This study suggests the yield forecast model for chilli pepper using artificial neural network. For this, we select the most suitable network models for chilli pepper's yield and compare the predictive power with adaptive expectation model and panel model. The results show that the predictive power of artificial neural network with 5 weather input variables (temperature, precipitation, temperature range, humidity, sunshine amount) is higher than the alternative models. Implications for forecasting of yields are suggested at the end of this study.
This study was carried out to investigate yield loss due to soybean leaf spot disease caused by Cercospora sojina Hara and to determine the economic threshold level. The investigations revealed highly significant correlations between disease severity (diseased leaf area) and yield components (pod number per plant, total grain number per plant, total grain weight per plant, percent of ripened grain, weight of hundred seed, and yield). The correlation coefficients between leaf spot severity and each component were -0.90, -0.90, -0.92, -0.99, -0.90 and -0.94, respectively. The yield was inversely proportional to the diseased leaf area increased. The regression equation, yield prediction model, between disease severity (x) and yield (y) was obtained as y = -3.7213x + 354.99 ($R^2$ = 0.9047). Based on the yield prediction model, economic injury level and economic threshold level could be set as 3.3% and 2.6% of diseased leaf area of soybean.
Magazine of the Korean Society of Agricultural Engineers
/
v.35
no.2
/
pp.73-80
/
1993
A simplified physiologically-based dynamic model, SIMRIW was selected for predicting the growth and yield of rice. The applicability of the model to the rice cultivars and weather conditions in the Republic of Korea was evaluated. Parameters of the model were calibrated using actual rice yields in Suweon region and an optimization scheme, Constrained Rosenbrock Algorithm. The simulated results from the calibrated model were in good agreement with the field data. The model with parameters calibrated for Suweon was applied to other five regions for the evaluation of transferability, but the simulated results fell short of satisfaction. However, the model is found to be applied to real-time prediction of the growth and yield of rice crop, which is believed to be useful for timely rice crop management, agricultural policy making, and optimal irrigation water management.
Various random regression models with different order of Legendre polynomials for permanent environmental and genetic effects were constructed to predict future milk yield of Holstein cows in Korea. A total of 257,908 test-day (TD) milk yield records from a total of 28,135 cows belonging to 1,090 herds were considered for estimating (co)variance of the random covariate coefficients using an expectation-maximization REML algorithm in an animal mixed model. The variances did not change much between the models, having different order of Legendre polynomial, but a decreasing trend was observed with increase in the order of Legendre polynomial in the model. The R-squared value of the model increased and the residual variance reduced with the increase in order of Legendre polynomial in the model. Therefore, a model with $5^{th}$ order of Legendre polynomial was considered for predicting future milk yield. For predicting the future milk yield of cows, 132,771 TD records from 28,135 cows were randomly selected from the above data by way of preceding partial TD record, and then future milk yields were estimated using incomplete records from each cow randomly retained. Results suggested that we could predict the next four months milk yield with an error deviation of 4 kg. The correlation of more than 70% between predicted and observed values was estimated for the next four months milk yield. Even using only 3 TD records of some cows, the average milk yield of Korean Holstein cows would be predicted with high accuracy if compared with observed milk yield. Persistency of each cow was estimated which might be useful for selecting the cows with higher persistency. The results of the present study suggested the use of a $5^{th}$ order Legendre polynomial to predict the future milk yield of each cow.
Yield tables are a frequently used data base for regional timber resource forecasting. A normal yield table is based on two independent variables, age and site (species constant), and applies to fully stocked (or normal) stands while empirical yield tables are based on average rather than fully stocked stands. Normal and empirical yield tables essentially have many limitations. The limitations of normal and empirical yield tables led to the development of variable density yield tables. Mathematical models for estimating timber yields are usually developed by fitting a suitable equation to observed data. The model is then used to predict yields for conditions resembling those of the original data set. It may be accurate for the specific conditions, but of unproven accuracy or even entirely useless in other circumstances. Thus, these models tend to be specific rather than general and require validation before applying to other areas. Dalbergia sissoo forms a major portion of irrigated plantations in the hot desert of India and is an important timber tree species where stem wood is primarily used as timber. Variable density yield model is not available for this species which is very crucial in long-term planning for managing the plantations on a sustained basis. Thus, the objective of this study was to develop variable density yield model based on the data collected from 30 sample plots of D. sissoo laid out in IGNP area of Rajasthan State (India) and measured annually for 5 years. The best approximating model was selected based on the fit statistics among the models tested in the study. The model develop was evaluated based on quantitative and qualitative statistical criteria which showed that the model is statistically sound in prediction. The model can be safely applied on D. sissooo plantations in the study area or areas having similar conditions.
