This study estimated the predictive onion yield through Stepwise regression of big data and weather variables by onion growing season. The economic feasibility of onion observations using big data was analyzed using estimated predictive data. The social welfare effect was estimated through the model of Harberger's triangle using onion yield prediction with big data and it without big data. Predicted yield using big data showed a deviation of -9.0% to 4.2%. As a result of estimating the social welfare effect, the average annual value was 23.3 billion won. The average annual value of social welfare effects if big data was not used was measured at 22.4 billion won. Therefore, it was estimated that the difference between the social welfare effect when the prediction using big data was used and when it was not was about 950 million won. When these results are applied to items other than onion items, the effect will be greater. It is judged that it can be used as basic data to prove the justification of the agricultural observation project. However, since the simple Harberger's triangle theory has the limitation of oversimplifying reality, it is necessary to evaluate the economic value through various methods such as measuring the effect of agricultural observation under a more realistic rational expectation hypothesis in future studies.
본 연구는 이자율 스프레드 혹은 이자율 스프레드의 각 구성요소인 기대 스프레드와 기간 프리미엄의 경기 예측력에 관한 1990년대 이후 선행연구를 서베이하고, 한국의 국고채 현물이자율 데이터를 이용하여 이자율 스프레드 및 각 구성요소의 산업생산 증가율, 소비자물가 상승률, 생산갭 등에 대한 예측력에 관한 실증분석을 수행하였다. 먼저 주로 미국 경제를 대상으로 한 선행 연구들을 서베이한 결과 이자율 스프레드는 주요 경제변수들에 대하여 유의한 예측력을 갖고 있으나 1980년대 중반 이후 인플레이션 타깃팅 강화 경향 등에 따라 이자율 스프레드의 경기 예측력이 저하되고 있는 것으로 나타났다. 다음으로 한국 데이터를 대상으로 산업생산 증가율, 소비자물가 상승률, 생산갭 등에 대한 이자율 스프레드 및 각 구성요소의 예측력을 분석한 결과, 특히 이자율 스프레드의 구성요소 중 기간 프리미엄이 유의한 예측력을 갖는 것으로 나타났다. 이자율 스프레드를 이용하여 표본외 분석을 수행한 결과, 예측방정식이 구조적으로 불안정한 것으로 나타났으며, 특히 산업생산지수 예측에 있어서 이자율 스프레드의 분해가 유의한 기여를 하는 것으로 나타났다.
Grzesiak, Wilhelm;Zaborski, Daniel;Szatkowska, Iwona;Krolaczyk, Katarzyna
Animal Bioscience
/
제34권4호
/
pp.770-782
/
2021
Objective: The aim of the present study was to compare the effectiveness of three approaches (the seasonal auto-regressive integrated moving average [SARIMA] model, the nonlinear autoregressive exogenous [NARX] artificial neural networks and Wood's model) to the prediction of milk yield during lactation. Methods: The dataset comprised monthly test-day records from 965 Polish Holstein-Friesian Black-and-White primiparous cows. The milk yields from cows in their first lactation (from 5 to 305 days in milk) were used. Each lactation was divided into ten lactation stages of approximately 30 days. Two age groups and four calving seasons were distinguished. The records collected between 2009 and 2015 were used for model fitting and those from 2016 for the verification of predictive performance. Results: No significant differences between the predicted and the real values were found. The predictions generated by SARIMA were slightly more accurate, although they did not differ significantly from those produced by the NARX and Wood's models. SARIMA had a slightly better performance, especially in the initial periods, whereas the NARX and Wood's models in the later ones. Conclusion: The use of SARIMA was more time-consuming than that of NARX and Wood's model. The application of the SARIMA, NARX and Wood's models (after their implementation in a user-friendly software) may allow farmers to estimate milk yield of cows that begin production for the first time.
본 연구는 기계학습을 통한 수량예측모델을 이용하여 이상기상에 따른 WCM의 DMY 피해량을 산출하기 위한 목적으로 수행하였다. 수량예측모델은 WCM 데이터 및 기상 데이터를 수집 후 가공하여 8가지 기계학습을 통해 제작하였으며 실험지역은 경기도로 선정하였다. 수량예측모델은 기계학습 기법 중 정확성이 가장 높은 DeepCrossing (R2=0.5442, RMSE=0.1769) 기법을 통해 제작하였다. 피해량은 정상기상 및 이상기상의 DMY 예측값 간 차이로 산출하였다. 정상기상에서 WCM의 DMY 예측값은 지역에 따라 차이가 있으나 15,003~17,517 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 DMY 예측값은 지역 및 각 이상기상 수준에 따라 차이가 있었으며 각각 14,947~17,571 kg/ha, 14,986~17,525 kg/ha 및 14,920~17,557 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 피해량은 각각 -68~89 kg/ha, -17~17 kg/ha 및 -112~121 kg/ha 범위로 피해로 판단할 수 없는 수준이었다. WCM의 정확한 피해량을 산출하기 위해서는 수량예측모델에 이용하는 이상기상 데이터 수의 증가가 필요하다.
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.
This study was conducted to determine the time and methods of predicting tobacco yield, by studying the relationship of yield components to yield. 1. The relationship between each position in leaf dry weight and approached gradually each other and also correlation coefficient of top leaf was higher than that of lower leaf. The leaf dry weight per plant was highly correlated with leaf area from 16th leaf position on stalk. Leaf dry weight of each leaf position on stalk was highly correlated with leaf dry weight per plant at 14 to 16th leaf position. 2. The correlation coefficient between leaf dry weight and leaf area per plant was higher at the late growth stage than at the early growth stage, and higher between the near stages. Correlation coefficient between leaf dry weights was higher than that of leaf areas. 3. Flue-cured tobacco yield be estimated from leaf dry weight per plant at 50 to 55 days after transplanting. 4. Air-cured tobacco yield could be predicted from leaf dry weight per plant at 60 days after transplanting.
