• 한국유기농업학회지
• /
• 제25권3호
• /
• pp.555-567
• /
• 2017

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.

• 식물병연구
• /
• 제19권3호
• /
• pp.196-200
• /
• 2013

콩 점무늬병이 수량에 미치는 영향을 평가하고 경제적 방제수준을 설정하고자 본 시험을 수행하였다. 점무늬병 발병정도와 주당 협수, 주당 총립수, 주당 총립중, 등숙률, 100립중 및 수량과의 상관계수는 각각 -0.90, -0.90, -0.92, -0.99, -0.90, -0.94로 통계적으로 고도의 유의성을 나타내었다. 콩 점무늬병의 병반면적률이 증가됨에 따라 수량은 반비례하여 감소하였는데, 콩 점무늬병 발병정도(x)에 따른 수량(y) 예측모델을 산출한 결과, 회귀식은 y = -3.7213x + 354.99($R^2$= 0.9047)로 고도의 부의 상관이 있었다. 이 회귀식을 토대로 경제적 피해허용수준은 병반 면적률 3.3%, 경제적 방제수준(ET)은 병반면적율 2.6%로 설정할 수 있었다.

• 한국농공학회지
• /
• 제35권2호
• /
• 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.

• Asian-Australasian Journal of Animal Sciences
• /
• 제19권7호
• /
• pp.915-921
• /
• 2006

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.

• Journal of Forest and Environmental Science
• /
• 제28권4호
• /
• pp.205-211
• /
• 2012

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.

• Computers and Concrete
• /
• 제29권 6호
• /
• pp.433-444
• /
• 2022

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.

• 한국초지조사료학회지
• /
• 제41권4호
• /
• pp.287-294
• /
• 2021

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.

• 한국방재학회 논문집
• /
• 제11권3호
• /
• pp.127-132
• /
• 2011

본 연구에서는 강원도 인제군 산간지역에 대해 토사량 예측모형을 이용하여 산정한 토사량과 실제 준설량을 비교하였다. MSDPM과 LADMP를 한국지형에 맞게 보정하고 수정하여 사용하였다. 두 식 모두 토사 유발 강우강도와 토사 유발 강우량 개념을 도입하였으며 보정계수를 사용하여 식을 보정하였다. 계산 결과와 준설량을 비교한 결과, MSDPM의 계산결과가 LADMP보다 더 잘 일치하는 것으로 나타났다. MSDPM의 계산결과는 준설량과 약 27.6% 절대치 차이가 났으며 LADMP의 계산결과는 준설량과 약 50.6%의 절대치 차이를 나타냈다. 본 연구에서 보정된 두 개의 토사량 예측모형은 우리나라 산간지역의 토사량 예측을 위해서 사용 가능할 것으로 판단된다.

• 소성∙가공
• /
• 제12권5호
• /
• pp.479-486
• /
• 2003

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.

• 대한원격탐사학회지
• /
• 제39권5_3호
• /
• pp.1031-1042
• /
• 2023

인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.