• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.275-290
• /
• 2021

대기 중의 이산화황(SO2)은 주로 인위적 배출원에 의해 발생하며 화학 반응을 통해 (초)미세먼지를 형성하여 직간접적으로 주변 환경 및 인체 건강에 해로운 영향을 주는 물질이다. 특히 지상에서의 농도는 인간 활동과 밀접한 관련이 있어 모니터링의 필요성이 매우 크다. 따라서, 본 연구에서는 TROPOMI SO2 연직 컬럼 농도 산출물 및 타 위성 산물과 모델 산출물 등을 융합 활용하여 기계학습 기법에 적용하여 SO2 지상 농도 추정모델을 개발하였다. 기계학습 기법으로는 널리 활용되고 있는 RF(Random Forest)에 잔차 보정 과정을 결합한 2-step 잔차 보정 RF를 적용하였다. 개발된 모델은 무작위, 공간 및 시간별 10-fold 교차 검증을 통하여 검증하였으며, 기울기(slope) 값이 1.14-1.25, 상관계수(R) 값이 0.55-0.65, rRMSE 값이 약 58-63% 정도로 나타났다. 이는 잔차 보정이 적용되지 않은 기존의 RF 대비 slope의 경우 약 10%, R과 rRMSE의 경우 약 3% 가량 향상된 결과를 보인다. 국가별로 나누어 분석하였을 때에는 샘플 수가 적고 SO2의 전반적인 농도가 낮은 일본 지역에서의 공간별 10-fold 교차검증 성능이 소폭 감소하는 것으로 나타났다. SO2 지상농도 분포를 계절별로 표출하였을 때, 일본의 경우 다른 지역 대비 연중 저농도가 관찰되며 높은 결측 값 비율로 인하여 관측소 농도 대비 2-step 잔차 보정 RF 모델에서 과대 모의하는 경향이 관찰되었다. 대표적 고농도 발생지인 중국의 YRD(Yangtze River Delta) 와 한국의 SMA(Seoul Metropolitan Area)의 계절적 분포 변화를 추가적으로 분석하였을 때, 연료 연소로 인한 겨울철 농도 증가 패턴이 나타났다. 이는 인위적 배출원의 영향을 크게 받는 SO2의 시공간적인 분포 특성을 잘 반영하고 있는 결과이다. 따라서, 본 연구를 통하여 제안한 모델은 장기적으로 SO2 지상 농도의 시공간적 분포를 파악하는 데에 활용될 수 있을 것으로 기대된다.

• 한국지리정보학회지
• /
• 제22권3호
• /
• pp.21-36
• /
• 2019

본 연구는 산불 위험 예측의 주요 인자인 10시간 사연료습도(10-h FMC)를 산악기상관측망 기상자료로 추정하는 방법을 마련하기 위해 수행되었다. 안성(도심지)과 홍릉 두 지점(숲 속, 숲 밖)의 자동기상관측소에서 기상인자와 10-h FMC를 측정하고 이를 이용해 10-h FMC 추정식을 도출했다. 도출한 추정식을 이용해 지난 6년간(2013~2018년) 산불발생 다발일의 10-h FMC를 분석하고 전국 10-h FMC 지도를 제작했다. 기상인자(기온, 풍속, 목재평형함수율, 강우량)와 10-h FMC의 회귀분석 결과 목재평형함수율이 가장 효율적으로 10-h FMC를 설명했음을 확인했다. 목재평형함수율을 이용해 도출한 10-h FMC 추정식은 모형 적합과 검증과정 모두에서 높은 적합도를 보였다. 각 연구지의 추정식을 서로 다른 연구지에 적용하면 모형의 적합도가 같은 연구지에서 만든 식을 적용했을 때보다 줄어들었지만 여전히 만족할 만한 결과를 보였다. 본 연구의 회귀식은 10-h FMC와 목재평형함수율 사이 강우 후 건조반응 차이와 식생 유무가 10-h FMC에 미치는 영향을 반영하지 못해 적합도가 줄어든 것으로 나타났다. 마지막으로 도출한 추정식을 사용한 공간분석을 통해 지난 6년간 산불발생 다발일의 산불 중 70% 이상이 10.5% 이하의 10-h FMC 조건에서 발생했음을 확인했다. 본 연구 결과는 산악기상관측망과 연계하여 전국 산지의 10-h FMC를 추정하는 데 사용할 수 있다. 10-h FMC는 산불 위험 예측 기초 연구 자료로 활용되어 재해 관련 국가 정책 결정에 기여할 것으로 판단된다.

