• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권1호
• /
• pp.133-152
• /
• 2022

Rice is a fundamental staple food commodity all around the world. Globally, it is grown over 167 million hectares and occupies almost 1/5^th of total cultivated land under cereals. With a total production of 782 million metric tons in 2018. In Pakistan, it is the 2^nd largest crop being produced and 3^rd largest food commodity after sugarcane and rice. The stem borers a type of pest in rice and other crops, Scirpophaga incertulas or the yellow stem borer is very serious pest and a major cause of yield loss, more than 90% damage is recorded in Pakistan on rice crop. Yellow stem borer population of rice could be stimulated with various environmental factors which includes relative humidity, light, and environmental temperature. Focus of this study is to find the environmental factors changes i.e., temperature, relative humidity and rainfall that can lead to cause outbreaks of yellow stem borers. this study helps to find out the hot spots of insect pest in rice field with a control of farmer's palm. Proposed system uses temperature, relative humidity, and rain sensor along with artificial neural network to predict yellow stem borer attack and generate warning to take necessary precautions. result shows 85.6% accuracy and accuracy gradually increased after repeating several training rounds. This system can be good IoT based solution for pest attack prediction which is cost effective and accurate.

• 한국농공학회논문집
• /
• 제66권1호
• /
• pp.1-13
• /
• 2024

This study assessed the efficacy of improving the accuracy of reservoir water level prediction models by employing automated machine learning models and efficient cross-validation methods for time-series data. Considering the inherent complexity and non-linearity of time-series data related to reservoir water levels, we proposed an optimized approach for model selection and training. The performance of twelve models was evaluated for the Obong Reservoir in Gangneung, Gangwon Province, using the TPOT (Tree-based Pipeline Optimization Tool) and four cross-validation methods, which led to the determination of the optimal pipeline model. The pipeline model consisting of Extra Tree, Stacking Ridge Regression, and Simple Ridge Regression showed outstanding predictive performance for both training and test data, with an R² (Coefficient of determination) and NSE (Nash-Sutcliffe Efficiency) exceeding 0.93. On the other hand, for predictions of water levels 12 hours later, the pipeline model selected through time-series split cross-validation accurately captured the change pattern of time-series water level data during the test period, with an NSE exceeding 0.99. The methodology proposed in this study is expected to greatly contribute to the efficient generation of reservoir water level predictions in regions with high rainfall variability.

• 지질공학
• /
• 제18권1호
• /
• pp.45-54
• /
• 2008

본 연구에서는 기 조사된 편마암 지역에서의 급경사지재해 발생지역 및 미발생지역에 대한 현장조사자료 및 토질시험자료를 토대로 통계적인 분석방법인 의사결정나무모형을 이용하여 급경사지재해 예측기법을 개발하였다. 편마암 지역에서의 조사된 급경사지재해 자료는 서울 및 경기지역에서 1998년 집중호우로 발생된 104개소구간이다. 이 가운데 예측모델 개발에 활용된 자료수는 결측치를 제외한 61개소로서, 급경사지재해 발생구간 34개소와 미발생구간 27개소이다. 의사결정나무모형을 이용한 통계적인 분석은 카이제곱 통계량, 지니 지수 및 엔트로피 지수를 적용하여 실시하였다. 분석결과 사면경사, 포화도 및 사면고도가 분리기준으로 선택되었으며, 엔트로피 지수를 이용한 의사결정나무모형 예측모델이 정확도가 가장 높은 것으로 나타났다. 선정된 급경사지재해 예측모델의 분리기준은 최상위부터 사면경사, 포화도 및 사면고도의 순서로 선택되었으며, 각각의 분리기준치는 사면경사의 경우 $17.9^{\circ}$, 포화도의 경우 52.1%, 사면고도의 경우 320m로 결정되었다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

