• 한국잠사곤충학회지
• /
• 제41권2호
• /
• pp.108-115
• /
• 1999

An improvement of methods in fibroin hydrolysates preparat significantly enlarges their applications to practical use. Acidic hydrolysis by hydrohloric acid is one of the methods for silk fibroin depolymeriza6tion. A low yield of final product and long time of the process are the demerits of this method. Possibility of preparation of water-soluble silk hydrolysates with more yield and less expenses is investigated in this study. Such possibility is occurred with the increasing tratment temperature and simultaneously decreasing treatment time, concentration of hydrochoric acid respectively, the concentration of sodium hydroxide used for neutraliza6tion of hydolysates after hydrolysis. Colour is decreased in this case and a small amount of activated, too. Protection of hydrolysates against precipitation after neutraliza6tion, and separation and during concentrating process is the other merit of this method. Creamy-coloured insoluble silk powder is the remainder of hydrolyzed fibroin. This is the only the immobiliza6tion of enzymes and other physiological active substances. Fine particles of this powder can be used as additives for artificial diets and cultural media, as well as raw materials for polymer membranes, etc.

• 한국미생물·생명공학회지
• /
• 제38권2호
• /
• pp.216-221
• /
• 2010

본 연구는 탄산칼슘형성세균을 이용하여 시멘트-모래 모르타르의 압축강도증진 및 균열보수의 응용에 연구의 목적이 있다. 독도로부터 분리한 7가지의 탄산칼슘형성세균을 16S rDNA 염기서열을 이용하여 동정했다. 고체배지상의 콜로니 주변부에 형성되는 광물결정을 확인했다. Urea-$CaCl_2$ 배지에서 형성되는 광물의 모양은 종 특이적인 것을 확인했다. Arthrobacter nicotinovorans KNUC601, Microbacterium resistens KNUC602, Agrobacterium tumefaciens KNUC603, Exiguobacterium acetylicum KNUC604, 및 Bacillus thuringiensis KNUC606균주는 인위적으로 만든 모르타르 균열부위를 메우는 것을 확인했다. Stenotrophomonas maltophilia KNUC605가 혼입된 시멘트-모래 모르타르는 음성대조구에 비해 14.7%정도 강도가 증가됐다.

• 한국농공학회논문집
• /
• 제61권6호
• /
• pp.123-132
• /
• 2019

This study is to estimate the spatial soil moisture using Terra MODIS (Moderate Resolution Imaging Spectroradiometer) satellite data and machine learning technique. Using the 3 years (2015~2017) data of MODIS 16 days composite NDVI (Normalized Difference Vegetation Index) and daily Land Surface Temperature (LST), ground measured precipitation and sunshine hour of KMA (Korea Meteorological Administration), the RDA (Rural Development Administration) 10 cm~30 cm average TDR (Time Domain Reflectometry) measured soil moisture at 78 locations was tested. For daily analysis, the missing values of MODIS LST by clouds were interpolated by conditional merging method using KMA surface temperature observation data, and the 16 days NDVI was linearly interpolated to 1 day interval. By applying the RNN-LSTM (Recurrent Neural Network-Long Short Term Memory) artificial neural network model, 70% of the total period was trained and the rest 30% period was verified. The results showed that the coefficient of determination ($R^2$), Root Mean Square Error (RMSE), and Nash-Sutcliffe Efficiency were 0.78, 2.76%, and 0.75 respectively. In average, the clay soil moisture was estimated well comparing with the other soil types of silt, loam, and sand. This is because the clay has the intrinsic physical property for having narrow range of soil moisture variation between field capacity and wilting point.

