• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.77-77
• /
• 2015

기상이변으로 인한 사회 경제적 피해의 증가로 기상정보에 대한 중요성이 커지면서 해외에서는 민간 기업이 기상 관측망을 구축하는 사례가 나타났다. 미국의 Earth Network은 전 세계에 1만개의 기상 관측센서를 설치하였고, 일본의 통신회사인 NTT DoCoMo는 일본에 4000여 개의 기상 및 환경관측 센서를 구축하였다. 국내에서는 SK플래닛이 자사의 플랫폼 기술과 SK텔레콤의 기지국 인프라를 활용하여 수도권 지역에 국지기상 관측망을 구축하였다. SK플래닛은 2013년 서울지역에 1km 간격으로 264개의 기상센서를 설치하고, 2014년 인천 경기지역에 3km 간격으로 825개의 기상센서를 추가 설치하여, 현재 1089개의 국지기상 관측망을 운용하고 있다. 관측에 사용한 센서는 우량계와 복합 기상센서로 강수량, 기온, 습도, 바람, 기압을 측정한다. 관측된 자료는 데이터로거에서 기상청의 자료처리 표준규격에 따라 처리한 후 M2M 모뎀을 통해 1분마다 서버로 전송한다. 전송된 자료는 기상정보 플랫폼의 수집 서버에서 프로토콜 변환 후 원본자료 DB에 저장하고, 실시간 품질관리를 마친 후 품질관리 자료 DB에 저장한다. 관측 지점의 기본정보 및 작업이력은 메타데이터 DB에 저장되고 관리자 페이지를 통해 조회 및 수정 된다. 관측 자료의 품질 보증은 제조사의 센서 Calibration부터 서비스 모니터링 까지 각 단계별로 체계적인 품질관리를 통해 이루어진다. 품질관리를 마친 국지기상 관측 데이터는 응용프로그램 개발자가 편리하게 사용할 수 있는 API(Application Programming Interface)형태로 제공된다. 2013년 여름부터 수집된 1~3km 해상도의 SK플래닛 국지기상 관측 자료를 통해 그 동안 정량적으로 확인하지 못한 국지성 호우 시의 강수량 편차에 대해 알 수 있었다. 2014년 7월 31일 양평지역에 내린 국지성 호우는 시간당 최대 90mm 이상의 비가 내린 사례로, 귀여리 관측소(SK 플래닛)에 시간당 93.1mm가 내리는 동안 퇴촌 관측소(기상청)에는 17.5mm의 비가 내려, 두 관측지점 간 거리가 3.4km 임에도 불구하고 시간당 75mm 이상의 강수량 차이를 보였다. 앞으로 SK플래닛의 국지기상 관측 자료가 국지성 호우의 조기 경보 및 예측 정확도 향상에 활용되어 재난으로부터 국민의 생명과 재산을 지키는데 많은 도움이 되기를 기대한다.

• 한국콘텐츠학회논문지
• /
• 제19권12호
• /
• pp.173-183
• /
• 2019

최근 세종시는 개발 및 정비가 추진되면서 여러 분야에서 발생하는 사회문제를 해결하기 위해, 축적된 데이터의 활용이 대두되고 있다. 세종시가 추진 중이거나 추진예정 중인 정책의 품질 제고 및 사회적 변화에 대응하는 정책수립 및 운영에 축적된 데이터를 활용하여 과학적 정책수립의 필요성이 강조되고 있다. 특히, 경제사회구조의 급속한 변화 속에서 한정된 자원을 유효하게 활용하여 시민이 신뢰하는 정책을 전개하기 위해 데이터를 활용한 객관적인 접근으로 정책수립 과정에서 더욱 정확한 정책을 형성하는데 필요한 데이터 정비와 증거기반의 정책 검토가 더욱 강조되고 있다. 본 연구는 세종시 증거기반 정책수립을 위한 대시보드 구축을 위해 파일 데이터, 오픈 API, 주요 생활지표 데이터, 분야별 정보 데이터, 통계간행물, 통계DB 데이터를 활용하여 데이터 인포그래픽 대시보드를 디자인하였다. 대시보드 디자인은 세종시 생활지표인 사회, 인구, 경제, 부동산, 교통, 환경, 건강, 인프라 지표 데이터를 시각화하고, 데이터를 상호 연계하여 정책수립 및 운영에 주요 사회동향을 파악하는데 적용·활용될 수 있도록 구조적 마크업(HTML), 표현 및 레이아웃(CSS), 자바스크립트 (JavaScript)로 인포그래픽 대시보드를 디자인하였다.

