• 한국토양비료학회지
• /
• 제39권5호
• /
• pp.259-267
• /
• 2006

수리 전도도는 수리구배에 대한 플럭스의 비율을 나타내며, 포화된 토양에서의 물의 이동이 포화수리전도도이고 불포화된 토양에서의 이동이 불포화수리전도도이다. 일반적인 밭 상태에서의 토양수분 조건은 불포화수리전도도로 표시하는 것이 적절하나 그 상태를 표현하기가 쉽지 않다. 토양의 불포화 상태를 나타내는데 가장 많이 쓰이고 있는 VGM(van Genuchten Mualem) 모형은 토양수분 포텐셜과 수분함량의 함수로 구성된 모형이며 몇 가지 매개변수가 필요하다. VGM 모형의 매개변수를 얻기 위해 본 연구에서는 VGM 모형의 매개변수를 계산해주는 프로그램인 Rosetta를 사용하였다. Rosetta 모형은 신경그물 얼개(neural network)를 이용하여 토양의 물리적 자료들인 토성이나 모래, 미사, 점토 함량 또는 용적밀도나 33 kPa, 1500 kPa에서의 토양수분 함량 자료를 가지고 VGM의 매개변수인 Ko(effedive saturated hydraulic conductivity), ${\theta}r$(residual soil water content), ${\theta}s$(saturated soil water content), L, n, m(=1-1/n)을 예측하는 모형으로 미국 농무성(USDA-ARS)에서 개발한 프로그램이다. Rosetta를 이용하여 10kPa에서의 불포화수리전도도를 예측하였다. 또한 Gardner와 Wooding의 모형을 기반으로 하여 만들어진 장력침투계의 포화수리전도도 값을 Gardner식에 적용하여 1, 3, 5, 7 kPa에서의 불포화수리전도도 값을 17개 토양통을 대상으로 하여 구했다. 토양수분 potential이 3 kPa에서는 물의 이동이 거의 없는 토양들이 있었는데 반해 남계통을 비롯한 학곡통, 회곡통, 백산통, 상주통, 석천통, 예산통 등 7개의 토양은 3 kPa에서도 약간의 물의 이동이 있었다. 또한, 1 kPa에서 물의 이동은 삼각통에서 $40.8{\times}10^{-5}cm{\cdot}sec^{-1}$로 이동 속도가 가장 컸으며 그 뒤로 예산통, 화봉통, 학곡통, 백산통 등이 토양에서 빠른 속도로 이동하였다. 가천통이나 석천통 및 우곡통은 1 kPa에서의 이동 속도가 아주 느린 토양으로 판단되었다. PTF와 VG모형에 의해 얻어진 10 kPa에서의 수분함량 예측 값을 VGM 모형에 적용해 불포화수리전도도를 구했을 때, VG모형에 의한 예측 값은 존재하는 반면 PTF에 의한 값은 결측 값이 존재해 그 적용에 한계가 있었다. 그리고 1 kPa에서 불포화 수리전도도를 VGM 모형으로 예측한 값과 측정된 값을 Gardner 모형으로 해석한 값을 비교했을 때 자갈이 없는 토양에서는 일정한 경향(exponential 함수)이 존재한 반면, 자갈이 있는 토양에서는 경향을 발견할 수가 없었다. 이상의 결과로 불포화 수리전도도 특성평가에 대한 VGM 모형의 적용성을 살펴보았을 때는 우리나라와 같이 경사지가 많고 토심이 깊지 않으면서 자갈함량이 많은 토양에서는 한계가 있을 것으로 판단되었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.180-188
• /
• 2006