• 한국초지조사료학회지
• /
• 제37권2호
• /
• pp.145-153
• /
• 2017

본 연구의 목적은 이탈리안 라이그라스의 수량예측모형을 구축하고, 지리정보시스템을 이용하여 재배지역의 예측건물수량을 맵핑하는 것이다. 본 연구를 수행하기 위해 첫째, 풀사료 자료를 수집하였고, 둘째, 빅 데이터인 기상정보는 기상청(KMA)으로부터 재배지와 연도를 기준으로 수집하였다. 셋째, 수량에 영향을 미치는 기상 레이어는 지리정보시스템을 사용하여 생성하였다. 넷째, 수량예측방정식은 기상레이어를 계산하기 위해 추정하였다. 마지막으로 수량예측모형은 적합도와 예측력 면에서 평가하였다. 그 결과, 모형 적합도(R2)은 재배지에 따라 27%부터 95%까지 나타났다. 수원의 경우(지역 중 가장 큰 표본, n=321), 모형은 DMY = 158.63AGD -8.82AAT +169.09SGD - 8.03SAT +184.59SRD -13,352.24(DMY: Dry Matter Yield, AGD: Autumnal Growing Days, SGD: Spring Growing Days, SAT: Spring Accumulated Temperature, SRD: Spring Rainfall Days)이었다. 수원의 평균 DMY(9,790kg/ha)에 대해 수량예측모형은 $9,790{\pm}120$(kg/ha)로 예측하였다. 이러한 결과는 지리정보시스템에 의해 기상레이어를 누적하여 지도 위에 생성하였다. 이탈리안 라이그라스 수량은 제주를 제외하면 해안보다 내륙에서 높게 나타났다. 이탈리안 라이그라스는 약한 내한성 때문에 산지가 많은 북동부에서는 분포가 나타나지 않았다. 본 연구에서 비록 제한된 재배지에서 수량예측모형을 구축하고 맵핑하였지만, 우리나라의 기상정보를 적용하면 전국으로 확대가 가능할 것으로 생각된다.

• 지질공학
• /
• 제22권3호
• /
• pp.343-351
• /
• 2012

본 연구는 기존에 제안된 무한사면 안정해석식을 바탕으로 불포화토 내에 강우침투 시 지표로부터 시간에 따른 토층의 포화깊이비를 새로운 변수로 삽입하여 무한사면 안정해석 수정식을 제안하고자 하였다. 이를 위해 기존에 고려하지 못했던 시간에 따른 포화깊이비와 지표하 흐름 깊이의 개념을 새로이 도입하였으며, 유사동력학적 습윤지수 이론에서 도출되는 해석대상 지역의 유효상부기여면적, 지표하흐름 깊이, 포화깊이비를 계산하고, 이를 토대로 시간에 따른 포화깊이비를 반영한 무한사면 안정해석을 수행하도록 하였다. 이를 통해 실질적인 시간에 따른 강우의 변화양상과 사면 안전율 변화를 계산할 수 있게 되었다. 한편, 본 연구에서는 Park et al. (2011 a)가 실시한 불포화토 칼럼시험을 통한 강우침투 속도분석 결과를 바탕으로 본 연구에서 제안한 식을 이용하여 토층의 포화깊이비를 고려한 사면안정해석을 실시하였다. 이 해석을 통해 편마암 풍화토의 토층 내 강우 침투속도를 고려하여 포화깊이비가 변화함에 따른 안전율의 변화를 파악할 수 있었다. 해석결과에 의하면, 연속강우의 경우 안전율이 1.3 이하로 감소하는 시간이 강우강도 20 mm/h 조건에서 2.86 ~ 5.38시간이고, 강우강도 50 mm/h 조건에서는 1.34 ~ 2.92시간으로 나타났다. 반복강우의 경우, 안전율이 1.3 이하가 되는 시간은 강우조건별로 3.27 ~ 5.61시간으로 나타났다. 따라서, 토층 내 강우침투속도 차이에 따른 포화깊이비 변화를 고려한 무한사면의 안전율 변화 파악이 가능하였다.

