었다. 각 온도조건(10, 15, 20, 25, $30^{\circ}C$) 별로 적콜라비 중 E. coli strain RC-4-D 밀도 변화를 조사하였고 Baranyi model을 1차 생장예측모델로 이용하였고 각 온도별로 최대생장률(${\mu}max$)과 $10^{\circ}C$를 제외한 유도기(LPD) 값을 도출하였다. E. coli strain RC-4-D의 최대생장률에 대한 2차 생장예측모델로써 suboptimal Ratkowsky square-root, suboptimal Huang square-root, suboptimal Arrhenius-type 세 종류의 모델을 비교하였다. 모델 적합성 검정 결과, suboptimal Huang square-root 모델이 정확도가 가장 높고 suboptimal Ratkowsky square-root 모델이 편차가 가장 적은 것으로 나타났다. 종합적으로, RMSE가 0.100, $A_f$가 1.255, $B_f$가 0.999인 suboptimal Ratkowsky square-root 모델이 온도의 영향을 설명하는 가장 적합한 2차 생장예측 모델인 것으로 나타났다. 본 연구에서 개발한 모델은 적콜라비 새싹채소 생산에 있어서 E. coli의 생장을 예측하고 미생물 위해성평가를 수행하는데 활용될 것으로 기대된다.

• Food Science and Biotechnology
• /
• 제27권6호
• /
• pp.1865-1869
• /
• 2018

This study examined the effects of alfalfa seed germination on growth of Salmonella enterica. We investigated the population changes of S. enterica during early sprout development. We found that the population density of S. enterica, which was inoculated on alfalfa seeds was increased during sprout development under all experimental temperatures, whereas a significant reduction was observed when S. enterica was inoculated on fully germinated sprouts. To establish a model for predicting S. enterica growth during alfalfa sprout development, the kinetic growth data under isothermal conditions were collected and evaluated based on Baranyi model as a primary model for growth data. To elucidate the influence of temperature on S. enterica growth rates, three secondary models were compared and found that the Arrhenius-type model was more suitable than others. We believe that our model can be utilized to predict S. enterica behavior in alfalfa sprout and to conduct microbial risk assessments.

• 대한인간공학회지
• /
• 제5권2호
• /
• pp.11-15
• /
• 1986

In this paper, we consider the validity of a human probabilistic learning model applied to the perdiction of errors associated with the absolute identification of tones. It is shown that the probabilistic learning model describes the human error process adequately. The model parameters are estimated by two methods which are the method of maximum likelihood, and the method of mement. The MLE version of the model has the better predictive power but the ME version is more readily obtainable and may be more practical.

• 한국식품과학회지
• /
• 제49권3호
• /
• pp.274-278
• /
• 2017

본 연구는 축산물에 대하여 쉽게 오염될 수 있는 S. aureus에 대해 축산제품에 속하는 식육추출가공품 중 갈비탕에 대해 식중독 예방과 식품의 안전성을 확보하기 위하여 Baranyi model을 이용하여 성장 예측모델을 개발하였다. DMFit 프로그램을 이용하여 S. aureus의 유도기(LPD)와 최대성장률(${\mu}_{max}$, maximum specific growth rate)을 산출하였다. S. aureus의 성장곡선은 4, 10, 20, $37^{\circ}C$의 보관 온도에서 측정하였다. Baranyi model의 LPD의 값은 4, 10, 20, $37^{\circ}C$의 저장 온도에서 각각 256.04, 152.60, 5.41, 3.78 h으로 온도에 반비례 한 것으로 나타났다. 또한 ${\mu}_{max}$의 값은 4, 10, 20, $37^{\circ}C$의 저장 온도에서 각각 0.003, 0.007, 0.258, $0.528logCFU/g{\cdot}h$으로 온도에 비례 한 것으로 나타났다. 또한 일차식의 적합성을 나타내는 $R^2$ 값은 모두 0.9 이상으로 나타나 실험값과 예측값의 상관관계가 높은 것을 알 수 있었다. RMSE 값은 0.39로 비교적 0에 근접하게 나타난 것을 볼 수 있으며 개발된 예측모델의 적합성이 높다고 할 수 있다. 따라서 개발된 모델을 이용할 경우 식육추출가공품 중 갈비탕의 다양한 생산 환경과 온도에 따라 S. aureus의 성장을 예측할 수 있을 것이라고 사료된다. 갈비탕을 생산, 보관 및 판매하는 산업체에서 널리 활용할 수 있을 것이라고 생각되며 이를 위해평가에서 또한 충분히 활용가능 할 것이라고 생각되어진다.

