• 한국통신학회논문지
• /
• 제37C권9호
• /
• pp.811-820
• /
• 2012

GNSS 신호는 구조가 개방되어 있을 뿐만 아니라 수신 신호 세기가 미약하여 전파교란에 취약하다. 이에 따라 전파교란에 대한 영향 분석 및 대응 기법에 대한 연구의 필요성이 증대되고 있다. 본 논문에서는 실제 전파교란 환경과 유사한 환경에서의 전파교란 영향 분석을 위하여 6가지 전술 환경에 대한 전파 전파 모델과 이동체의 수신환경을 고려한 동체 차단 모델을 설계 하였다. 전파전파 모델은 도심지역, 농촌지역, 수풀지역, 해안지역, 황무지, 눈/얼음 지역에 대해서 Two-ray 모델을 이용하여 설계 하였다. 동체 차단 모델은 안테나가 이동체에 의하여 받는 영향과 사용자가 직접 입력한 안테나 패턴을 이용하여 모델링하였다. 전파교란이 없는 정상 환경과 전파교란 환경에 대하여 이동체의 수신환경을 고려한 GNSS 신호 생성기의 출력은 상용수신기(NordNav)를 이용하여 검증 하였다. 정상 환경에서는 사용자의 항법 성능이 상용 H/W 신호 생성 시뮬레이터(STR4500)과 유사한 것을 확인하였다. 전파교란 환경에서는 이동체 위치에 따른 동체 차단 효과 및 전파교란 신호에 의한 GNSS 신호 획득 및 추적 손실이 정확히 반영됨을 확인 하였다.

• 한국농림기상학회지
• /
• 제15권1호
• /
• pp.50-58
• /
• 2013

일 최고기온 및 최저기온에 의해 구동되는 개화생리모형에 근거하여 개나리, 진달래, 벚꽃의 온도시간을 추정하고 이를 이용하여 기후변화에 따른 미래 봄꽃 개화일의 지리적 분포를 한반도 전 지역을 대상으로 파악하고자 하였다. RCP8.5 기반의 한반도 전역 12.5km 해상도 일별 기온전망자료를 이용하여 미래 3개 평년(2011-2040, 2041-2070, 2071-2100)의 개화일을 예측하고 이를 기준평년(1971-2000)의 실측 분포와 비교하였다. 봄꽃 3종 모두 지속적으로 개화시기가 앞당겨지고 기준평년에는 개화 불가능지역으로 분류되는 양강도와 개마고원까지 미래에는 개화가 가능해질 것으로 전망된다. 가까운 미래인 2011-2040 평년에는 봄꽃 3종 모두 지역에 따라 최소 3~5일에서 최대 10~11일까지 개화시기가 단축될 것으로 예상된다. 중간 미래인 2041-2100 기간에는 최소 9~11일부터 최대 23~24일까지 개화시기가 단축되고, 먼 미래인 2071-2100 평년이 되면 개나리와 진달래는 최소 17~19일에서 최대 36~38일까지 평균 25일이 줄어들며, 벚꽃개화는 평균 26일이 단축될 것으로 전망된다. 개화일 단축일수는 내륙 산간지대보다 해안도서 및 평야지대에서 커지는 경향이다.

