• 분석과학
• /
• 제18권6호
• /
• pp.453-459
• /
• 2005

물중에 존재하는 11종의 페놀류를 benzoyl chloride를 사용하여 물에서 직접 유도체화한 후 추출하여 동시 분석하였다. 즉, 수용액 시료에 수산화나트륨 용액을 가하여 pH 13으로 조절한 다음 여기에 benzoyl chloride를 $500{\mu}L$을 가하여 15분간 흔들어 반응시키고 정치한 후 diethyl ether로 추출하여 GC/MS-SIM으로 정량하였다. 검량선은 $0.05-5.0{\mu}g/mL$ 농도범위에서 상관계수가 $r^2=0.9915$로 직선성이 좋았으며 상대표준편차는 8.5% 이하였고 이 방법의 회수율은 58.4-114.0% 이었다.

• 한국기계가공학회지
• /
• 제11권4호
• /
• pp.118-124
• /
• 2012

In this study, we turning mold steel (SKD61) using whisker reinforced ceramic tool (WA1) to get affected factor to surface roughness and regression equation. For this study, we adapt system of experiments. Results are follows; From the analysis of variance, it was found that affected factor to surface roughness was feed rate, cutting speed, depth of cut in order. From multi-regression analysis, we calculated regression equation and the coefficient of determination($R^2$). $R^2$ was 0.978 and It means regression equation is significant. Regression equation means if feed rate increase 0.039mm/rev, surface roughness will increase $0.8391{\mu}m$, if cutting speed increase 50m/min, surface roughness will decrease $0.034{\mu}m$, if depth of cut increase 0.1mm, surface roughness will increase $0.0203{\mu}m$. From the experimental verification, it was confirmed that surface roughness was predictable by system of experiments.

• Corrosion Science and Technology
• /
• 제22권1호
• /
• pp.55-63
• /
• 2023

The aim of this study was to propose a multiple linear regression (MLR) equation to predict ultimate tensile strength (UTS) of 316L stainless steel with unspecified pit corrosion. Tensile specimens with pit corrosion were prepared using a potentiostatic acceleration test method. Pit corrosion was characterized by measuring ten factors using a confocal laser microscope. Data were collected from 22 tensile tests. At 85% confidence level, total pit volume, maximum pit depth, mean ratio of surface area, and mean area were significant factors showing linear relationships with UTS. The MLR equation using these three significant factors at a 85% confidence level showed considerable prediction performance for UTS. Determination coefficient (R²) was 0.903 with training and test data sets. The yield strength ratio of 316L stainless steel was found to be around 0.85. All specimens with a pit corrosion presented a yield ratio of approximately 0.85 with R² of 0.998. Therefore, pit corrosion did not affect the yield ratio.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.19-19
• /
• 2011

The appraisals of hydrology model behavior for flow and water quality are generally performed through comparison of simulated data with observed ones. To perform appraisal of hydrology model, some criteria are often used, such as coefficient of determination ($R^2$), Nash and Sutcliffe model efficiency coefficient (NSE), index of agreement (d), modified forms of NSE and d, and relative efficiency criteria NSE and d. These criteria are used not only for hydrology model estimations also for various comparisons of two data sets; This NSE has been often used for SWAT calibration. However, it has been known that the NSE value has some limitations in evaluating hydrology at watersheds under monsoon climate because this statistic is largely affected by higher values in the data set. To overcome these limitations, the SWAT auto-calibration module was enhanced with K-means clustering and direct runoff/baseflow modules. However the NSE is still being used in this module to evaluate model performance. Therefore, the SWAT Auto-calibration module was modified to incorporate alternative efficiency criteria into the SWAT K-means/direct runoff-baseflow auto-calibration module. It is expected that this enhanced SWAT auto-calibration module will provide better calibration capability of SWAT model for all flow regime.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.

• 한국지리정보학회지
• /
• 제22권4호
• /
• pp.39-58
• /
• 2019

본 연구에서는 GPM 위성자료 및 분포형 강우-유출 모형 KIMSTORM2(KIneMatic wave STOrm Runoff Model2)을 이용하여 용담댐 유역(930㎢)을 대상으로 유출모의를 수행하였다. 모형의 유출해석은 2014년 08월 25일 05:00~17:00, 2017년 09월 11일 01:00~12:00, 2018년 06월 26일 23:00~06월 27일 10:00 총 3개의 집중호우 기간으로, 4가지 공간자료: (a) 7개의 지상관측소 강우를 Kriging 기법으로 공간내삽한 자료, (b) 원 GPM 자료, (c) 조건부합성(Conditional Merging, CM)으로 보정한 GPM(CM-GPM) 자료, (d) 지리적편차(Geographical Differential Analysis, GDA)로 보정한 GPM(GDA-GPM) 자료를 각각 준비하였다. 유출 보정은 유역내 3개의 수위관측지점(천천, 동향, 용담댐)을 대상으로 실시하였으며, 4가지 공간자료에 대하여 모형의 매개변수인 초기 토양수분량, 하천 Manning 조도계수, 유효투수계수를 각각 보정하였다. 보정결과는 결정계수(Determination coefficient, R²), Nash-Sutcliffe의 모형효율계수(NSE) 및 유출용적지수(Volume Conservation Index, VCI)를 산정하였다. 그 결과, 3개의 강우에 대한 Kriging, GPM, CM-GPM 및 GDA-GPM의 평균 NSE는 0.94, 0.90, 0.94, 0.94, R2는 0.96, 0.92, 0.97, 0.96, VCI는 1.03, 1.01, 1.03, 1.02로 보정되었다. R², NSE 및 VCI에 있어, CM-GPM과 GDA-GPM이 원 GPM보다 첨두유출량 및 유출용적에 있어 보다 잘 보정되었다.