Concrete's compressive strength is widely studied in order to understand many qualities and the grade of the concrete mixture. Conventional civil engineering tests involve time and resources consuming laboratory operations which results in the deterioration of concrete samples. Proposing efficient non-destructive models for the prediction of concrete compressive strength will certainly yield advancements in concrete studies. In this study, the efficiency of using radial basis function neural network (RBFNN) which is not common in this field, is studied for the concrete compressive strength prediction. Complementary studies with back propagation neural network (BPNN), which is commonly used in this field, have also been carried out in order to verify the efficiency of RBFNN for compressive strength prediction. A total of 13 input parameters, including novel ones such as cement's and fly ash's compositional information, have been employed in the prediction models with RBFNN and BPNN since all these parameters are known to influence concrete strength. Three different train: test ratios were tested with both models, while different hidden neurons, epochs, and spread values were introduced to determine the optimum parameters for yielding the best prediction results. Prediction results obtained by RBFNN are observed to yield satisfactory high correlation coefficients and satisfactory low mean square error values when compared to the results in the previous studies, indicating the efficiency of the proposed model.
Jo, Hyun Wook;Kim, Min Kyu;Kim, Ji Yung;Jo, Mu Hwan;Kim, Moonju;Lee, Su An;Kim, Kyeong Dae;Kim, Byong Wan;Sung, Kyung Il
Journal of The Korean Society of Grassland and Forage Science
/
v.41
no.4
/
pp.287-294
/
2021
The objective of this study was conducted to calculate the damage of whole crop maize in accordance with abnormal climate using the forage yield prediction model through machine learning. The forage yield prediction model was developed through 8 machine learning by processing after collecting whole crop maize and climate data, and the experimental area was selected as Gyeonggi-do. The forage yield prediction model was developed using the DeepCrossing (R2=0.5442, RMSE=0.1769) technique of the highest accuracy among machine learning techniques. The damage was calculated as the difference between the predicted dry matter yield of normal and abnormal climate. In normal climate, the predicted dry matter yield varies depending on the region, it was found in the range of 15,003~17,517 kg/ha. In abnormal temperature, precipitation, and wind speed, the predicted dry matter yield differed according to region and abnormal climate level, and ranged from 14,947 to 17,571, 14,986 to 17,525, and 14,920 to 17,557 kg/ha, respectively. In abnormal temperature, precipitation, and wind speed, the damage was in the range of -68 to 89 kg/ha, -17 to 17 kg/ha, and -112 to 121 kg/ha, respectively, which could not be judged as damage. In order to accurately calculate the damage of whole crop maize need to increase the number of abnormal climate data used in the forage yield prediction model.
Journal of the Korean Society of Hazard Mitigation
/
v.11
no.3
/
pp.127-132
/
2011
In this study, calculation results of sediments yield prediction models were compared with the amount of dredging data for the Inje, Gangwon mountain region of Korea. MSDPM and LADMP were used as a sediments prediction model which was calibrated and modified to calculate the sediments yield of Korean mountain region. Both sediments yield prediction models were modified by using Threshold Maximum Rainfall Intensity and Total Minimum Rainfall Intensity and correction coefficient. After comparing with the amount of dredging, it was found that results of MSDPM is more accurate than the results of LADMP. Difference of results of MSDPM and the amount of dredging is 27.6% and difference of results of LADMP and the amount of dredging is 50.6%. Both sediments yield prediction models which were calibrated in this study can be used to calculate the sediments yield for the Korean mountain region.
This paper presents an elastoplastic analysis for spent nuclear fuel disposal container and its 50 cm thick bentonite buffer to predict the collapse of the container while the horizontal asymmetric sudden rock movement of 10 cm is applied on the composite structure. This sudden rock movement is anticipated by the earthquake etc. at a deep underground. Elastoplastic material model is adopted. Drucker-Prager yield criterion is used for the material yield prediction of the bentonite buffer and von-Mises yield criterion is used for the material yield prediction of the container. Analysis results show that even though very large deformations occur beyond the yield point in the bentonite buffer, the container structure still endures elastic small strains and stresses below the yield strength. Hence, the asymmetric 50 cm thick bentonite buffer can protect the container safely against the 10 cm sudden rock movement by earthquake etc.. Analysis results also show that bending deformations occur in the container structure due to the shear deformation of the bentonite buffer. The finite element analysis code, NISA, is used for the analysis.
In this study, a deep learning model was developed to predict the yield of cabbage and radish, one of the five major supply and demand management vegetables, using satellite images of Landsat 8. To predict the yield of cabbage and radish in Gangwon-do from 2015 to 2020, satellite images from June to September, the growing period of cabbage and radish, were used. Normalized difference vegetation index, enhanced vegetation index, lead area index, and land surface temperature were employed in this study as input data for the yield model. Crop yields can be effectively predicted using satellite images because satellites collect continuous spatiotemporal data on the global environment. Based on the model developed previous study, a model designed for input data was proposed in this study. Using time series satellite images, convolutional neural network, a deep learning model, was used to predict crop yield. Landsat 8 provides images every 16 days, but it is difficult to acquire images especially in summer due to the influence of weather such as clouds. As a result, yield prediction was conducted by splitting June to July into one part and August to September into two. Yield prediction was performed using a machine learning approach and reference models , and modeling performance was compared. The model's performance and early predictability were assessed using year-by-year cross-validation and early prediction. The findings of this study could be applied as basic studies to predict the yield of field crops in Korea.
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.