• 환경영향평가
• /
• 제33권2호
• /
• pp.53-63
• /
• 2024

생물다양성은 환경영향평가 제도의 목표에 중요한 부문으로, 개발대상지 입지 선정, 주변 환경 파악 및 교란으로 인한 생물종 영향 등에서 활용되고 있다. 환경영향평가 분야에서 새로운 기술과 모델을 활용하여 생물다양성을 보다 정확하게 평가하고 예측하는 방안에 대한 연구가 많이 진행되고 있다. 비록 현장, 문헌조사를 통한 데이터를 바탕으로 종 풍부도 지수를 평가하고 있으나, 현장 데이터는 시·공간적으로 미흡하므로 고해상도의 종 풍부도 매핑을 통한 기초자료를 활용함으로서, 모니터링 실효성 문제 해결이 필요하다. 따라서 본 연구에서는 제4차 전국자연환경조사 데이터와 환경변수를 바탕으로 Random forest 모델을 활용하여 종 분포모형을 개발하였다. 해당 모델은 24종의 포유류 종 분포 매핑 결과를 species richness index를 활용하여 100m 해상도의 종 풍부도 매핑 결과를 도출하였다. 연구 결과, 종 분포모형은 평균 0.82의 AUC값으로 우수한 예측 정확도를 보였다. 또한, 전국자연환경조사 데이터와 비교결과, 고 해상도의 종 풍부도 매핑 결과의 종 풍부도 분포는 정규분포의 형태를 가지고 있어 환경영향평가에서의 기초자료로 사용함에 있어 신뢰성이 높다. 본 연구의 분석결과는 추후 도시개발과 사업을 함에 있어 생물다양성 평가, 서식지 보전 등에 새로운 참고자료로 활용될 수 있을 것으로 사료된다.

• 농업생명과학연구
• /
• 제53권3호
• /
• pp.147-157
• /
• 2019

In this study, we tried to find out the most appropriate pre-processing method and to verify the feasibility of developing a low-price sensing system for predicting the hardy kiwis sugar content based on VNIRS and subsequent spectral analysis. A total of 495 hardy kiwi samples were collected from three farms in Muju, Jeollabukdo, South Korea. The samples were scanned with a spectrophotometer in the range of 730-2300 nm with 1 nm spectral sampling interval. The measured data were arbitrarily separated into calibration and validation data for sugar content prediction. Partial least squares (PLS) regression was performed using various combinations of pre-processing methods. When the latent variable (LV) was 8 with the pre-processing combination of standard normal variate (SNV) and orthogonal signal correction (OSC), the highest R2 values of calibration and validation were 0.78 and 0.84, respectively. The possibility of predicting the sugar content of hardy kiwi was also examined at spectral sampling intervals of 6 and 10 nm in the narrower spectral range from 730 nm to 1200 nm for a low-price optical sensing system. The prediction performance had promising results with R2 values of 0.84 and 0.80 for 6 and 10 nm, respectively. Future studies will aim to develop a low-price optical sensing system with a combination of optical components such as photodiodes, light-emitting diodes (LEDs) and/or lamps, and to locate a more reliable prediction model by including meteorological data, soil data, and different varieties of hardy kiwi plants.

• 정보보호학회논문지
• /
• 제30권6호
• /
• pp.1043-1052
• /
• 2020

시그니처 기반 악성코드 탐지는 제로데이 취약점을 이용하거나 변형된 악성코드를 탐지하지 못하는 한계가 있다. 이를 극복하기 위해 N-gram을 이용하여 악성코드를 분류하는 연구들이 활발히 수행되고 있다. 기존 연구들은 높은 정확도로 악성코드를 분류할 수 있지만, Spectre와 같이 짧은 코드로 동작하는 악성코드는 식별하기 어렵다. 따라서 본 논문에서는 Spectre 공격 바이너리를 효과적으로 식별할 수 있도록 함수 단위 N-gram 비교 알고리즘을 제안한다. 본 알고리즘의 유효성을 판단하기 위해 165개의 정상 바이너리와 25개의 악성 바이너리에서 추출한 N-gram 데이터셋을 Random Forest 모델로 학습했다. 모델 성능 실험 결과, 25개의 Spectre 악성 함수의 바이너리를 99.99% 정확도로 식별했으며, f1-score는 92%로 나타났다.

