• 한국축산식품학회지
• /
• 제32권1호
• /
• pp.118-124
• /
• 2012

본 연구는 햄 및 소시지류에서의 Clostridium perfringens에 대한 정량적 미생물 위해평가(Quantitative microbial risk assessment; QMRA)를 국제기준(Codex)의 원칙과 지침에 따라 수행하였으며, 오염수준에 대한 직접적인 분석결과와 현재의 국내 유통환경, 관련제품의 특성, 섭취량 및 소비행태 등을 반영한 노출평가용 "product-retail-consumption pathway" frame-work 모델을 구성하였고, 이를 바탕으로 엑셀(Excel)기반 노출평가용 시뮬레이션 모델을 개발하여 제시하였다. 개발된 모델을 시뮬레이션 프로그램인 @RISK를 활용하여 위해(risk) 수준을 산출하였으며, 그 결과 국내에서 1일 1인이 햄 및 소시지류의 섭취를 통한 Cl. perfringens에 의한 식중독발생 확률은 평균적으로 $3.97{\times}10^{-11}{\pm}1.80{\times}10^{-9}$으로 추정하였다. 또한 본 연구에서 수행한 QMRA결과를 바탕으로 현재수준에서의 한계점과 미래에 더욱 발전된 국내 QMRA 연구 및 활용을 위한 제언을 추가하였다

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.136-136
• /
• 2021

In this study, a deep convolutional neural network (DCNN) model is proposed for short-term precipitation forecasting using weather radar-based images. The DCNN model is a combination of convolutional neural networks, autoencoder neural networks, and U-net architecture. The weather radar-based image data used here are retrieved from competition for rainfall forecasting in Korea (AI Contest for Rainfall Prediction of Hydroelectric Dam Using Public Data), organized by Dacon under the sponsorship of the Korean Water Resources Association in October 2020. This data is collected from rainy events during the rainy season (April - October) from 2010 to 2017. These images have undergone a preprocessing step to convert from weather radar data to grayscale image data before they are exploited for the competition. Accordingly, each of these gray images covers a spatial dimension of 120×120 pixels and has a corresponding temporal resolution of 10 minutes. Here, each pixel corresponds to a grid of size 4km×4km. The DCNN model is designed in this study to provide 10-minute predictive images in advance. Then, precipitation information can be obtained from these forecast images through empirical conversion formulas. Model performance is assessed by comparing the Score index, which is defined based on the ratio of MAE (mean absolute error) to CSI (critical success index) values. The competition results have demonstrated the impressive performance of the DCNN model, where the Score value is 0.530 compared to the best value from the competition of 0.500, ranking 16^th out of 463 participating teams. This study's findings exhibit the potential of applying the DCNN model to short-term rainfall prediction using weather radar-based images. As a result, this model can be applied to other areas with different spatiotemporal resolutions.

• 한국수자원학회논문집
• /
• 제36권4호
• /
• pp.691-703
• /
• 2003

본 논문에서는 유역과 강우특성을 통합하여 오염물질 부하량을 계산할 수 있는 접근방법을 제시하였다. 이 기법의 기본적인 개념은 특정유역에서 강우시 발생하는 오염물질의 유량 가중평균 농도, 즉 EMC 변화는 오로지 강우패턴에 의해 결정된다는 가정에 기초하고 있다. 이러한 가정은 적어도 유역의 토지이용에 급격한 변화가 없고(적어도 강우가 집중되는 경작기간동안) 점 오염원이 적은 농촌유역에서는 타당하다. 따라서, 다양한 농촌유역과 강우 패턴 조건에서 조사된 많은 EMC 자료가 있다면 EMC와 토지이용, 그리고 강우특성 사이의 유용한 경험적인 관계식을 도출할 수 있을 것이다. 이러한 목적을 달성하기 위하여 9개의 서로 다른 유역에서 51개의 독립적인 강우사상에서 조사된 EMC 자료를 이용하여 강우시 발생하는 EMC 값을 예측할 수 있는 도구를 개발하였다. 통계학적인 검토결과 개발된 경험식은 실제 측정한 EMC 값을 양호한 수준에서 예측할 수 있는 것으로 판명되었을 뿐만 아니라 EMC 자료와 유효 강우량에 기초하여 강우일, 주, 월, 년 단위의 부하량을 산출이 가능하였다. 또한, EMC 값과 유효 강우량에 의해 계산된 부하량으로부터 산출한 원 단위를 기존의 잘 알려진 경험적 원 단위와 비교 평가하였다.