• 제목/요약/키워드: Subsets

검색결과 686건 처리시간 0.027초

한국 연안에서 1999년부터 2017년까지 해수물성과 대기압 변화에 따른 계절 비천문조와 월평균 해수면 변화 (Non-astronomical Tides and Monthly Mean Sea Level Variations due to Differing Hydrographic Conditions and Atmospheric Pressure along the Korean Coast from 1999 to 2017)

  • 변도성;최병주;김효원
    • 한국해양학회지:바다
    • /
    • 제26권1호
    • /
    • pp.11-36
    • /
    • 2021
  • 비천문조인 연주조(Sa)와 반년주조(Ssa)는 해수특성 변화와 기상 상태에 영향을 받는 비대칭 월평균 해수면의 연변화와 관련이 깊다. 국립해양조사원이 운영하는 21개 조위관측소에서 관측한 1시간 간격의 19년(1999~2017년) 간 해수면 높이 자료에 대하여 두 종류의 조석 조화분해 프로그램(Task2K와 UTide)을 사용하여 Sa와 Ssa의 조화상수를 산출하였다. 조화분해에 사용되는 자료의 시작 시기와 길이에 따른 Sa의 안정도를 조사하였으며, Sa와 Ssa의 조화상수의 분포 특성을 살펴보았다. 먼저, 인천 조위관측소의 20년(1999~2018년) 해수면 관측자료를 1일씩 이동하면서 1년(369일) 조화분해를 수행하고 그 결과를 비교하였을 때, 두 프로그램 모두 자료의 시작 시기에 따라 Sa 조화상수가 불규칙하게 크게 변동한다는 사실을 알 수 있었다. Task2K가 Sa 분조 계산식에 근일점 천문변수를 고려하지 않아서, 두 프로그램 간에 약 78°의 지각 차가 났으며, 이들 진폭 차이는 1 cm 이하였다. 우리나라 연안에서는 Sa 조화상수가 해마다 크게 다르므로, 조위 예측 정확도와 관련하여 안정적인 조화상수 산출에 필요한 적절한 자료 길이를 결정하기 위해 관측자료 길이(1년, 2년, 3년, 5년, 9년, 19년)에 따른 인천 조위관측소의 Sa 조화상수 값의 변동성을 살펴보았다. 대표성 있는 Sa 조화상수를 구하기 위해서 조화분해를 수행할 때 5~9년 동안의 관측자료를 사용하면 조화상수 예측오차가 상당히 줄어들며, 19년 자료를 사용 것이 가장 바람직하다는 결론을 얻었다. Sa 분조의 진폭은 각 해역별로 다른 해양·대기 환경 특성에 의해 서해안에서 15.0~18.6 cm, 제주도를 포함한 남해안에서 10.7~17.5 cm이었으며, 울릉도를 포함한 동해안에서 10.5~13.0 cm이었다. 울릉도 등 동해 일부 해역을 제외하고 우리나라 연안에서 Ssa 분조의 영향으로 인해 연중 최고(최저) 해수면 높이가 발생하는 시기가 늦어(빨라)져서 해수면의 계절변화가 시간적으로 비대칭적인 특성을 보였다. 끝으로, 월평균 해수면, 대기압 보정 해수면, 비부피 높이 간 관계로부터 해수면의 해해변화와 계절변화의 비대칭성에 대기압 효과와 해수밀도가 가장 큰 영향을 끼친다는 사실을 확인하였다.

항공 LiDAR 원자료 필터링 조건에 따른 산림지역 수치표고모형 정확도 평가 (The Accuracy Evaluation of Digital Elevation Models for Forest Areas Produced Under Different Filtering Conditions of Airborne LiDAR Raw Data)

