• 정보처리학회논문지B
• /
• 제18B권5호
• /
• pp.291-294
• /
• 2011

적조란 유해조류의 대 번식으로 바다물의 색깔이 변하는 일시적인 자연현상으로 어패류를 집단 폐사 시킨다. 유해 적조류에 의한 국내 수산업 피해가 증가함에 따라서 적조에 대한 많은 연구가 이루어지고 있다. 특히 적조 발생 예측은 적조에 대한 피해를 최소화 시킬 수 있다. 그러나 국내의 적조 현상 예측에 대한 대부분의 연구는 단순히 적조 분류에 집중되어 있어서 적조발생 예측에는 미흡하다. 본 논문은 퍼지 추론을 이용한 새로운 적조발생 예측 방법을 제안한다.

• 한국정보통신학회논문지
• /
• 제15권9호
• /
• pp.1881-1888
• /
• 2011

적조란 유해조류의 일시적인 대 번식인 자연현상으로 어패류를 집단 폐사 시킨다. 적조에 의한 양식어업의 피해는 매년 발생하고 있다. 이 때문에 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해를 최소화 시킬 수 있다. 적조발생 예측시 나이브베이스 분류자를 이용하면 좋은 예측결과를 얻을 수 있다. 그러나 나이브베이스를 이용한 결과는 단순한 발생 여부 만을 판별 할뿐 발생하는 적조가 어느 정도 증가 할지는 알 수 없다. 본 논문은 퍼지 추론과 나이브베이스 분류자를 이용한 새로운 적조발생 예측 방법을 제안한다. 제안방법은 적조 발생 예측의 정확률을 향상시키면서 적조생물 밀도의 증가율을 예측할 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 춘계학술발표대회
• /
• pp.1010-1011
• /
• 2012

적조란 유해조류의 일시적인 대 번식으로 바다를 적색으로 변화시키며 연안 환경 및 바다 생태계에 악영향뿐만 아니라 양식장의 어패류를 집단 폐사 시키는 현상이다. 적조에 의한 양식어업의 피해는 매년 발생하고 있으며 매년 적조방제에 많은 비용을 소비하고 있다. 이 때문에 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해 및 방재 비용을 최소화 시킬 수 있다. 본 논문은 앙상블 학습은 이용한 적조발생 예측 방법을 제안한다. 제안방법은 앙상블 학습의 bagging과 boosting 방법을 이용하여서 적조를 예측의 성능을 향상시킨다. 실험결과 제안방법은 단일 분류기에 비하여서 더 좋은 적조 발생 예측 성능을 보였다.

• 대한전자공학회논문지SP
• /
• 제48권5호
• /
• pp.39-45
• /
• 2011

적조에 의한 양식어업의 피해가 증가함에 따라서 적조에 대한 많은 연구가 이루어지고 있다. 현재 적조에 대한 대부분의 연구는 화학적 특성이나 생물학적 원인 규명에 초점이 맞춰 연구되고 있다. 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해를 최소화 시킬 수 있다. 그러나 국내의 적조 현상 예측에 대한 연구는 단순히 적조발생 판별에 그치는 등 미흡한 실정에 있다. 본 논문은 신경망과 SVM을 이용한 새로운 적조발생 예측 방법을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.294-296
• /
• 2011

적조란 유해조류의 일시적인 대 번식으로 바다물의 색깔이 변하는 자연현상으로 어패류를 집단 폐사시킨다. 적조에 의한 양식어업의 피해가 증가함에 따라서 적조에 대한 많은 연구가 이루어지고 있다. 특히 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해를 최소화 시킬 수 있다. 그러나 국내의 적조 현상 예측에 대한 연구는 단순히 적조발생 판별에 그치는 등 미흡한 실정에 있다. 본 논문은 퍼지 추론을 이용한 새로운 적조발생 예측 방법을 제안한다.

• 대한전자공학회논문지SP
• /
• 제49권1호
• /
• pp.41-48
• /
• 2012

적조란 유해조류의 일시적인 대 번식으로 바다를 적색으로 변화시키며 양식장의 어패류를 집단 폐사 시킬 뿐 아니라 연안환경 및 바다 생태계에 악영향을 미치는 자연 현상이다. 적조에 의한 양식어업의 피해는 매년 발생하고 있으며 매년 적조방제에 많은 비용을 소비하고 있다. 이 때문에 적조 발생을 미리 예측할 수 있으면 적조에 대한 피해 및 방재 비용을 최소화 시킬수 있다. 본 논문은 앙상블 학습은 이용한 적조발생 예측 방법을 제안한다. 제안방법은 앙상블 학습의 bagging과 boosting 방법을 이용하여서 적조를 예측의 성능을 향상시킨다. 실험결과 제안방법은 단일 분류기에 비하여서 더 좋은 적조 발생 예측 성능을 보였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.489-492
• /
• 2006