• 한국토양비료학회지
• /
• 제43권6호
• /
• pp.771-775
• /
• 2010

전라북도 장수군 오미자 자생지 토양 및 환경특성을 평가하기 위해 식생, 입지환경 및 토양조사를 수행한 결과는 다음과 같다. 오미자는 고도 500~700 m의 준산간지 산록 북서쪽 방향의 계곡에 자생하고 있으며, 경사도는 17.6~36.4%, 토층은 마사토와 부엽토가 쌓여 배수가 용이한 지반이 형성된 지역에 주로 분포하는 것으로 나타났다. 오미자 자생지 식물상은 34과 55종으로 나타났다. 갯버들은 거의 모든 조사지점에서 분포하였으며, 칡, 싸리, 옻나무, 쑥과 같은 식물의 세력이 자생지 내에서 왕성한 것으로 나타났다. 오미자 자생지 토양의 화학적인 지표는 우리나라 일반 오미자 인공재배 토양과 비교시 식물영양물질이 풍부하고 완충능력이 더 우수한 것으로 조사되었다. 따라서 오미자 인공재배 적지분석 및 기후변화에 따른 재배지역 이동에 따른 재배기술 확립시 자생지 토양특성을 고려한 합리적인 토양관리가 필요할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제55권7호
• /
• pp.495-504
• /
• 2022

최근 인공지능의 발전으로 시계열 자료 분석에 효과적인 Long Short-Term Memory (LSTM) 모델이 댐유입량 예측의 정확도를 높이는 데 활용되고 있다. 본 연구에서는 그 중 LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence (s2s) 구조에 Attention 기법을 LSTM 모델에 첨가하여 소양강댐 유역의 유입량을 예측하였다. 분석 데이터는 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 자료를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 일반적으로 더 좋은 성능을 보였으며, attention 첨가 모델이 첨두값도 더 잘 예측하는 모습을 보였다. 그리고 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량에는 어려움이 있었다. 이를 통해 시간 단위 예측의 어려움에도 불구하고, LSTM-s2s에 attention까지 첨가한 모델이 기존 LSTM-s2s의 예측 성능을 향상할 수 있음을 알 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.320-320
• /
• 2023

강우 데이터는 수문기상, 환경, 농업, 자연재해, 그리고 수자원 시스템 분야에서 가장 필수적인 기본 요소 중 하나이다. 또한 강우 데이터는 수문학적 분석에서 활용되는 필수 입력 자료 중 하나로 관측 데이터의 품질에 따라 수문 모형을 이용한 모의 결과물의 정확도가 결정된다고 할 수 있다. 따라서, 강우 관측소별로 강우 데이터의 품질을 어떻게 관리하느냐에 따라 수문 모형의 활용 범위 및 수자원 관리의 효율성이 결정될 수 있다. 강우의 시공간적 변동성은 수 많은 인자들과 직간접적으로 연계되어 있기 때문에 미계측 강우 자료에 대해 직접 관측이 아닌 수치 모형을 이용하여 강우의 발생과 강우량을 산정하는 것은 매우 복잡한 과제 중 하나이다. 현재 국내에서 운용되고 있는 강우 관측소의 경우에도 미계측 된 강우 데이터가 존재함으로써 강우 데이터의 활용에 제한이 생기는 경우가 있다. 따라서, 이러한 미계측 데이터의 추정 및 보완은 보다 효과적인 수재해 방지, 수자원 관리를 위한 필수 과제 중 하나이다. 일반적으로, 미계측 강우를 산정하기 위해서 Kriging, Thiessen, 등우선법, 그리고 역거리 관측법 등 다양한 수문학적 방법들이 적용되고 있다. 이러한 방법들은 산악효과나 강우 관측소의 분포 상태 등을 고려하지 못하기 때문에 측정하는 지역에 따라 강우 추정 오차가 커질 수 있다는 한계가 있다. 최근에는 데이터 관측 시스템과 빅데이터 기술의 발전과 활용 가능한 데이터의 양이 증가함에 따라 머신러닝을 활용한 사례가 증가하고 있다. 머신러닝은 데이터 사이의 관계를 기반으로 분류, 회귀, 그리고 예측 문제에 주로 사용되는 기법 중 하나이다. 따라서, 본 연구에서는 광주광역시 지역에 위치한 주요 강우 관측 지점들을 대상으로 미계측 된 시강우 데이터를 추정 및 복원하고자 한다. 여기서 데이터 추정 기술이란 미계측 강우의 발생 유무 및 강우량을 추정할 수 있는 기술을 의미한다. 이를 위해 대표적인 머신러닝 알고리즘인 인공신경망(Artificial Neural Network) 및 랜덤포레스트(Random Forest)를 적용하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.292-292
• /
• 2023