• Journal of Animal Science and Technology
• /
• 제51권3호
• /
• pp.201-206
• /
• 2009

돼지 원산지 추적 및 브랜드육 식별을 위한 MS marker set를 확립하기 위해 EU의 EID+DNA DNA Tracing 연구 project, 국제동물유전학회 및 Roslin 연구소 등에서 제안한 돼지의 다형성 분석에 사용되는 MS marker 중 17종을 선발하여 다형성지수, F-통계량, 동일개체 출현확률 및 친자감별확률 등을 MSA, CERVUS, FSTAT, GENEPOP 및 API-CALC 프로그램 등을 연계적으로 활용하여 추정하였다. 다형성지수 추정치를 1차 선발요인으로 하고, 각 MS marker의 PCR 결과물의 크기 및 분석 비용의 경제성을 추가로 감안하여 최종 13종의 MS marker (SW936, SW951, SW787, S00090, S0026, SW122, SW857, S0005, SW72, S0155, S0225, SW24 and SW632)와 성감별을 위한 2개의 성감별 primer로 조합된 하나의 Multiplexing PCR 시스템을 확립하였다. 이를 이용해 돼지 사육환경을 무작위 교배집단(PI), 반형매 교배집단 그리고 전형매 교배집단으로 가정하여 동일개체 출현확률을 분석한 결과 $2.47\times10^{-18}$, $6.39\times10^{-13}$ 그리고 $1.08\times10^{-8}$로 나타나 브랜드 식별 및 원산지 추적에 적합할 것으로 사료된다.

• 한국식품위생안전성학회지
• /
• 제35권3호
• /
• pp.271-278
• /
• 2020

Enterotoxigenic Escherichia coli는 신생 및 이유기 돼지설사의 주요 원인체로서 전세계적으로 양돈산업에 큰 경제적 손실을 끼치고 있다. 그러나 현재 국내에는 이러한 E. coli가 보유하는 다양한 병원성유전자의 분포 및 특성에 대한 정보가 부족한 실정이다. 이에 본 연구에서는 2013년부터 2016년까지 국내 163개 양돈농장에서 이유기 설사증 개체로부터 면봉스왑 샘플을 채취하여 동일 농장의 개체일 경우 5개에서 10개 정도를 혼합한 후, MacConkey agar에 배양하여 최종 API 32E system을 통하여 동정하였다. 분리된 모든 균주에 대해서 3 가지의 다른 multiplex PCR을 수행하여 총 13 종의 병원성유전자의 분포를 확인하였다. 이를 통하여 총 172개의 최소 한가지 이상의 병원성 유전자를 가지는 E. coli 균주를 확인하였고, 그 결과 병원성 유전자의 분포는 (1) fimbrial adhesins (43.0%): F4 (16.9%), F5 (4.1%), F6 (1.7%), F18 (21.5%), and F41 (3.5%); (2) toxins (90.1%): LT (19.2%), STa (20.9%), STb (25.6%), Stx2e (15.1%), EAST1 (48.3%); and (3) non-fimbrial adhesin (19.6%): EAE (14.0%), AIDA-1 (11.6%) and PAA (8.7%)로 나타났다. 결론적으로 본 연구결과는 국내 양돈농장의 이유기 설사증에 관연하는 E. coli는 다양한 종류의 병원성 유전자를 가지고 있으며 그러한 병원성 유전자의 조합도 매우 다양하게 분포하고 있음을 나타낸다.

• 한국빅데이터학회지
• /
• 제4권2호
• /
• pp.1-12
• /
• 2019

인공지능 기술이 발전하면서 이미지, 음성, 텍스트 등 다양한 분야에 적용되고 있으며, 데이터가 충분한 경우 기존 기법들에 비해 좋은 결과를 보인다. 주식시장은 경제, 정치와 같은 많은 변수에 의해 영향을 받기 때문에, 주식 가격의 움직임 예측은 어려운 과제로 알려져 있다. 다양한 기계학습 기법과 인공지능 기법을 이용하여 주가 패턴을 연구하여 주가의 등락을 예측하려는 시도가 있어왔다. 본 연구는 딥러닝 기법 중 컨볼루셔널 뉴럴 네트워크(CNN)를 기반으로 주가 패턴 예측률 향상을 위한 데이터 증강 방안을 제안한다. CNN은 컨볼루셔널 계층을 통해 이미지에서 특징을 추출하여 뉴럴 네트워크를 이용하여 이미지를 분류한다. 따라서, 본 연구는 주식 데이터를 캔들스틱 차트 이미지로 만들어 CNN을 통해 패턴을 예측하고 분류하고자 한다. 딥러닝은 다량의 데이터가 필요하기에, 주식 차트 이미지에 다양한 데이터 증강(Data Augmentation) 방안을 적용하여 분류 정확도를 향상 시키는 방법을 제안한다. 데이터 증강 방안으로는 차트를 랜덤하게 변경하는 방안과 차트에 가우시안 노이즈를 적용하여 추가 데이터를 생성하였으며, 추가 생성된 데이터를 활용하여 학습하고 테스트 집합에 대한 분류 정확도를 비교하였다. 랜덤하게 차트를 변경하여 데이터를 증강시킨 경우의 분류 정확도는 79.92%였고, 가우시안 노이즈를 적용하여 생성된 데이터를 가지고 학습한 경우의 분류 정확도는 80.98%이었다. 주가의 다음날 상승/하락으로 분류하는 경우에는 60분 단위 캔들 차트가 82.60%의 정확도를 기록하였다.