• 응용통계연구
• /
• 제28권5호
• /
• pp.977-990
• /
• 2015

우리나라는 세계적으로 배달음식 문화가 가장 많이 발달한 나라 중에 하나로 최근에는 일인가구의 증가와 배달앱 시장의 발달과 함께 그 성장 속도 또한 눈부시게 증가하고 있다. 따라서 배달음식 이용에 큰 영향을 미칠 것으로 예상되는 날씨와 날짜별 변수를 고려하여 시간대별 배달음식 이용건수를 예측함으로써 소비자와 생산자 모두에게 이익을 주는 예측모형을 찾고자 한다. 본 연구의 목적은 다양한 데이터마이닝 기법을 이용하여 2014년도 배달음식 통화건수를 예측하는데 있다. 예측에 사용되는 회귀 모형은 선형회귀모형, 랜덤 포레스트, 그래디언트 부스팅, 서포트 벡터 기계, 신경망, 로지스틱 회귀모형으로 총 6가지이다. 고려되는 배달음식 업종은 총 4가지(족발/보쌈정식, 중국음식, 치킨, 피자)로 크게 두 가지 방법을 이용하여 각 업종별 배달음식 이용건수를 예측하였다. 첫 번째 방법은 총 이용건수와 각 업종별 배달음식 이용비율을 곱하여 각 업종별 배달음식 이용건수를 예측하는 것이고, 두 번째 방법은 각 업종별 모형을 세워 각 업종별 배달음식 이용건수를 예측하는 방법이다. 최종적으로 선택된 모형은 방법 1에서는 신경망 모형과 선형회귀모형이며, 방법 2에서는 신경망 모형이었다. 방법 2보다는 방법 1로 구한 결과가 더 예측력이 좋은 것으로 나타났다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2013년도 추계 학술발표논문집
• /
• pp.26-27
• /
• 2013

산림생태계의 에너지, 물질, 정보의 교환 과정과 그 변화를 이해하려면 먼저 생태계의 구조와 기능이 어떻게 상호작용하는지를 이해해야 한다. 생태계의 기능은 한, 두 가지의 특징에 의해서만 이루어지는 것이 아니다. 그렇기 때문에 그 기능을 파악하고 적절히 이용하거나 대응하기 위해서는 한 생태계와 주변 환경 전체를 바라볼 수 있는 시스템 사고가 필요하다. 이에 우리는 생태계의 '구조'를 파악함으로써 생태계의 '상태'를 이해하고자 한다. 본 연구에서는 Ruddell and Kumar (2009)의 접근법을 따라, 어떻게 한 생태계의 상태를 파악할 수 있는가라는 질문을 광릉활엽수림에 적용하여 답하고자 한다. 즉, 우리는 산림생태계가 열린 복잡계라고 가정하고, 생태계 내에서 다양한 프로세스들 간의 시시각각 변하는 네트워크의 구조가 각 시점의 시스템의 상태를 나타내는 지표가 될 수 있다고 가정하였다. 이 연구에서는 그 구조적 특징을 정량화하여 나타내는데 초점을 맞추었다. 각각의 프로세스를 대표하는 상태 변수들 간의 정보 흐름의 양과 방향, 시간 규모를 계산해냄으로써 네트워크 구조를 파악하고자 하였다. 온대 산악지형 활엽수림인 GDK의 2008년 순생태계교환량(NEE), 총일차생산량(GPP), 생태계호흡량(RE), 현열플럭스(H), 잠열플럭스(LE), 하향단파복사(Rg), 강수량(Precipitation), 기압(Pressure), 기온(T), 포차(VPD)의 시계열 자료를 월별로 나누어 최장 18 시간 규모의 정보 흐름을 계산하였다. 정보 흐름의 구조를 파악하기 위하여 변수들 간의 전이엔트로피(Transfer entropy)와 상호정보(Mutual Information)를 계산하는 방법을 사용하였다. 또한 시계열 자료를 이용함으로써 변수들 간에 정보가 전달되는 시간 규모의 특성을 파악할 수 있었다. 최종적으로, 계산한 정보 흐름을 시각화하여 프로세스 네트워크 구조를 나타내었다. 결과는 월별로 생태계의 정보 흐름의 종류, 방향과 시간 규모, 그에 따른 프로세스 간 상호 작용의 특징 등을 보여준다. 이를 통해 계절적 환경 변화에 따라 시스템의 네트워크 구조와 상태가 어떻게 변화하는지 이해할 수 있을 것이다. 이 연구는 추후 우리 연구실에서 생산한 8 년 자료에 적용함으로써 다양한 날씨 및 기후변화와 환경 변화에 따라 생태계의 구조와 상태가 어떻게 변화하는지 연구하는 시작점이 될 것이다. 이 접근법은 단위나 차원에 무관하게 다양한 종류의 자료에 적용할 수 있는 반면에, 일관성 있게 정의된 시스템의 상태 및 그 상태를 구성하는 주요 하부 시스템들의 네트워크 상태를 이해하는데 이용될 수 있다. 본 연구는 비평형 열역학과 복잡계의 관점에서 바라 본 시스템 사고를 적용하려 하는 여러 연구 분야에 새로운 도전을 촉발할 좋은 선행연구가 될 것이라 기대된다.