본 연구에서는 인공신경망을 이용한 통계적 모형을 구성하여 금강권역의 봄철(3~5월) 강수량 예측을 수행하였다. 통계적 모형의 예측인자로서는 NOAA 등에서 제공하는 AAO, AMM, AO 등 36종의 기후지수와 대상권역인 금강권역의 강수량, 기온 등의 기상인자 8종 등 총 44종의 기후지수를 활용하였다. 예측대상기간을 기준으로 선행기간(1~18개월)에 따른 상관성을 분석하여 상관도가 높은 10개의 기후지수를 예측인자로 선정하였다. 예측모형 형태는 10개의 입력층과 1개의 은닉층으로 되어 있는 인공신경망모형을 구성하였다. 모형 구성과정에서의 불확실성을 최소화하고 예측모형의 적합도를 높이기 위해 예측대상기간을 기준으로 과거 40년간의 자료에 대해 임의로 20년간 자료를 선별하여 모형을 구성하고, 너머지 기간에 대해 검증하는 무작위 교차검증을 반복하여, 예측대상기간 및 예측시점에 따라 각각 적합도가 높은 1000개의 예측모형을 선별하였다. 과거기간(1991~2022년)을 대상으로 예측시점에 따라 각 연도별 1000개의 예측결과를 도출하여, 실제 해당년도의 관측값과의 비교를 통해 예측성을 분석하였다. 예측성은 크게 예측치의 최대값과 최소값 범위 및 예측치의 25%~75% 범위 안에 관측치가 포함될 확률, 그리고 과거 관측값의 3분위 구간을 기준으로 한 예측확률 등을 평가하였다. 관측치가 예측치의 범위 안에 포함될 확률은 평균 87.5%, 예측치의 25~75% 범위 안에 포함될 확률은 30.2%로 나타났으며, 3분위 예측확률은 35.6%로 분석되었다. 관측값과의 일대일 비교는 정확도가 떨어지지만 3분위 예측확률이 33.3% 이상인 점으로 볼 때 예측성은 확보된다고 볼 수 있다. 다만, 우리나라 강수량의 불규칙성과 통계적 모형 특성상 과거 관측되지 않은 패턴에 대해서는 예측이 어려운 문제가 있어, 특정년도의 예측결과가 관측치를 크게 벗어나는 경우도 종종 나타나고 있다.

• Communications for Statistical Applications and Methods
• /
• 제30권2호
• /
• pp.119-133
• /
• 2023

With the rapid growth of the economy and fossil fuel consumption, the concentration of air pollutants has increased significantly and the air pollution problem is no longer limited to small areas. We conduct statistical analysis with the actual data related to air quality that covers the entire of South Korea using R and Python. Some factors such as SO₂, CO, O₃, NO₂, PM₁₀, precipitation, wind speed, wind direction, vapor pressure, local pressure, sea level pressure, temperature, humidity, and others are used as covariates. The main goal of this paper is to predict air quality index (AQI) spatio-temporal data. The observations of spatio-temporal big datasets like AQI data are correlated both spatially and temporally, and computation of the prediction or forecasting with dependence structure is often infeasible. As such, the likelihood function based on the spatio-temporal model may be complicated and some special modelings are useful for statistically reliable predictions. In this paper, we propose several methods for this big spatio-temporal AQI data. First, random effects with spatio-temporal basis functions model, a classical statistical analysis, is proposed. Next, neural networks model, a deep learning method based on artificial neural networks, is applied. Finally, random forest model, a machine learning method that is closer to computational science, will be introduced. Then we compare the forecasting performance of each other in terms of predictive diagnostics. As a result of the analysis, all three methods predicted the normal level of PM_2.5 well, but the performance seems to be poor at the extreme value.