• 한국지리정보학회지
• /
• 제25권1호
• /
• pp.133-149
• /
• 2022

벼 수량 추정에 대한 기존의 국내 연구는 주로 저해상도인 MODIS 위성영상을 사용하여 우리나라 전역을 대상으로 시군 단위에서 수행되었다. 기존 연구와 달리, 본 연구는 전북 김제시를 사례로 중해상도인 Sentinel-2 위성영상과 강우 및 토양자료를 활용하여 읍면동 단위에서 벼 수량을 추정하고 그 정확성을 평가하였다. 전북 김제시를 대상으로 2018년 8월 1일에 촬영된 Sentinel-2 영상으로부터 산출된 NDVI, LAI, EVI2, MCARI1, MCARI2의 다섯 가지 식생지수와 강우량 및 논 토양 유형 자료를 읍면동별로 집계하고 종속변수의 비정규성 문제를 해결하기 위해 다중회귀분석을 확장한 감마 일반화 선형모형으로 벼 수량을 추정하였다. 벼 수량 추정 모형에서 EVI2, 9월 강우일수, 염해답 비율이 유의한 독립변수로 선정되었다. 모형의 적합도를 나타내는 결정계수는 0.68이었고, 모형의 정확성을 나타내는 RMSE는 62.29kg/10a였다. 이 모형으로 2018년 김제시 전역의 쌀 생산량을 추정한 결과는 96,914.6M/T으로 통계연보의 94,470.3M/T과 비교해 0.46%의 오차를 보여 매우 근접한 결과가 도출되었다. 또한, 김제시의 단위면적당 쌀 생산량은 552kg/10a로 도출되어 통계자료의 550kg/10a와 거의 일치하였다. 이러한 결과는 기존 연구들과 유사한 결과로 국내에서 시군 이하 단위에서 Sentinel-2 위성영상을 활용하여 벼 수량을 추정하는 것이 가능하다는 것을 입증하였다.

• 한국지반공학회논문집
• /
• 제38권7호
• /
• pp.5-24
• /
• 2022

현행 비탈면 앵커공법의 보강성능평가는 앵커 두부와 지반밀착도, 앵커 두부의 균열 및 파손에 대해서 정성적으로 성능을 평가하고 있다. 이로 인해 성능저하 상태 점검을 위한 정량적 데이터베이스화와 이를 이용한 시간이력 관리는 어려운 실정이다. 이에 본 연구에서는 비탈면에 설치된 앵커공법의 정량적 유지관리에 활용하기 위하여 UAS 영상과 지상 LiDAR의 사각지대를 보완하기 위한 SfM기반의 조합 3차원 수치모형을 구현하여 손상인자의 수치데이터를 검출하였다. 비탈면과 같은 수직구조물에서 상대적으로 높은 z 좌표 오차를 갖는 UAS 3차원 수치모형에서 사각지대 데이터 공백을 상호 보완하기 위하여 지상 LiDAR 스캔 데이터를 조합하였고 z 좌표 정확도의 향상을 확인하였다. 비탈면에 설치된 10공의 앵커에 임의로 손상을 발생시킨 후에 3차원 수치모형을 구축하였고 정사투영을 통해 균열, 파손, 회전변위와 지반 밀착도에 대한 수치 값을 검출하였다. 8K 해상도로 균열 실측값과 비교시 ±0.05mm의 오차범위에서 0.3mm 미만의 균열 검출이 가능하였다. 앵커 두부의 최대 파손 면적은 설계대비 3% 이내로 발생된 것을 확인하였고, 파손부의 체적 또한 검출하였다. 특히 z 좌표 데이터가 중요한 지반밀착도의 경우 UAS 3차원 수치모형에서는 사각지대로 인한 데이터 공백으로 측정이 불가능하였지만 지상 LiDAR를 조합할 경우 앵커 저면과 지반의 불규칙한 표면에서 표고차 확인이 가능하여 임의의 20개 지점의 평균 표고차를 지반밀착도로 도출하였다. 또한, 앵커 두부의 1° 미만의 회전각과 이동 변위 값도 검출하였다. 이에 본 연구에서 구축한 3차원 수치모형에서 앵커 손상인자의 정량적 데이터 추출이 가능하였고, 이를 데이터베이스화 한다면 정량적 평가지표의 기초자료로써 활용이 가능할 것으로 판단된다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.151-164
• /
• 2024