• Geomechanics and Engineering
• /
• 제25권1호
• /
• pp.1-16
• /
• 2021

Machine learning models have been widely used for landslide susceptibility assessment (LSA) in recent years. The large number of inputs or conditioning factors for these models, however, can reduce the computation efficiency and increase the difficulty in collecting data. Feature selection is a good tool to address this problem by selecting the most important features among all factors to reduce the size of the input variables. However, two important questions need to be solved: (1) how do feature selection methods affect the performance of machine learning models? and (2) which feature selection method is the most suitable for a given machine learning model? This paper aims to address these two questions by comparing the predictive performance of 13 feature selection-based machine learning (FS-ML) models and 5 ordinary machine learning models on LSA. First, five commonly used machine learning models (i.e., logistic regression, support vector machine, artificial neural network, Gaussian process and random forest) and six typical feature selection methods in the literature are adopted to constitute the proposed models. Then, fifteen conditioning factors are chosen as input variables and 1,017 landslides are used as recorded data. Next, feature selection methods are used to obtain the importance of the conditioning factors to create feature subsets, based on which 13 FS-ML models are constructed. For each of the machine learning models, a best optimized FS-ML model is selected according to the area under curve value. Finally, five optimal FS-ML models are obtained and applied to the LSA of the studied area. The predictive abilities of the FS-ML models on LSA are verified and compared through the receive operating characteristic curve and statistical indicators such as sensitivity, specificity and accuracy. The results showed that different feature selection methods have different effects on the performance of LSA machine learning models. FS-ML models generally outperform the ordinary machine learning models. The best FS-ML model is the recursive feature elimination (RFE) optimized RF, and RFE is an optimal method for feature selection.

• 품질경영학회지
• /
• 제50권3호
• /
• pp.459-471
• /
• 2022

Purpose: The purpose of this study was to increase prediction accuracy for an anomaly interval identified using an artificial intelligence-based time series anomaly detection technique by establishing a pre-processing process. Methods: Significant variables were extracted by applying feature selection techniques, and anomalies were derived using the TadGAN time series anomaly detection algorithm. After applying machine learning and deep learning methodologies using normal section data (excluding anomaly sections), the explanatory power of the anomaly sections was demonstrated through performance comparison. Results: The results of the machine learning methodology, the performance was the best when SHAP and TadGAN were applied, and the results in the deep learning, the performance was excellent when Chi-square Test and TadGAN were applied. Comparing each performance with the papers applied with a Conventional methodology using the same data, it can be seen that the performance of the MLR was significantly improved to 15%, Random Forest to 24%, XGBoost to 30%, Lasso Regression to 73%, LSTM to 17% and GRU to 19%. Conclusion: Based on the proposed process, when detecting unsupervised learning anomalies of data that are not actually labeled in various fields such as cyber security, financial sector, behavior pattern field, SNS. It is expected to prove the accuracy and explanation of the anomaly detection section and improve the performance of the model.

• 한국농림기상학회지
• /
• 제14권1호
• /
• pp.11-18
• /
• 2012

월별 기후통계량의 조화해석에 의해 생성한 일 기온 자료가 생물계절모형의 입력자료로서 적합한지 여부를 평가하여 농림업 부문 기후시나리오 응용정보 제작 상오류를 제거하기 위해 본 연구를 수행하였다. 서울관측소의 1971-2000 평년 월별 일 최고기온과 최저기온 평균값으로부터 조화해석에 의해 365일 간 기온자료를 생성하였다. 이것을 널리 검증된 온도시간 기반의 벚꽃 개화모형에 입력하여 휴면, 발아, 개화 등 주요 식물계절을 추정하였다. 같은 기간 중 실측기온자료에 의해 모형을 구동시켜 얻은 결과와 비교한 바, 연차변이를 전혀 반영하지 못하는 것은 물론, 휴면해제 25일 단축, 강제 휴면기간 57일 연장, 발아 14일 지연, 개화 13일 지연등 평균값도 크게 달라 식물계절을 크게 왜곡시키는 것으로 판단되었다. 대안으로서 확률추정기법에 의해 일기상자료를 생성하고 이를 이용하여 모형을 구동한 결과 실측결과에 비해 휴면해제 6일 단축, 강제휴면기간 10일 단축, 발아 3일 지연, 개화 2일 지연 등으로 조화해석자료 사용에 비해 크게 개선되었음을 확인하였다. 연차변이양상 역시 실측기온에 의한 모의결과와 크게 다르지 않아, 향후 이 자료를 농업부문 전자기후도 제작에 적용하면 기후변화 적응정책 수립을 실용수준에서 지원할 수 있을 것으로 보인다.