• 한국축산식품학회지
• /
• 제32권1호
• /
• pp.62-67
• /
• 2012

This study calculated kinetic parameters of Escherichia coli O157:H7 and developed a probabilistic model to estimate growth probabilities of E. coli O157:H7 on polyethylene cutting boards as a function of temperature and time. The surfaces of polyethylene coupons ($3{\times}5$ cm) were inoculated with E. coli O157:H7 NCCP11142 at 4 Log $CFU/cm^2$. The coupons were stored at 13 to $35^{\circ}C$ for 12 h, and cell counts of E. coli O157:H7 were enumerated on McConkey II with sorbitol agar every 2 h. Kinetic parameters (maximum specific growth rate, Log $CFU/cm^2/h$; lag phase duration, h; lower asymptote, Log $CFU/cm^2$; upper asymptote, Log $CFU/cm^2$) were calculated with the modified Gompertz model. Of 56 combinations (temperature${\times}$time), the combinations that had ${\geq}$0.5 Log $CFU/cm^2$ of bacterial growth were designated with the value of 1, and the combinations that had increases of <0.5 Log $CFU/cm^2$ were given the value 0. These growth response data were fitted to the logistic regression to develop the model predicting probabilities of E. coli O157:H7 growth. Specific growth rate and growth data showed that E. coli O157:H7 cells were grown at $28-35^{\circ}C$, but there were no obvious growth of the pathogen below $25^{\circ}C$. Moreover, the developed probabilistic model showed acceptable performance to calculate growth probability of E. coli O157:H7. Therefore, the results should be useful in determining upper limits of working temperature and time, inhibiting E. coli O157:H7 growth on polyethylene cutting board.

• Journal of Forest and Environmental Science
• /
• 제39권4호
• /
• pp.195-202
• /
• 2023

In this study, we sought to compare and evaluate the accuracy and predictive performance of machine learning algorithms for estimating the growth of individual Larix kaempferi trees in Gangwon Province, Korea. We employed linear regression, random forest, XGBoost, and LightGBM algorithms to predict tree growth using monitoring data organized based on different thinning intensities. Furthermore, we compared and evaluated the goodness-of-fit of these models using metrics such as the coefficient of determination (R²), mean absolute error (MAE), and root mean square error (RMSE). The results revealed that XGBoost provided the highest goodness-of-fit, with an R² value of 0.62 across all thinning intensities, while also yielding the lowest values for MAE and RMSE, thereby indicating the best model fit. When predicting the growth volume of individual trees after 3 years using the XGBoost model, the agreement was exceptionally high, reaching approximately 97% for all stand sites in accordance with the different thinning intensities. Notably, in non-thinned plots, the predicted volumes were approximately 2.1 m³ lower than the actual volumes; however, the agreement remained highly accurate at approximately 99.5%. These findings will contribute to the development of growth prediction models for individual trees using machine learning algorithms.

• International Journal of Control, Automation, and Systems
• /
• 제3권2호
• /
• pp.252-257
• /
• 2005

In this work, we propose a simple but efficient method to design a target temperature trajectory for pulling speed tracking control of the crystal grower in the Czochralski crystallization process. In the suggested method, the model predictive control strategy is used to incorporate the complex dynamic effect of the heater temperature on the pulling speed into the temperature trajectory design quantitatively. The feedforward trajectories designed by the proposed method were implemented on 200 mm and 300 mm silicon crystal growers in the commercial Czochralski process. The application results have demonstrated its excellent and consistent tracking performance of pulling speed along whole bulk crystal growth.

