• 생물환경조절학회지
• /
• 제32권3호
• /
• pp.190-196
• /
• 2023

본 연구는 등유를 사용하는 농업용 난방기에서 배출되는 가스를 포집하고, 농업용 난방기의 사용 연식에 따른 이산화탄소의 배출농도를 파악하고자 수행되었다. 선형 회귀분석의 결과로 농업용 난방기의 연식에 따른 이산화탄소의 배출량은 R² = 0.84로 y = 26.99x+721.98의 식을 따른다고 나타났다. 농업용 난방기의 사용 연식에 따라 세 그룹으로 분류하여 분산분석을 수행하였다. 분산분석을 수행한 결과, 분석을 위해 설정한 유의확률0.05보다 작은 2.1961×10^-13으로 나타났으며 이는 적어도 한 그룹에서 차이가 나타난다는 것을 의미한다. 본 연구에서는 농업용 난방기의 기본적인 배출농도의 차이를 분석하고자 기기의 제작사와 상관없이 농업용 난방기의 기기 연식만을 고려하여 배출가스 데이터를 수집하였다. 기기의 연소 방식에는 제작사에 따라 연소 방식에 차이가 미미하게 있었을 것으로 판단되며 데이터 변수의 개수가 늘어난다면, SVR(support vector regression) 기반의 선형회귀 분석 등을 실시하여 농업용 난방기의 이산화탄소 데이터가 온실가스발생량 파악에 더욱 활용도가 높아질 것으로 판단된다. 추후 연구에서는 더욱 세분화된 데이터의 수집 방식을 따라 더욱 높은 정확도를 가진 결과값을 도출할 수 있다고 판단된다. 이처럼 우리나라의 농업 분야에서 용도별 온실가스 발생량을 조사하기 위하여 고정형 농기계인 농업용 난방기의 이산화탄소 발생량을 정확히 파악하여 온실가스 배출량 조사에 활용할 수 있을 것으로 판단된다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.573-581
• /
• 2020

CCTV영상과 날씨 정보를 이용하여 미세먼지 농도를 추정하는 기법을 제안하고, 이에 대한 실험을 진행하였다. CCTV영상에 대해서는 특정 지점을 포함하는 일부 영역 영상과, 전체 영역 영상을 가지고 합성곱 신경망 (CNN)기반의 딥러닝 기법을 적용하여 PM 지수를 추정하는 방법을 제안하였다. 추가로 딥러닝에 의해서 예측된 결과 값을 습도 및 풍속 두 가지 날씨 특성과 결합한 뒤, 학습 된 회귀 모델을 사용하여 수정된 미세먼지 지수를 계산하는 후처리 실험도 함께 진행하였다. 실험 결과, CCTV영상으로부터 미세먼지 지수 추정 값은 R2가 0.58~0.89를 나타내었고, 측정기가 설치된 일부 영역 영상과 전체 영역 영상을 함께 학습시킨 결과가 가장 우수하였다. 기상변수를 이용한 후처리 적용결과는 실험지역의 모든 경우에 대하여 항상 정확도 향상을 보여주진 않았다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1423-1431
• /
• 2022

블랙숄즈모형에서 옵션가격을 결정하는 변수 중 기초자산의 변동성은 현재 시점에서는 알 수 없고, 미래시점에 실현된 변동성을 사후에야 알 수 있다. 하지만 옵션이 거래되는 시장에서 관찰되는 가격이 있기 때문에 가격에 내재된 변동성을 역으로 산출한 내재변동성은 현재 시점에 구할 수 있다. 내재변동성을 구하기 위해서는 옵션가격과, 블랙숄즈 모형의 변동성을 제외한 옵션가격결정변수인 기초자산가격, 무위험이자율, 배당률, 행사가격, 잔존기간이 필요하다. 블랙숄즈모형의 변동성은 고정된 상수이나, 내재변동성 산출시 행사가격에 따라 변동성이 다르게 산출되는 변동성스마일현상을 보이기도 한다. 따라서 내재변동성 산출시 옵션 단일 종목이 아닌 시장전반의 변동성을 감안하는 것이 필요하다고 판단하여 본 연구에서는 V-KOSPI지수도 설명변수로 추가하였다. 머신러닝기법 중 지도학습방법을 사용하였으며, Linear Regression 계열, Tree 계열, SVR과 KNN 알고리즘 및 딥뉴럴네트워크로 학습 및 예측하였다. Training성능은 Decision Tree모형이 99.9%로 가장 높았고 Test성능은 Random Forest 알고리즘이 96.9%로 가장 높았다.

• 한국콘텐츠학회논문지
• /
• 제22권7호
• /
• pp.55-62
• /
• 2022

페로브스카이트 태양전지는 4차 산업혁명으로 사물인터넷, 가상환경 등의 증가에 따른 전력 수요가 급증하면서 점진적으로 고갈되어가는 석유, 석탄, 천연가스 등의 화석연료를 대체할 태양에너지, 풍력, 수력, 해양에너지, 바이오에너지, 수소에너지 등의 신재생 에너지 분야에서 연구가 활발한 부분이다. 페로브스카이트 태양전지는 페로브스카이트 구조를 가진 유-무기 하이브리드 물질을 사용하는 태양전지 소자로 고효율, 저가의 용액 및 저온 공정으로 기존의 실리콘 태양전지를 대체할 수 있는 장점들이 있다. 기존의 경험적 방법으로 예측한 광흡수층 박막을 최적화하기 위해서 소자 특성 평가를 통해 신뢰도를 검증해야 한다. 그러나 광흡수층 박막 소자 특성 평가 비용이 많이 소요되므로 시험 횟수에 제약이 따른다. 이러한 문제점을 해결하기 위하여 광흡수층 박막 최적화의 보조 수단으로 머신러닝이나 인공지능 모델을 이용하여 명확하고 타당한 모델의 개발과 적용 가능성이 무한하다고 본다. 이 연구에서는 페로브스카이트 태양전지의 광 흡수층 박막 최적화를 추정하기 위하여 서포트 벡터 머신의 선형 커널, 가우시안 커널, 비선형 다항식 커널, 시그모이드 커널의 회귀분석 모델을 비교하여 커널 함수별 정확도 차이를 검증하였다.