• 한국자원식물학회지
• /
• 제28권1호
• /
• pp.101-110
• /
• 2015

부안지역 소나무 집단의 화분유동과 교배양식 모수를 추정하기 위하여 7개 microsatellite 표지로 모수, 주변 성목 및 종자에 대한 유전변이를 분석하였다. 이형접합도 기대치($H_e$)와 근교계수(F)는 각각 모수에서 0.614과 0.018, 종자에서 0.624과 0.087이며, 각 세대간에 차이는 없었다(P > 0.05). MLTR로 추정한 타가교배율($t_m$)은 0.967이며, 양친간 근연계수($t_m-t_s$)는 0.057, 부계상관($r_p$)은 0.012로 나타났다. 기존에 보고된 소나무의 동위효소 분석 결과에 비하여 타가교배율은 높고 근친교배 및 부계상관은 낮았으나, microsatellite 표지를 이용한 소나무류의 결과들과는 유사하였다. TwoGener로 추정한 최적 화분비산 모델은 유효밀도(d = 220 trees/ha)를 가정한 정규확산모델로 판명되었으며, 평균 화분비산거리(${\delta}$)는 11.42 m로 계산되었다. 화분원 유전적 분화(${\Phi}_{ft}$)는 0.021이며, Mental 검증에서 모수간 지리적 거리와 화분원의 유전적 분화는 상관성이 없는 것으로 나타났다(r = -0.141, P > 0.05). 부안지역 소나무 집단은 대부분의 화분이 가까운 거리에서 공급되지만, 화분수의 유전다양성이 높고 화분원의 유전적 차이가 작은 상태로 추정된다. 이러한 조건에서 완전한 임의교배가 이루어지기 때문에 종자의 유전자형이 다양하며 세대간 유전변이의 감소가 없는 것으로 사료된다.

• Journal of Ecology and Environment
• /
• 제29권3호
• /
• pp.227-235
• /
• 2006

강원도 평창군 일대에서 화전 후 묵밭의 식생 천이에 따른 식생 구조의 발달 과정과 종다양성의 변화를 조사하였다. 방치 후 경과 년 수에 따라 최상층부의 키는 초기에 빠르게 증가하고 후기에 안정화하는 경향을 나타내었다. 10, 20, 50 및 80 년차 묵밭에서 최상층부 식생의 키는 각각 4, 8, 18 및 18 m이었다. 교목층, 아교목층, 관목층 및 초본층의 4층 구조를 갖춘 완전한 형태의 숲으로 발달하기까지는 방치 후 약 35년이 경과해야 하는 것으로 추정되었다. 방치 후 경과 년 수에 따라 식생치 Ivc는 로그 함수적으로 그리고 식생치 Hcl은 직선적으로 증가하는 경향이 있었다. 묵밭의 식생천이에서 종다양성은 천이 중기인 $10{\sim}20$년차에서 최고로 증가한 다음 이후 점차 감소하는 경향을 나타내었다. 본 조사지에서 종다양성은 균등도보다 종풍부도와 매우 밀접한 상관을 나타내었다. 대부분의 목본은 개망초-쑥 단계인 $2{\sim}6$년차에 정착이 이루어져 시간 경과에 따라 이들의 우점도가 변화함으로써 Egler (1954)의 초기 종조성 모델을 따르는 것으로 확인되었다.