  • 조승완;최형태;박주원
    • 농업생명과학연구
    • /
    • 제50권3호
    • /
    • pp.1-11
    • /
    • 2016
  • 3차원 지형정보를 얻기 위하여 항공 LiDAR(Light Detection and Ranging)자료 기반 수치표고모델(Digital Elevation Model, DEM) 생성에 대한 연구들에 대한 관심이 지속적으로 높아져 왔다. 항공 LiDAR 원자료로부터 정확도가 높은 DEM을 생성하기 위해서는 3차원 점군에서 비지면점을 제외시키고 지면점만을 포함시키는 필터링(filtering)과정이 중요하다. 특히, 필터링을 구성하는 알고리즘의 패러미터 값 변화에 따라 산출되는 결과물들에 차이가 발생하고 정확도에 영향을 준다. 따라서 본 연구는 화천, 양주, 경산 및 장흥 유역 대상지의 항공 LiDAR 자료로부터 Fusion 소프트웨어를 이용하여 LiDAR DEM을 생성하는 GroundFilter알고리즘의 Mean패러미터(GFmn) 수준 변화가 LiDAR DEM 결과물의 정확도에 어떤 영향을 주는지 분석하였다. GFmn 수준 변화에 따른 정확도에 대한 영향 여부를 분석하기 위해 일원배치분산분석을 실시하였고, 그 결과 GFmn의 수준 변화에 따라 정확도에 대한 영향이 유의미하게 나타났다(F-value: 4.915, p<0.01). 이 후 각각의 GFmn 수준들을 다른 수준들과 차이가 있는지 여부로 묶기 위하여 사후검정을 실시하였다. 사후분석을 통해 잔차의 평균 차이에 따라 '7, 5, 9, 3'과 '1' 두 집단으로 나뉘었다. 아울러 보다 정확한 해발고도를 표현하는 LiDAR DEM 생성하는데 적정 GFmn은 '7' 조건일 때로 나타났다. 이 연구를 통해 보다 정확한 해발고도를 표현하는 LiDAR DEM을 생성할 수 있는 패러미터 값을 제안하였다.

인체 전혈 모델을 이용한 세포내 결핵균 살균력에 관한 연구 (Measuring Intracellular Mycobacterial Killing Using a Human Whole Blood Assay)

  • 천선희;송호연;이은희;오희정;강인숙;조지윤;홍영선
    • Tuberculosis and Respiratory Diseases
    • /
    • 제53권5호
    • /
    • pp.497-509
    • /
    • 2002
  • 연구배경 : 대표적 세포내 감염질환인 결핵에 대한 숙주의 방어기전 및 면역반응은 아직도 정확히 이해되지 못하고 있으며 이러한 병리기전을 연구하기 위하여서는 적절한 감염모델이 필요하다. 전혈 (whole blood)은 체액성 면역과 세포성 면역을 모두 포함한 생체의 상태를 반영하므로 다양한 대상에서 면역상태의 차이에 따른 개체간 결핵균 살균력의 차이를 비교 할 수 있는 적절한 모델로 추정된다. 따라서 본 연구의 목적은 인체의 결핵균 전혈 배양모델을 개발하여 궁극적으로 시험관내에서 숙주면역의 정도를 측정하는 대리 표지자를 개발하고자하는 것이다. 방 법 : PPD 양성 정상인을 대상으로 제대혈, 결핵환자, 당뇨 및 폐암환자와 비교하였다. 전혈을 희석하여 결핵균 Mycobacterium avium과 M. tuberculosis $H_{37}Ra$에 낮은 감염률로 감염시키고 $37^{\circ}C$, 5% $CO_2$ 배양기 속의 회전교반기에서 회전시키면서 배양(rotating culture) 하였다. 배양 1 일, 3일 및 4일 뒤 증류수로 긴장저하용해 시킨 후 Middlebrook 7H10/OADC 평판배지에서 결핵균 집락이 형성될 때까지 3-4주간 $37^{\circ}C$, 5% $CO_2$ 배양기에 배양하여 집락수를 계산하였다. 일부실험에서 TNF-${\alpha}$의 분비능을 90%이상 감소시키 기 위하여 methylpredmsolone과 pentoxifylline을 첨가하여 면역조정을 하였으며, CD4+ T-림프구와 CD8+ T-림프구를 magnetic bead에 코팅된 단클론 항체를 사용하여 제거하였다. 결핵균의 수는 용해질 $m{\ell}$ 당 CFU로 계산하였다. 살균력은 ${\Delta}$ log killing ratio로 표시하였다. ${\Delta}$ logKR=$log_{10}$(Final CFU/Initial CFU). 결 과 : 1. 제대혈의 결핵균 살균력이 PPD 양성 대조군에 비하여 다소 감소된 경향을 보였으며, 결핵환자의 결핵균 살균력은 PPD 양성 대조군과 특별한 차이를 보이지 않았다. 또한 당뇨군과 폐암군의 결핵균 살균력도 정상 대조군에 비하여 특별한 차이를 보이지 않았다. 2. Methylprednisolone과 pentoxyfylline을 사용한 면역조정 시에 제대혈, PPD 양성 정상 대조군과 결핵군 모두에서 전혈에서의 결핵균의 살균력이 감소되는 경향을 보였다. 3. CD4+ 및 CD8+ T-림프구 삭제시 log KR가 증가되어 유의하게 결핵균 살균력이 감소되었으며 CD4+ 및 CD8+ T-림프구 동시 삭제시 현저한 상승효과를 보였고 이러한 결과는 Mycobacterium avium보다는 독력이 없는 균인 Mycobacterium tuberculosis $H_{37}Ra$에서 보다 뚜렷하였다. 4. 폐결핵 치료후의 결핵균 살균력은 치료 전과 비교하여 유의하게 ${\Delta}$ logKR가 감소하였으며, 배양 3-4일에도 현저한 결핵균 증식의 억제를 보였다. 결 론 : 인체의 결핵균에 대한 감수성인 개체간의 면역상태를 전혈에서 결핵균 살균력을 통하여 비교할 수는 없었다. 그러나 인체 전혈 모델은 간단하고 임상경과 관찰이 쉬우며 결핵환자에서 치료 전과 후에 현저한 결핵균 살균력의 차이를 보이므로, 최근 결핵연구의 가장 중요한 과제의 하나인 백신 개발에서 그 성과를 판단하는 vaccine trial에 이용할 수 있을 가능성을 시사한다.