• 한국식품위생안전성학회지
• /
• 제16권2호
• /
• pp.103-110
• /
• 2001

예측식품미생물학(PFM)은 1980년대 후반 이후 식품미생물학 분야에서 새롭게 발생한 신학문 분야이다. PFM은 특별한 환경적 요인에 따른 미생물 특히, 병원성미생물의 반응(사멸과 생존)을 예측하기 위하여 수학적인 모델을 이용한 것이다. 현재까지 개발된 PFM모델중 완전한 것은 없지만, 어떤 특정 조건하에서는 신속하고 객관적으로 미생물의 반응을 예측하는데 이용될 수 있다는 장점 때문에, HACCP시스템, Risk Assessment 등에서 응용 가능성이 커지고 있다. 본 연구는 PFM 모델중 PMPwin5.1을 이용하여, 우유 저장에 대한 HACCP시스템 중 미생물학적 위해요소 분석, CCP 및 CL설정에 대한 방법론적 예를 제시하였다. 모델에 대한 초기조건으로 우유와 동일한 물리화학적 조건인 pH 6.7, Aw 0.993, NaCl 1.3%을 고정변수로 하고, 저장온도(4~15$^{\circ}C$)를 변이변수로 선정하여, 온도에 따른 주요 병원성미생물의 generation time, lag phase duration, infective dose에 도달하는데 걸리는 시간을 산출하였다. 이 결과를 바탕으로 온도의 변화에 따른 각 병원성미생물의 성장을 안전정도에 따라 “안전온도범위(Safe temperature zone)”, “주의온도범위(Caution temperature zone)”, “위험온도범위(Danger temperatue zone)”로 분류하였으며, 이들 분류는 우유의 유통기간인 5일을 기준으로 각 병원성미생물의 lag phase duration, infective dose에 도달하는 시간에 따라 결정하였다. 이러한 결과는 우유의 HACCP시스템에 있어, 위해요인 분석시 위해요인의 분류 및 위해요소간의 위해 정도의 우선순위 부여에 보조적인 수단으로 이용될 수 있다. 또한 유통.저장단계에서 병원성미생물의 상징에 대한 온도수준을 나타내므로, 이 단계를 CCP로 설정할 수 있고, CCP에 대한 CL은 주위온도범위내에서 설정할 수 있다. 그리고 허용수준에 대한 온도의 범위를 제시하므로 모니터링이나 검증에서도 이용할 수 있다.

• 유통과학연구
• /
• 제15권4호
• /
• pp.33-40
• /
• 2017

Purpose - This study aims to examine the analysis of pattern on Arab countries consumers' preferences of the Korean Contents using social media, Facebook since Korean entertainment contents have been distributed in the global marketplace. Then we focus on developing Predictive model using a Data Mining Technique. Research design, data and methodology - In order to understand preference growth of Korean contents in Arabic countries, we- collected data from two popular Facebook pages: 'Korean movies and drama' and 'K-pop'. Then, we adopted a data-driven approach based on Data Mining techniques. Results - It is obvious that the number of likes for K-pop will increase for all North African and Middle Eastern countries, however concerning Korean Movies and Drama except Tunisia it is decreasing for Algeria, Egypt and Morocco. Also, concerning Saudi Arabia and United Arab Emirates, the number of likes will decrease for Korean Movies and Drama which is not the case for Iraq. Conclusions - It is noted in this study that K-contents such as drama, movie and music are sometimes a gateway to a wider interest in Korean culture, food and brands. Moreover, this study gives significant implications for developing predictive model to forecast Korean contents' consumption and preferences.

• 한국식품위생안전성학회지
• /
• 제33권3호
• /
• pp.157-161
• /
• 2018

본 연구에서는 육제품의 다양한 조건(포장, 저장온도, 염농도, 아질산염농도)에서의 식중독세균의 생장을 예측하는소프트웨어를 예측미생물학에 대한 지식이 부족한 비전문가도 손쉽게 이용할 수 있도록 개발하였다. 육제품에서의 식중독세균예측소프트웨어(FAME: Foodborne bacteria Animal product Modeling Equipment)는 Javascript와 HTML을 이용하여 개발하였으며, 육제품에 대한 카이네틱모델과 확률모델을 포함하고있다. FAME에서는 검증(validation) 기능을 포함하고 있으며, FAME에 탑재 되어있는 예측모델의 수식을 자유롭게 수정할 수 있도록 고안 하였다. FAME에는 포장조건, 온도, 염농도, 아질산염농도 조합에 따라 실험한 데이터를 카이네틱모델(5,400 데이터)과 확률모델(345,600 데이터)에 탑재하였다. 사용자가 FAME을 이용하여 육제품의 제조 조건을 소프트웨어에 입력하면, 시간에 따른 식중독세균의 생장패턴과 생장확률이 즉시 계산 되어진다. 따라서 예측 미생물학에 대한 전문 지식이 없는 비전문가라고 하더라도 FAME을 이용하여 직접 실험을 하지 않고도 육제품에서의 식중독세균의 생장을 쉽고 빠르게 예측할 수 있어, 육가공분야에서 매우 유용하게 사용되어 질 수 있을 것으로 판단된다.