Managing erosion control dams requires the annual average sediment yield to determine their storage capacity and time to full sediment-fill and dredging. The GeoWEPP (Geo-spatial interface for Water Erosion Prediction Project) model can predict the annual average sediment yield from various land uses and vegetation covers at a watershed scale. This study assessed the GeoWEPP to determine the annual average sediment yield for managing erosion control dams by applying it to five erosion control dams and comparing the results with field observations using ground-based LiDAR (light detection and ranging). The modeling results showed some differences with the observed sediment yields. Therefore, GeoWEPP is not recommended to determine the annual average sediment yield for erosion control dams. Moreover, when using the GeoWEPP, the following is recommended :1) use the US WEPP climate files with similar latitude, elevation and precipitation modified with monthly average climate data in Korea and 2) use soil files based on forest soil maps in Korea. These methods resulted in GeoWEPP predictions and field observations of 0 and 63.3 Mg·yr-1 for the Gangneung, 142.3 and 331.2 Mg·yr-1 for the Bonghwa landslide, 102.0 and 107.8 Mg·yr-1 for the Bonghwa control, 294.7 and 115.0 Mg·yr-1 for the Chilgok forest fire, and 0 and 15.0 Mg·yr-1 for the Chilgok control watersheds. Application of the GeoWEPP in Korea requires 1) building a climate database fit for the WEPP using the meteorological data from Korea and 2) performing further studies on soil and streamside erosion to determine accurate parameter values for Korea.
Journal of information and communication convergence engineering
/
제21권1호
/
pp.82-89
/
2023
Various machine-learning models may yield high predictive power for massive time series for time series prediction. However, these models are prone to instability in terms of computational cost because of the high dimensionality of the feature space and nonoptimized hyperparameter settings. Considering the potential risk that model training with a high-dimensional feature set can be time-consuming, we evaluate a feature-importance-based feature selection method to derive a tradeoff between predictive power and computational cost for time series prediction. We used two machine learning techniques for performance evaluation to generate prediction models from a retail sales dataset. First, we ranked the features using impurity- and Local Interpretable Model-agnostic Explanations (LIME) -based feature importance measures in the prediction models. Then, the recursive feature elimination method was applied to eliminate unimportant features sequentially. Consequently, we obtained a subset of features that could lead to reduced model training time while preserving acceptable model performance.
본 시험은 초음파를 이용한 한우의 도체육량등급 예측율을 향상시키기 위하여 24개월령 거세한우 573두를 대상으로 출하직전에 체중측정과 함께 실시간 초음파 진단기를 이용하여 도체형질을 측정하였다. 초음파 측정치와 도체 실측치와의 비교분석에서 도출된 다양한 육량예측 기법을 이용하여 도체육량등급을 예측하였고, 그 결과를 요약하면 다음과 같다. 등지방 두께와 배최장근 단면적의 도체 실측치와 초음파 측정치간의 차이는 각각 0.6$\pm$1.65mm와 0.7$\pm$5.56cm2로 나타났다. 등지방 두께 및 배최장근 단면적의 초음파 측정치와 도체 실측치간의 상관계수는 각각 0.86 및 0.82로 높게 나타났다(p<0.001). 도체육량등급 예측율은 육량지수 산식, 등지방 보정식, 중회귀 분석 및 의사결정나무 분석에서 각각 80.3%, 81.3%, 80.1% 및 81.8%를 보여, 의사결정나무 분석이 예측율과 활용성이 가장 높은 것으로 나타났다.
본 연구는 국가산림자원조사 자료를 활용하여 피나무림의 임지생산력지수와 수확예측모델을 도출하기 위하여 수행되었다. 피나무의 임지생산력을 알 수 있는 지위지수는 Schumacher 모델로서 파라미터를 도출하였으며, 이 결과로서 지위지수분류곡선도를 작성하였다. 국내 피나무림 지위지수 분포는 8~16 범위에 있는 것으로 나타났다. 임령을 설명변수로하여 흉고직경과 수고를 추정하는 생장모델은 Chapman-Richards 모델과 Weibull 모델을 이용하여 각각 도출하였다. 추정 모델의 적합도는 각각 0.32, 0.11로 나타나 일반적으로 볼 때 낮은 값이었으나, 추정식의 잔차가 "0"을 중심으로 고르게 분포하여 식을 적용하는데는 문제가 없을 것으로 판단되었다. 피나무림의 임분축적 변화에는 흉고단면적과 지위지수가 가장 큰 영향을 미치는 것으로 나타났다. 이 두 가지 인자를 적용시켜 피나무림의 수확모델을 도출하였으며, 모델에 대한 설명력은 약 94%로 높게 나타났다. 그리고 이들 수확모델의 잔차에 대한 정규성 및 자기상관 등에 대해서도 검증한 결과 문제가 없는 것으로 나타났다. 최종적으로 피나무림의 생장모델과 수확모델을 이용하여 임시로 활용할 수 있는 임분수확표를 제작하였으며, 이 자료에 의하면 피나무림이 70년생이 될 때, ha당 축적은 약 208 m3 이 될 것으로 예측되었다. 본 연구의 결과가 밀원자원 및 목재로서 활용가치가 높은 피나무림에 대한 경영의사결정에 도움이 되기를 기대한다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.