유전자 알고리즘을 이용한 다분류 SVM의 최적화: 기업신용등급 예측에의 응용 (Optimization of Multiclass Support Vector Machine using Genetic Algorithm: Application to the Prediction of Corporate Credit Rating)

  • 안현철
    • 경영정보학연구
    • /
    • 제16권3호
    • /
    • pp.161-177
    • /
    • 2014
  • 기업신용등급은 금융시장의 신뢰를 구축하고 거래를 활성화하는데 있어 매우 중요한 요소로서, 오래 전부터 학계에서는 보다 정확한 기업신용등급 예측을 가능케 하는 다양한 모형들을 연구해 왔다. 구체적으로 다중판별분석(Multiple Discriminant Analysis, MDA)이나 다항 로지스틱 회귀분석(multinomial logistic regression analysis, MLOGIT)과 같은 통계기법을 비롯해, 인공신경망(Artificial Neural Networks, ANN), 사례기반추론(Case-based Reasoning, CBR), 그리고 다분류 문제해결을 위해 확장된 다분류 Support Vector Machines(Multiclass SVM)에 이르기까지 다양한 기법들이 학자들에 의해 적용되었는데, 최근의 연구결과들에 따르면 이 중에서도 다분류 SVM이 가장 우수한 예측성과를 보이고 있는 것으로 보고되고 있다. 본 연구에서는 이러한 다분류 SVM의 성능을 한 단계 더 개선하기 위한 대안으로 유전자 알고리즘(GA, Genetic Algorithm)을 활용한 최적화 모형을 제안한다. 구체적으로 본 연구의 제안모형은 유전자 알고리즘을 활용해 다분류 SVM에 적용되어야 할 최적의 커널 함수 파라미터값들과 최적의 입력변수 집합(feature subset)을 탐색하도록 설계되었다. 실제 데이터셋을 활용해 제안모형을 적용해 본 결과, MDA나 MLOGIT, CBR, ANN과 같은 기존 인공지능/데이터마이닝 기법들은 물론 지금까지 가장 우수한 예측성과를 보이는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안모형이 더 우수한 예측성과를 보임을 확인할 수 있었다.