• 대한토목학회논문집
• /
• 제41권3호
• /
• pp.305-316
• /
• 2021

건설사고는 근로자의 부주의, 안전장비 미착용, 안전규칙 미준수 등 다양한 요인이 복합적으로 작용해 발생할 수 있다. 건설사고를 유발하는 여러 요인 중 야외작업이 많은 건설업의 특성상 기상 조건은 건설사고 발생 요인 중 하나가 될 수 있다. 과거 발생한 건설사고 데이터는 사고예방을 위한 좋은 자료로 활용될 수 있지만, 건설업 재해사례 데이터는 자연어로 기술된 텍스트형태로 제공되기 때문에 건설업 재해사례 데이터에서 건설공사 위험요소(Hazard)를 추출하는 것은 많은 시간과 비용이 발생한다. 따라서, 본 연구에서는 텍스트마이닝을 이용해 국내에서 발생한 2,026건의 건설업 재해사례 텍스트데이터에서 건설공사 위험요소를 추출하고 빈도 분석(Frequency analysis)과 중심성 분석(Centrality analysis)을 통해 건설공사 위험요소의 계절별 중요도분석을 수행했다. 국토교통부에서 정의한 254개 건설공사 위험요소 중 51개 위험요소를 건설사고 텍스트데이터에서 추출했으며, 분석결과 봄, 가을은 거푸집, 여름은 비계, 겨울은 크레인이 계절별 가장 중요한 위험요소로 나타났다. 제안방법은 날씨, 계절, 기후 관련 건설사고 안전대책 마련에 활용될 수 있다.