상수도 공급을 위한 정수장에서 전염소 또는 중염소 공정이 도입된 수처리 공정의 염소농도 관리에 필요한 공정제어를 위하여 AI 기술을 활용한 수질예측 기법이 연구되고 있다. 본 연구에서는 정수장 수처리 공정에서 실시간으로 관측, 생산되고 있는 수량·수질자료를 이용하여 염소소독 공정제어 자동화를 목적으로 침전지 후단의 잔류염소 농도를 예측하기 위한 AI 기반 예측모형을 개발하였다. AI 기반 예측모형은 과거 수질 관측자료를 학습하여 이후 시점의 수질에 대한 예측이 가능한 기법으로, 복잡한 물리·화학·생물학적 수질모형과 달리 간단하고 효율적이다. 다중회귀 모형과 AI 기반 모형인 랜덤포레스트와 LSTM을 이용하여 정수장의 침전지 후단 잔류염소 농도를 예측하여 비교하였다. 최적의 잔류염소 농도 예측을 위한 AI 모형의 입출력 구조로는 침전지 전단의 잔류염소 농도, 침전지 탁도, pH, 수온, 전기전도도, 원수의 유입량, 알칼리도, NH₃ 등을 독립변수로, 예측하고자 하는 침전지 유출수의 잔류염소 농도를 종속변수로 선정하였다. 독립변수는 침전지 후단의 잔류염소에 영향이 있는 정수장에서 확보가 가능한 관측자료중에서 분석을 통해 선별하였으며, 분석 결과 연구대상 정수장인 정수장에서는 중회귀모형, 신경망모형, 모델트리 및 랜덤포레스트 모형을 비교한 결과 랜덤포레스트에 기반한 모형오차가 가장 낮게 도출되는 결과를 얻을 수 있었다. 본 연구에서 제시하는 침전지 후단의 적정 잔류염소 농도 예측값은 이전 처리단계에서 염소주입량의 실시간 제어가 가능토록 할 수 있어 수처리 효율 향상과 약품비 절감에 도움이 될 것으로 기대된다.