중증 지역사회획득 폐렴환자의 예후에 영향을 미치는 면역지표에 대한 연구 (Prospective Study of the Immunologic Factors Affecting the Prognosis of Severe Community-Acquired Pneumonia)

  • 황재경;이호명;송광식;박계영;박정웅;박재경;정성환;안정열;서일혜;남귀현
    • Tuberculosis and Respiratory Diseases
    • /
    • 제50권4호
    • /
    • pp.437-449
    • /
    • 2001
  • 연구배경 : 중증 지역사회획득 폐렴환자에서 어떤 면역학적 요인이 중요한 예후 인자로 작용하는지와 그에 대한 예방과 개선방법을 알아보기 위해 연구를 시행하였다. 방 법 : 중증 폐렴환자 23명을 임상경과에 따라 회복군(n=16)과 사망군(n=7) 으로 나눈 후, 말초혈액에서 전혈구검사, 혈청 생화학검사, 면역글로블린, 보체, 림프구 아세포군 검사, 객담 및 혈액배양검사, 소변검사, 흉부 x-선 검사등을 시행하였다. 결 과 : 1) 양 군에서 말초혈액검사상 림프구감소증 소견이 있었다(림프구 평균 회복군 $995.6{\pm}505.7/mm^3$, 사망군 $624.0{\pm}287.6/mm^3$, p=0.18). 2) 양 군 모두 T 림프구가 감소되었고, 특히 사망군의 T 림프구수가 통계학적으로 유의하게 감소된 소견을 보여주었다(회복군 $723.6{\pm}406.5/mm^3$, 사망군 $295.9{\pm}203.0/mm^3$, p<0.05). 3) 혈청 생화학 검사상 단백질, 알부민이 정상치에 비해 감소되었으며(protein/ albumin 회복군 $6.0{\pm}1.0/2.7{\pm}0.7$, 사망군 $5.2{\pm}1.5/2.3{\pm}0.8$ 단위 : $g/d{\ell}$), 혈중 요소질소 수치는 회복군 $18.9{\pm}9.8mg/d{\ell}$, 사망군 $41.7{\pm}30.0mg/d{\ell}$으로 사망군에서 통계학적으로 의미있게 증가되었고(p<0.05), 혈청 크레아티닌은 회복군 $1.0{\pm}0.3mg/d{\ell}$, 사망군 $1.8{\pm}1.0mg/d{\ell}$으로, 사망군이 역시 의미있게 증가되어 있음을 보여주었다(p<0.05). 4) 면역글로블린 G는 회복군보다 사망군에서 유의하게 감소되어 있었다(IgG 회복군 $1433.0{\pm}729.5mg/d{\ell}$, 사망군 $849.1{\pm}373.1mg/d{\ell}$, p<0.05). 5) 보체 $C_3$, $C_4$의 수치가 모두 정상보다 떨어져 있었으며, 회복군에 비해 사망군에서 감소를 보였으나 통계학적 의의는 없었다. 6) Cytokine 연구 결과는 TNF-$\alpha$, IFN-$\gamma$, IL-2, IL-10을 측정하였으나 두 군간에 유의한 차이는 없었다. 7) 만성 간질환, 당뇨, 만성 폐쇄성 폐절환이 양 군에서 주요 기저질환이였다. 결 론 : 이상의 결과는 중증 지역사회획득 폐렴환자에서 T 림프구수치 특히, $T_8$ 림프구의 감소, $T_4/T_8$ 비율의 증가, 면역글로블린 G 감소, 혈중 요소질소 수치 증가, 혈청 크레아티닌이 증가된 소견은 나쁜 예후인자와 관련되는 것으로 추정된다.

  • PDF

캠페인 효과 제고를 위한 자기 최적화 변수 선택 알고리즘 (Self-optimizing feature selection algorithm for enhancing campaign effectiveness)

  • 서정수;안현철
    • 지능정보연구
    • /
    • 제26권4호
    • /
    • pp.173-198
    • /
    • 2020
  • 최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.