• 대기
• /
• 제34권2호
• /
• pp.177-185
• /
• 2024

As increasing global interest in renewable energy due to the ongoing climate crisis, there is a growing need for efficient technologies to manage such resources. This study focuses on the predictive skill of daily solar power generation using weather observation and forecast data. Meteorological data from the Korea Meteorological Administration and solar power generation data from the Korea Power Exchange were utilized for the period from January 2017 to May 2023, considering both inland (Daejeon) and coastal (Busan) regions. Temperature, wind speed, relative humidity, and precipitation were selected as relevant meteorological variables for solar power prediction. All data was preprocessed by removing their systematic components to use only their residuals and the residual of solar data were further processed with weighted adjustments for homoscedasticity. Four models, MLR (Multiple Linear Regression), RF (Random Forest), DNN (Deep Neural Network), and RNN (Recurrent Neural Network), were employed for solar power prediction and their performances were evaluated based on predicted values utilizing observed meteorological data (used as a reference), 1-day-ahead forecast data (referred to as fore1), and 2-day-ahead forecast data (fore2). DNN-based prediction model exhibits superior performance in both regions, with RNN performing the least effectively. However, MLR and RF demonstrate competitive performance comparable to DNN. The disparities in the performance of the four different models are less pronounced than anticipated, underscoring the pivotal role of fitting models using residuals. This emphasizes that the utilized preprocessing approach, specifically leveraging residuals, is poised to play a crucial role in the future of solar power generation forecasting.

• 한국지구과학회지
• /
• 제28권4호
• /
• pp.478-490
• /
• 2007

우리나라 서, 남해안에 지하수의 해수침투 현상을 관측하기 위해 설치된 관측망 자료를 이용하여, 해당지역별 대수층을 통한 해수침투의 유형을 분석하였다. 분석에 이용된 관측정은 25개 해안지역 소유역의 총 45개 암반관정으로, 지하수위, 수온, 전기전도도를 대상으로 기본통계분석, 상관성 분석 및 변동유형 분류를 수행하였다. 분석 결과 지하수위의 경우 강우 영향을 받거나 양수에 의한 수위강하가 나타나는 관측정에서 큰 폭으로 변동하고 있다. 지하수온은 대부분의 경우 변동폭이 $0.2^{\circ}C$ 이내로 안정적인 특징을 보여주고 있으며, 전체적으로 평균 온도가 $15^{\circ}C$ 이상으로 나타났다. 전기전도도의 경우 상대적으로 변동폭이 크고 불규칙한 특징을 가지고 있으며, 평균값이 $2,000\;{\mu}S/cm$ 이내의 관측정이 28개, $10,000\;{\mu}S/cm$를 초과하는 관측정은 9개소로 나타났다. 교차상관도 분석에 의하면, 지하수위는 강우의 영향을 받아 변동하는 형태가 많았지만 수온과 전기전도도는 상대적으로 강우의 영향이 없는 것으로 나타났다. 조석의 경우에는 일부 관측정에서 강우에 의한 영향보다 높은 교차상관도가 나타났다. 본 연구에서는 장기관측자료를 변동형태에 따라 정상형, 추세형, 주기형, 충동형, 계단형, 경사형 등 6가지로 분류하였다. 지하수위의 경우 강우나 양수의 영향을 받는 충동형이 가장 많은 73.3%이며, 조석의 영향은 13.4%에 해당되었다. 지하수온의 경우 변동폭이 일정한 정상형태가 51.2로 가장 높게 나타났으며, 강우나 양수에 의한 충동형이 26.7%에 해당되었다. 전기전도도의 경우는 지하수위나 지하수온과 달리 추세형, 계단형, 경사형 등의 변동형태가 우세한 것으로 나타났다. 전체적으로 동일한 해안지역에 설치된 관측정별로 관측자료의 변동 특성이 상이한 경우가 나타남에 따라, 향후 각 소유역별로 관측정 자료의 정기적인 변동 경향성을 분석하는 것이 필요하다.