• 한국자원식물학회:학술대회논문집
• /
• 한국자원식물학회 2023년도 임시총회 및 춘계학술대회
• /
• pp.3-3
• /
• 2023

우리나라 딸기는 시설재배 발전과 품종개발로 겨울을 대표하는 과일로 변신하였다. 이는 저온단일에서 꽃이 만들어져 착과되는 생태적(일계성)특성 때문이다. 우리나라의 딸기 정식기는 95%이상이 촉성작형으로 9월 중순 정식한 후 11월 하순부터 이듬해 5월 하순까지 약 6개월간 수확한다. 반대로 여름작형은 고온장일에서 꽃이 만들어져 착과되는 사계성 품종을 이용하는데 우리나라 500m 이상의 산간 고랭지에서 3-4월에 정식한 후 6월부터 11월까지 수확하지만 생산량은 전체의 0.3% 미만이다. 또한 여름딸기는 제과용으로만 사용되고 있어 6월부터 11월 사이에 신선딸기의 단경기가 발생된다. 이러한 문제를 재배적으로 해결하기 위해 일계성 품종을 이용하여 겨울부터 봄까지 포기냉장한 후 여름과 가을에 꺼내어 정식하면 45일 내외에 수확하는 주냉장 억제작형을 시도하였으나 우리나라에선 실용성이 떨어져 사라져간 기술이다. 그러나 네덜란드는 우리나라와 같은 주냉장기술을 활용(Waiting bed system, Table top system)하여 여름과 가을철에도 딸기를 생산하고 있다. 이 작형은 냉장기간이 길고 재배기술도 까다로울 뿐만아니라 1화방만 수확하여 수량성이 낮은 단점이 있다. 한편 미국에서는 일계성 품종이 품질은 좋으나 고온기에 꽃대발생이 어렵고 사계성은 품질이 떨어지는 단점을 극복하기 위해 일장의 길이와 관계없이 꽃대가 형성되는 중일성 딸기 품종을 보급하여 세계적으로 가장 많은 재배면적을 점유하고 있다. 연중생산이 가능한 중일성 품종을 개발하기 위해 먼저 유전자원을 수집하였고 품질이 좋은 일계성 품종을 중일성 품종과 교배하여 채종하였다. 교배종자를 파종하여 묘를 만든 후 정식하여 실생개체를 선발한 결과 고온장일 조건에서 개화되는 사계성(중일성)율은 약 10-20% 범위로 매우 낮았다. 선발된 우량계통은 영양번식을 통해 증식하여 생산력, 특성, 지역적응성 검정과정을 통해 품종을 개발하였다. 이렇게 단교잡에 의한 중일성 품종 선발육종은 선발율이 0.05%으로 매우 낮았다. 이렇게 우리나라 최초의 중일성딸기 '고슬' 품종이 개발되었다. 이 '고슬'은 9월부터 수확이 가능한데 이 때의 딸기 가격이 kg당 20,000원 이상으로 높으며, 수확기간은 '설향'보다 4개월 더 길게 재배가 가능하다. 연중재배를 위해서는 항상 8-25℃의 범위을 유지해야 품질이 높아지므로 재배관리가 중요하다. 흰가루병에는 저항성이 있으나 시들음병과 탄저병에는 약하고 당도와 경도가 높고, 향이 매우 진하다. 식물공장에서 매우 인기가 있는데 안정된 꽃대발생과 대과, 고당도와 함께 수술의 화분량이 많아 수정이 잘되는 특성으로 식물공장 사업이 확장되고 있는 중동나라에서도 로열티 계약(UAE 등)이 예정되어 있다. 1년 연중 개화되고 착과되는 특성으로 가정에서 기르는 반려식물로도 인기가 있다. 또한 아열대 고랭지대는 항상 서늘한 날씨이기 때문에 한번 정식후 1년 연중생산이 가능하여 2023년 베트남과 로열티 계약(1.6억원)을 하였다. 또한 '고슬'은 우리나라 신선딸기 수출 단경기에 생산되어 주년생산 수출체계에도 기여할 것으로 본다.

• 생물환경조절학회지
• /
• 제20권2호
• /
• pp.162-168
• /
• 2011

본 연구에서는 벽면녹화시스템에 식재된 사초류의 방위(광도)에 따른 생육반응 및 옥상녹화시스템에 식재된 사초류의 토양깊이에 따른 생육차이 등을 조사하고자 하였으며, 사초류가 다양한 형태로 활용될 수 있도록 기초적인 자료들을 제시하고자 하였다. 벽면녹화 및 일반컨테이너의 온도변화를 비교한 결과, 벽면녹화의 경우 온도가 낮아지는 것을 알 수 있었고, 주로 화창한 날씨가 유지된 8~9월 동안에 차이가 뚜렷하였다. 테스타시아사초, 에버골드 및 털대사초 등은 높은 광도에서 생육이 우수하고($0{\sim}1799{\mu}M{\cdot}m^{-2}{\cdot}s^{-1}$), 상록갈사초, 줄무늬사초, 대사초 및 흰줄무늬실사초는 낮은 광도에 적합한 것으로 판단되었다($0{\sim}786{\mu}M{\cdot}m^{-2}{\cdot}s^{-1}$). 광도가 낮을수록 식물의 색이 선명해져 관상가치가 증가하였는데, 본 연구에서는 무늬의 변화에 대한 고려가 이루어지지 않아 추가적인 연구가 이루어져야 할 것으로 사료되었다. 토양깊이별 수분함량은 10cm의 경우 배수층 없이 혼합용토로만 이루어져 높게 유지되는 것으로 나타났고, 대부분의 사초류들도 10cm 깊이에서 생육이 좋았다. 에버골드, 대사초 및 테사타시아사초등은 토양깊이 20cm에서 생육이 우수하였다. 흰줄무늬실사초와 털대사초 노란무늬종은 토양깊이 40cm에서 생육이 좋은 것으로 나타났다. 본 연구에서는 사초류가 10~20cm의 낮은 토심에서도 생육이 우수하여 옥상녹화 소재로 충분히 도입 가능할 것으로 판단되었다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.