• 한국식품영양과학회지
• /
• 제32권4호
• /
• pp.544-548
• /
• 2003

매실을 사용하여 초산을 생산하기 위하여 알콜 농도, 발효온도, 당 농도의 3변수와 5수준의 fractional factorial design에 의하여 RSM computer program을 사용하여 최적 발효조건을 조사하였다. 초산함량에 대한 회귀분석결과, $R^2$는 0.9462로 높게 나타났다. 알콜 농도 8.76%, 발효 온도 26.27$^{\circ}C$, 당농도 8.42%에서 발효하는 것이 초산 생성을 위하여 가장 양호하였으며, 이 조건에서의 초산 생성 예상치는 3.23%이었다.

• 한국토양비료학회지
• /
• 제41권1호
• /
• pp.50-54
• /
• 2008

근적외선스펙트로메타는 토양의 성분을 측정하는 새로운 기술로 발전하고 있다. 작물이 요구하는 토양의 인산 함량을 측정하는 데는 시간이 많이 소요되며, 침출액과 침출조건에 따라서 다르기 때문에 어려운 성분이다. 그러나 근적외선 방법을 이용하여 표준곡선을 정확하게만 만들어, 표준곡선 작성 시 Wiliams의 상관계수안내를 이용하면 상관계수의 수치에 따라서 토양의 총인산과 유효인산을 측정하는데 간편하게 이용할 수 있다. 또한 근적외 기술은 정밀도를 향상하면 포장 현지에서의 토양검정에도 쉽게 이용할 수 있는 쉬운 기술로 생각된다.

• 환경영향평가
• /
• 제15권2호
• /
• pp.121-127
• /
• 2006

The conventional water quality measurements by point sampling provide only site specific temporal water quality information but not the synoptic geographic coverage of water quality distribution. To circumvent these limitations in temporal and spatial measurements, the use of remote sensing is increasingly involved in the water quality monitoring research. In other to assess a trophic state of Yongdam reservoir using satellite imagery data, I obtained Landsat ETM data and water quality data on 16th September and 18th October 2001. The approach involved acquisition of water quality samples from boats at 33 sites on 16th September and 30 sites on 18th October 2001, simultaneous with Landsat-7 satellite overpass. The correlation coefficients between the DN values of the imagery and the concentrations of chlorophyll-a were analyzed. The visible bands(band 1,2,3) and near infrared band(band 4) data of September image showed the correlation coefficient values higher than 0.9. The October image showed the correlation coefficient values about 0.7 due to the atmospheric effect and low variation of chlorophyll-a concentration. Regression models between the chrophyll-a concentration and DN values of the Landsat imagery data have been developed for each image. The regression model was determined based on the spectral characteristics of chlorophyll, so the green band(band 2) and near infrared band(band 4) were selected to generate a trophic state map. The coefficient of determination(R2) of the regression model for 16th September was 0.95 and that of the regression model for 18th October was 0.55. According to the trophic state map made based on Aizaki's TSI and chlorophyll-a concentration, the trophic state of Yongdam reservoir was mostly eutrophic state during this study.

• 한국지진공학회논문집
• /
• 제28권4호
• /
• pp.183-191
• /
• 2024

Accurate seismic vulnerability assessment requires high quality and large amounts of ground motion data. Ground motion data generated from time series contains not only the seismic waves but also the background noise. Therefore, it is crucial to determine the high-pass cut-off frequency to reduce the background noise. Traditional methods for determining the high-pass filter frequency are based on human inspection, such as comparing the noise and the signal Fourier Amplitude Spectrum (FAS), f² trend line fitting, and inspection of the displacement curve after filtering. However, these methods are subject to human error and unsuitable for automating the process. This study used a deep learning approach to determine the high-pass filter frequency. We used the Mel-spectrogram for feature extraction and mixup technique to overcome the lack of data. We selected convolutional neural network (CNN) models such as ResNet, DenseNet, and EfficientNet for transfer learning. Additionally, we chose ViT and DeiT for transformer-based models. The results showed that ResNet had the highest performance with R² (the coefficient of determination) at 0.977 and the lowest mean absolute error (MAE) and RMSE (root mean square error) at 0.006 and 0.074, respectively. When applied to a seismic event and compared to the traditional methods, the determination of the high-pass filter frequency through the deep learning method showed a difference of 0.1 Hz, which demonstrates that it can be used as a replacement for traditional methods. We anticipate that this study will pave the way for automating ground motion processing, which could be applied to the system to handle large amounts of data efficiently.