• 대한토목학회논문집
• /
• 제29권1B호
• /
• pp.11-22
• /
• 2009

장기유출 해석은 저수지와 댐의 용량 결정, 가뭄대책 수립, 하천유지유량 결정 등의 이수계획과 용수공급을 위한 댐 및 저수지의 물 관리, 수리권의 허가 및 조정, 용수 분쟁 조정 등의 하천 물 관리 실무와 하천, 호소의 수질예측 등에도 필수적이다. 이를 위해 수문학자들은 수자원관리를 목적으로 강우-유출 모형을 가장 널리 이용하고 있으나 실제 유역 내에 위치하고 있는 댐과 저수지 등과 같은 인위적 저류시설물에 대한 고려가 미흡한 실정이다. 각 저류시설물의 수용 및 방류 능력은 국부적으로는 저수지 하류에, 광역적으로는 유역 전체에 상당한 영향을 미칠 수 있으며 이러한 관점에서 볼 때 강우-유출 모형을 이용하여 유출해석 시 유역 내 포함된 저수지나 댐과 같은 시설물을 고려하여 모형을 구성하는 것이 타당하다. 본 연구에서는 과거 집중호우 등으로 홍수피해를 경험한 바가 있으며 농업용 저수지가 다수 위치한 안성천 유역을 대상으로 농업용 저수지가 유출해석에 미치는 영향을 분석하였다. 이를 위해 본 연구에서는 현재 홍수조절 능력에 대한 논란이 일고 있는 안성천 유역의 농업용 저수지를 고려하여 준 분포형 강우-유출 모형인 SLURP 모형을 구성하고 농업용 저수지의 저류 효과에 따른 하류 지역에 대한 영향성을 검토하였으며, 유출해석 시 모형 내 저수지 반영 여부에 따른 차이에 대하여 비교 분석하였다. 모형 내 저수지를 고려하여 모의한 결과, 강우가 집중되지 않는 봄과 가을철에는 저류효과가 있는 것으로 나타났으나 강우가 매우 집중되는 시기에는 하류로의 유출이 더 크게 모의되어 저수지를 고려하지 않은 경우와 차이를 보였으며, 유황분석을 통해 저수지 유무에 따른 유량변동이 풍수량(95일)과 갈수량(355일)에서 특히 크게 분석되는 결과를 확인 할 수 있었다. 단, 본 연구에서 분석하고자 하는 기흥, 이동, 고삼과 금광 저수지의 자료는 안성천홍수예보시스템 개선(건설교통부, 2007b)에서 조사된 내용에 의거하여 각 저수지별 최대방류량을 입력 자료로 활용하였으므로 실제 저수지 운영에 따른 유출과 유황변동과는 차이가 있을 수 있음을 미리 밝히는 바이다.

• Water Engineering Research
• /
• 제1권1호
• /
• pp.25-37
• /
• 2000

This study presents some results of a preliminary study for the coupled precipitation and river flow prediction system. The model system in based on three numerical models, Mesoscale Atmospheric Simulation model for generating atmospheric variables. Soil-Plant-Snow model for computing interactions within soil-canopy-snow system as well as the energy and water exchange between the atmosphere and underlying surfaces, and TOPMODEL for simulating stream flow, subsurface flow, and water tabled depth in an watershed. The selected study area is the 2,703 $\alpha_4$ $\km_2$ Soyang River basin with outlet at Soyang dam site. In addition to providing the results of rainfall and stream flow predictions, some results of DEM and GIS application are presented. It is obvious that the accurate river flow predictions are highly dependant on the accurate predictation predictions.

• Water Engineering Research
• /
• 제1권2호
• /
• pp.129-136
• /
• 2000

Predicting water levels is a difficult task because a lot of uncertainties are included. Therefore the neural network which is appropriate to such a problem, is introduced. One day ahead forecasting of river stage in the Bocheong River is carried out by using the neural network model. Historical water levels at Snagye gauging point which is located at the downstream of the Bocheong River and average rainfall of the Bocheong River basin are selected as training data sets. With these data sets, the training process has been done by using back propagation algorithm. Then waters levels in 1997 and 1998 are predicted with the trained algorithm. To improve the accuracy, a filtering method is introduced as predicting scheme. It is shown that predicted results are in a good agreement with observed water levels and that a filtering method can overcome the lack of training patterns.

• Korean Journal of Hydrosciences
• /
• 제4권
• /
• pp.21-32
• /
• 1993

The estimates of both runoff depth and peak runoff by the basin runoff curve numbers, which are CN-II for antecedent moisture condition- II and CN -III for antecedent moisture condition-III, obtained from hydrological soil-cover complexes of 26 watersheds are investigated by making use of the observed curve numbers, which are median curve number and optimum curve number, computed from 250 rainfall-runoff records. For gaged basins the median curve numbers are recommended for the estimation of both runoff depth and peak runoff. For ungaged basin, found is that for the estimate of runoff depth CN-II is adequate and for peak runoff CN-II is suitable. Also investigated is the variation of the runoff curves during storms. By the variable runoff curve numbers, the prediction of runoff depth and peak runoff can be improved slightly.