적조는 90년대 초반에 산발적으로 일어났으나 지구의 기상 온난화로 현재 전 해역을 거쳐 광범위하게 발생하고 있다. 이에 적조 예측 및 모니터링을 위하여 항공관측, 적조부이개발, 적조경보장치 등 많은 연구가 활발히 진행 중이다. 그러나 신속, 광범위하게 적조를 조기에 예측하고 경보발생을 위한 시스템의 연구는 미비한 실정이다. 본 논문은 적조경보시스템을 구축하기 위해 무선센서네트워크를 이용하여 적조데이터베이스를 설계 및 구현 하는데 있다. 각 노드는 GPS, 수온센서, 산소센서, 탁도 센서가 부착되어 있다. 여기에서 측정된 값을 Ad-hoc 네트워크를 통해 데이터베이스에 저장된다. 이 데이터를 통합, 분석하여 적조를 예측하고 경보하게 된다. 그리고 이전에 발생한 적조 범위와 적조 생물, 환경요소 등을 포함하고 있어서 적조 예측을 위해 비교분석자료로 활용된다. 메인 화면은 수백개의 노드에서 전송되는 데이터를 실시간으로 확인하기 위하여 전자지도에 노드의 위치와 측정된 값을 보여준다. 본 연구를 위해 더욱 더 많은 연구가 뒷받침되어야 하지만 적조예측 및 경보를 위한 데이터베이스 구축으로 적조자료를 분석하는데 도움이 되었으면 한다.

• 한국측량학회지
• /
• 제19권2호
• /
• pp.125-135
• /
• 2001

적조에 관한 조사는 육안과 샘플링에 의한 현지조사에 의해 일반적으로 진행되고 있다. 이와 같은 기존의 조사와 분석방법은 적조의 발생과 소멸까지의 경로를 정확하게 예측하기 곤란하였다. 이에 좀더 객관적이고 과학적인 방법으로 적조의 발생과 그 이동경로 등 시·공간적인 환경인자를 분석해 볼 필요성이 대두되고 있다. 본 연구에서는 적조발생에 대한 피해를 최소화하기 위해 원격탐측기법을 적용하였다. 적조의 주요 원인이 되는 해수 온도의 변화, 조류의 변화 등을 자료와 탐측데이터를 활용하였으며, 육지로부터 유입되는 부하 물질 등의 적조원인 데이터를 해석함으로서 남해연안에 발생하는 적조의 현상을 사전에 예측하는 기법을 연구하였으며 그 활용가능성을 제시하고자 하였다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2010년도 정기 학술대회
• /
• pp.137-140
• /
• 2010

본 논문에서는 국내 지진발생 시 비보강 조적조 건축물의 손상상태 예측 및 내진성능 평가를 위해 기존건축물을 대상으로 역량스펙트럼 해석을 수행하였다. 이는 지진피해를 보다 상세하게 예측하고 건축물의 거동을 파악하기 위한 방법으로 국내 설계 지진하중과 부재의 비선형 특성을 적용하여 해석을 수행하였으며 해석 결과는 구조물의 손상상태에 따라 Slight, Moderate, Extensive, Complete 등으로 구분하여 평가하였다. 그 결과 대부분의 건축물에서 약간의 구조적 피해(Slight)와 보통의 구조적 피해(Moderate) 정도로 나타났으며, 일부 건축물에서 심각한 구조적 피해(Extensive)가 발생하는 것으로 예측되었다. 이전 연구에서 비보강 조적조 건축물의 내진성능평가를 위해 구조내진판정지표를 사용하여 내진성능을 판정하였으며 대부분의 비보강 조적조 건축물이 내진성능을 만족하지 못하였다. 본 연구에서는 기존 건축물에 구조내진 판정지표를 적용하고 그 결과를 바탕으로 역량스펙트럼 해석을 함에 따라 보다 상세한 구조물의 피해정도를 예측할 수 있었다.

• 한국전자통신학회논문지
• /
• 제14권6호
• /
• pp.1161-1170
• /
• 2019

본 연구에서는 심층 신경망을 이용하여 Cochlodinium polykrikoides 적조 발생을 예측하는 모델을 제안한다. 적조 발생 예측을 위해 8개의 은닉층을 가진 심층 신경망을 구축하였다. 위성 재분석 자료와 기상수치모델 자료를 이용하여 과거 적조 발생해역의 해양 및 기상인자 총 59개를 추출하여 신경망 모델 학습에 활용하였다. 전체 데이터셋 중 적조 발생 사례는 적조 미발생 사례에 비해 매우 적어 불균형 데이터 문제가 발생하였다. 본 연구에서는 이를 해결하기 위해 과표집화(Over sampling) 기반 데이터 증식(Data augmentation) 기법을 적용하였다. 과거자료를 활용하여 모형의 정확도를 평가한 결과 약 97%의 정확도를 보였다.