• 지구물리와물리탐사
• /
• 제2권1호
• /
• pp.26-32
• /
• 1999

탄성파 속도분석법은 일괄식 속도분석법과 대화식 속도 분석등 두 가지가 있다. 일괄식 속도분석법에서는 각 속도 분석점마다 셈블런스 컨투어, 슈퍼게더 및 중합 패널등을 일괄 작성하여 도면화 시킨 후 분석자가 그 도면을 보고 속도 함수를 결정하는 방법이다. 과거 유행한 전산처리 소프트웨어들이 이 방법을 사용하고 있다. 그러나 이 방법은 도면 분석시 아주 많은 수작업이 필요하고 속도분석 결과도 정밀치 못하다는 단점이 있다. 최근에는 워크스테이션의 고속 그래픽 기능을 이용한 대화식 속도분석 기술이 개발되었다. 그런데 이들 프로그램은 기존 일괄식 속도분석법과 대동소이한 내용을 그래픽 화면으로 처리할 수 있도록 함으로써 종이 절약 외에는 특별히 나아진 것이 없다. 프로그램의 주 기능은 속도 스펙트럼에서 속도점 노드를 선택하는 것이며, 입력자료에 있을 수 있는 잡음을 제거하여 다시 속도 스펙트럼을 수정하는 기능은 없다. 잡음의 제거없이 계산한 부정확한 속도 스펙트럼을 이용해서 속도 함수를 선정한다면 정밀 속도분석은 불가능할 것이다. 방대한 탄성파 탐사자료에 대한 속도분석을 신속 정확하게 수행하기 위해서는 속도 분석과 밀접한 관련이 있는 전산처리 공정들 즉, 슈퍼게더 조립, 셈블런스 계산, 동보정, 뮤트, 중합등을 동시에 지원하는 통합된 반복적 대화식 속도분석 프로그램이 필요하다. 분석 구간의 속도와 뮤트함수를 변화시켰을 때 그로부터 얻어지는 셈블런스와 동보정 및 중합을 검토하고 이러한 수정과 검토를 신속히 반복할 수 있도록 함으로써 정확한 속도분석이 가능하기 때문이다. 여기에서는 속도분석을 신속 정확하게 수행하기 위해 속도 분석과 밀접한 관련이 있는 전산처리 공정들 즉, 슈퍼게더 조립, 셈블런스 계산, 동보정, 뮤트, 중합등을 동시에 지원하는 대화식 속도분석 프로그램 xva를 작성하였다. 대화식 속도분석에서는 분석 구간의 트레이스들을 고속으로 참조해야 하는데 이를 위해 간단한 트레이스 인덱스 파일을 설계하여 사용하였다. 직접파와 굴절파등 천부 잡음을 제거하기 위한 효과적인 수단인 뮤트 함수 영역 변환법을 새로 고안하였으며, 본 프로그램은 이 기법을 이용하고 있다. 본 영 역 변환법은 기존 알려진 역동보정법과 같이 정밀 전산처리가 가능할 뿐만 아니라 동보정과 역동보정시 발생하는 자료의 내삽 오차가 없으며 계산 시간이 크게 단축되기 때문에 정밀 대화식 속도 분석에 사용 가능하다. 프로그램 xva는 28개의 소스 파일로 구성된 패키지인데 줄 수는 12,029, 단어 수는 34,990, 글자 수는 304,073이다. 프로그램 xva는 X-Window와 Motif 환경하에서 작동한다. 프로그램 메뉴는 Motif 표준 스타일에 따라 작성하였는 바 그 사용법을 간략히 기술하였다. 본 프로그램이 완성됨으로 인하여 정밀 탄성파 속도 분석이 가능하게 되었고 그 결과 가스층의 존재 여부를 직접 확인할 수 있는 AVO(Amplitude Versus Offset)단면도등의 제작에 활용할 수 있었다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 마케팅과학연구
• /
• 제18권4호
• /
• pp.1-32
• /
• 2008

기업연상(corporate association)이 제품 평가(product responses)에 어떻게 영향을 미치는 가에 대한 연구가 부진하다는 Brown and Dacin(1997)의 문제 제기가 있은 후, 기업연상이 제품 판단에 미치는 영향과 과정에 대한 조절변수와 매개변수들을 파악하려는 연구가 진행되어 왔다. 본 연구에서는 기업연상의 두가지 유형인 CA(corporate ability) 연상과 CSR(corporate social responsibility) 연상이 성능과 재무위험에 미치는 영향력과 그 영향력을 조절하는 변수들을 조사하였다. 분석 결과에 의하면, 주효과(main effects)에 있어서는, 가설에서 기대한 바와 같이 CA 연상이 성능위험과 재무위험에 유의한 영향력을 갖는 것으로 나타난 반면, CSR 연상은 성능위험과 재무위험에 대해 유의한 영향력을 갖지 않는 것으로 나타났다. 조절변수로 인한 상호작용효과와 관련해서는, CA 연상이 성능위험과 재무위험에 미치는 주효과에 대해 제품범주 지식과 관여는 각각 유의한 조절효과를 나타내었다. 하지만, CSR 연상이 성능위험과 재무위험에 미치는 주효과에 대해서는 제품범주 지식과 관여의 조절효과는 나타나지 않았다. 이러한 연구 결과를 통하여 제품의 기능적인 속성에 대한 정보가 부족한 제품에 대해 소비자가 지각하는 위험을 감소시키기 위하여, 기업은 CSR 연상보다는 CA 연상에 대해 강조할 필요가 있다는 결론을 내리게 되었다.