• 한국농림기상학회지
• /
• 제22권4호
• /
• pp.239-249
• /
• 2020

본 연구는 자연 조건에서 쌀가루용 벼의 수발아율을 예측하기 위한 것으로 기계학습을 이용하여 기상요소들에 따른 수발아율을 간단히 예측할 수 있는 초기 시스템을 개발하기 위해 수행되었다. 이를 위하여 강원도, 충청북도, 경상북도에 위치한 6개 지역에서 쌀가루용 벼 3품종을 재배하였다. 수확 후 수발아율과 출수일을 조사하였으며, 각 지역의 종관기상대의 일평균 기온과 상대 습도, 그리고 강수량 정보를 이용하여 기계학습 모델 중 하나이며, 정확도가 높은 GBM 모델로 수발아율을 예측하였다. 2017년부터 2019년까지 강원과 충북, 그리고 경북의 6개 지역에서 쌀가루 용 벼 3품종에 대해 재배 실험을 수행하였다. 조사 항목은 출수일과 수발아율이었다. 기상자료는 동일한 지역명의 종관기상대를 이용하여 일 평균 기온 및 상대 습도, 그리고 강수량 자료를 수집하였다. 수발아율 예측을 위해 기계학습 모델인 Gradient Boosting Machine (GBM)을 이용하였으며, 학습 투입 변수로는 평균 기온과 상대 습도, 그리고 총 강수량이었다. 또한 수발아 피해 관련 기간을 설정하기 위해 출수 후 몇일 후부터 그 이후의 기간에 대한 실험도 수행하였다. 자료는 수발아 피해 관련 기간의 교정을 위한 training-set과 vali-set, 검증을 위한 test-set으로 구분하였다. training-set과 vali-set으로 교정한 결과, 출수 후 22일 후부터 24일동안에서 가장 높은 score를 나타내었다. test-set으로 검증한 결과는 3.0%보다 낮은 구간에서 수발아율을 약간 높게 예측한 경향이 있었지만, 높은 예측력을 보였다(R2=0.76). 따라서, 기계학습을 이용하여 특정기간동안의 기상요소들로 수발아율을 간단하게 예측할 수 있을 것으로 예상된다. 본 연구의 결과를 종합해 볼 때, 기계학습을 이용하여 특정 기간 동안에 평균 기온과 상대 습도, 그리고 총 강수량으로 높은 수발아율 예측 성능을 보였으며, 이 시스템을 이용하여 일반 농가들을 대상으로 수발아에 관한 피해를 예방할 수 있는 조기 수발아 예측 시스템으로 이용가능 할 것으로 판단된다. 하지만 품종마다 휴면 정도 차이로 인한 수발아 관련 기간에 차이가 있으므로, 다른 쌀가루용 벼 품종에 대해서도 추가로 조사하고, 개별 품종으로 세분화하여 분석한다면 좀 더 정확도 높은 예측 시스템을 개발할 수 있을 것으로 판단된다.

• 인터넷정보학회논문지
• /
• 제16권3호
• /
• pp.105-116
• /
• 2015

2014년 4월 16일 발생한 세월호 침몰 사건은 그 동안의 어떤 사건, 사고 그리고 재난보다 한국 정치 사회 그리고 언론에 상당한 영향을 미쳤다. 이에 본 연구는 세월호 사건이라는 특수성을 고려해, 사건 발생 직후 드러난 트위터와 포털뉴스에서 나타난 의제의 현저성과 두 매체 간의 속성의제들이 어떠한 상관관계를 나타내고 있는가를 의제 순위 상관관계를 통해 탐구해 보았다. 빅데이터 수집을 통해 분석해 본 결과, 첫째 세월호라는 키워드와 연관된 트위터의 의제와 포털뉴스의 의제에 현저성에 차이가 없을 것이라는 가설은 기각되었지만, 두 매체의 의제들의 순위 상관관계는 높은 것으로 나타났다. 연구 결과 두 매체의 의제들은 대부분 서로 공유됨을 알 수 있다. 둘째, 세월호와 연관된 다섯 가지 대상의제들의 트위터와 포털뉴스에서의 속성의제들은 현저성에서 차이가 있었으며, 세 가지 의제들은 순위 상관관계가 높게 나타났고, 나머지 두 의제들은 순위 상관관계가 낮게 나타났다. 이 결과를 통해, 특정 주제에 관해서는 트위터가 포털뉴스와 전혀 다른 의제를 형성, 매체 내에서 공유하였다는 것을 알 수 있다.