수리 전도도는 hydraulic gradient에 대한 flux의 비율 또는, flux-hydraulic gradient 직선의 기울기를 나타내며, 포화된 토양에서의 물의 이동이 포화수리 전도도이고 불포화된 토양에서의 이동이 불포화수리전도도이다. 일반적인 밭 상태에서의 토양수분 조건은 불포화수리 전도도로 표시하는 것이 적절하나 그 상태를 표현하기가 쉽지 않다. 토양의 불포화 상태를 나타내는데 가장 많이 쓰이고 있는 VGM(van Genuchten Mualem) 모형은 토양수분 포텐셜과 수분함량의 함수로 구성된 모형이며 몇 가지 매개변수가 필요하다. VGM 모형의 매개변수를 얻기 위해 본 연구에서는 VGM 모형의 매개변수를 계산해주는 프로그램인 Rosetta를 사용하였다. Rosetta 모형은 신경그물 얼개(neural network)를 이용하여 토양의 물리적 자료들인 토성이나 모래, 미사, 점토 함량 또는 용적밀도나 33kPa, 1500kPa에서의 토양수분 함량 자료를 가지고 VGM의 매개변수인 Ko(effective saturated hydraulic conductivity), ${\theta}r$(residual soil water content), ${\theta}s$(saturated soil water content), L, n, m(=1-1/n)을 예측하는 모형으로 미국 농무성(USDA-ARS)에서 개발한 프로그램이다. Rosetta를 이용하여 10kPa에서의 불포화수리 전도도를 예측하였다. 또한 Gardner(1958)와 Wooding (1968)의 모형을 기반으로 하여 만들어진 tension infiltrometer의 포화수리 전도도 값을 Gardner 식에 적용하여 1, 3, 5, 7kPa에서의 불포화수리 전도도 값을 17개 토양통을 대상으로 하여 구했다. 토양수분 potential이 3kPa에서는 물의 이동이 거의 없는 토양들이 있었는데 반해 남계통을 비롯한 학곡통, 회곡통, 백산통, 상주통, 석천통, 예산통 등 7개의 토양은 3kPa에서도 약간의 물의 이동이 있었다. 이는 모암이 화강 편마암인 관계로 토양 내에 물의 이동에 영향을 미치는 자갈의 함량이 높았기 때문일 것으로 생각되고 추후의 연구에서는 이 부분에 대한 내용도 검토되어야 할 것이다. 또한, 1kPa에서 물의 이동은 삼각통에서 35.21 cm/day로 이동 속도가 가장 컸으며 그 뒤로 예산통, 화봉통, 학곡통, 백산통 등이 토양에서 빠른 속도로 이동하였다. 가천통이나 석천통 및 우곡통은 1kPa에서의 이동 속도가 아주 느린 토양으로 판단되었다. 또한, 포화되지 않은 상태인 1kPa에서 물의 이동 속도를 VGM 모형에 의해 예측된 값과 측정된 값으로 비교하였을 때 불포화 수리 전도도가 예측되지 않은 토양(석천통, 지곡통, 풍천통)이 존재하여 불포화 수리 전도도 특성평가에 대한 VGM 모형의 적용성에 문제를 보였다. 이는 결과적으로 논이라는 영농형태가 존재하는 우리나라에서 토양의 수리적 특성해석을 위한 VGM 모형의 적용성에 한계가 있을 것으로 판단되었다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -1
• /
• pp.690-693
• /
• 2002

According to the growth of communication biz, embedded market rapidly developing in domestic and overseas. Embedded system can be used in various way such as wire and wireless communication equipment or information products. There are lots of developing performance applying speech recognition to embedded system, for instance, PDA, PCS, CDMA-2000 or IMT-2000. This study implement minimum memory of speech recognition engine and DB for apply real time embedded system. The implement measure of speech recognition equipment to fit on embedded system is like following. At first, DC element is removed from Input voice and then a compensation of high frequency was achieved by pre-emphasis with coefficients value, 0.97 and constitute division data as same size as 256 sample by lapped shift method. Through by Levinson - Durbin Algorithm, these data can get linear predictive coefficient and again, using Cepstrum - Transformer attain feature vectors. During HMM training, We used Baum-Welch reestimation Algorithm for each words training and can get the recognition result from executed likelihood method on each words. The used speech data is using 40 speech command data and 10 digits extracted form each 15 of male and female speaker spoken menu control command of Embedded system. Since, in many times, ARM CPU is adopted in embedded system, it's peformed porting the speech recognition engine on ARM core evaluation board. And do the recognition test with select set 1 and set 3 parameter that has good recognition rate on commander and no digit after the several tests using by 5 proposal recognition parameter sets. The recognition engine of recognition rate shows 95%, speech commander recognizer shows 96% and digits recognizer shows 94%.