• The Korean Journal of Physiology and Pharmacology
• /
• 제20권3호
• /
• pp.245-251
• /
• 2016

The objective of this study was to externally validate a new dosing scheme for busulfan. Thirty-seven adult patients who received busulfan as conditioning therapy for hematopoietic stem cell transplantation (HCT) participated in this prospective study. Patients were randomized to receive intravenous busulfan, either as the conventional dosage (3.2 mg/kg daily) or according to the new dosing scheme based on their actual body weight (ABW) ($23{\times}ABW^{0.5}mg\;daily$) targeting an area under the concentration-time curve (AUC) of $5924{\mu}M{\cdot}min$. Pharmacokinetic profiles were collected using a limited sampling strategy by randomly selecting 2 time points at 3.5, 5, 6, 7 or 22 hours after starting busulfan administration. Using an established population pharmacokinetic model with NONMEM software, busulfan concentrations at the available blood sampling times were predicted from dosage history and demographic data. The predicted and measured concentrations were compared by a visual predictive check (VPC). Maximum a posteriori Bayesian estimators were estimated to calculate the predicted AUC ($AUC_{PRED}$). The accuracy and precision of the $AUC_{PRED}$ values were assessed by calculating the mean prediction error (MPE) and root mean squared prediction error (RMSE), and compared with the target AUC of $5924{\mu}M{\cdot}min$. VPC showed that most data fell within the 95% prediction interval. MPE and RMSE of $AUC_{PRED}$ were -5.8% and 20.6%, respectively, in the conventional dosing group and -2.1% and 14.0%, respectively, in the new dosing scheme group. These findings demonstrated the validity of a new dosing scheme for daily intravenous busulfan used as conditioning therapy for HCT.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1631-1645
• /
• 2021

세계 최초 능동형 라이더 센서 Atmospheric Laser Doppler Instrument (ALADIN)의 바람 자료와 한국형 수치예보모델에 바람 자료로 활용되고 있는 Geostationary Korea Multi Purpose Satellite 2A (GK2A)의 대기운동벡터의 자료를 비교함으로써 두 위성의 바람 자료의 특징을 분석하였다. 2019년 9월부터 20220년 8월 1년의 자료를 ALADIN의 미(Mie)채널과 GK2A 적외채널에 대하여 비교한 결과 수집된 자료는 177,681개이며 평균 제곱근 오차(Root Mean Square Error; RMSE)는 3.73 m/s, 상관계수는 0.98이다. 상세한 분석을 위해 위도와 고도를 고려하여 비교한 결과, 대부분의 위도에서 표준화된 평균 제곱근 오차(Normalized Root Mean Squared Error; NRMSE)가 0.2~0.3으로 두 바람 자료가 일치하지만 상층, 중층의 경우 저위도지역에서, 하층의 경우 남반구 특정 위도(30°S-15°S)에서 0.4 이상으로 큰 값을 가진다. 이러한 결과는 계절에 상관없이 수증기채널, 가시채널에서도 동일하게 나타나며 채널 별 특징과 계절별 특징은 두드러지게 나타나지 않는다. 두 바람 자료 간에 차이가 큰 위도 영역에 대하여 구름의 분포를 확인해본 결과, 대기운동벡터의 고도 할당 정확도를 낮출 수 있는 권운 이나 적운이 다른 위도에 비해 더 많이 분포하고 있다. 이러한 특성에 따라, 정확한 고도 할당이 어려워 대기운동벡터의 오차가 크게 나타나는 남반구와 저위도 영역에서 ALADIN 바람 자료는 기존 대기운동벡터의 바람 정보를 보완함으로써 수치예보모델에 긍정적인 영향을 미칠 수 있음을 제시한다.

• 한국초지조사료학회지
• /
• 제34권4호
• /
• pp.277-282
• /
• 2014

Nutritive value analysis of feed is very important for the growth of livestock, and ensures the efficiency of feeds as well as economic status. However, general laboratory analyses require considerable time and high cost. Near-infrared reflectance spectroscopy (NIRS) is a spectroscopic technique used to analyze the nutritive values of seeds. It is very effective and less costly than the conventional method. The sample used in this study was a corn kernel and the partial least square regression method was used for evaluating nutrient composition, digestibility, and energy value based on the calibration equation. The evaluation methods employed were the coefficient of determination ($R^2$) and the root mean squared error of prediction (RMSEP). The results showed the moisture content ($R^2_{val}=0.97$, RMSEP=0.109), crude protein content ($R^2_{val}=0.94$, RMSEP=0.212), neutral detergent fiber content ($R^2_{val}=0.96$, RMSEP=0.763), acid detergent fiber content ($R^2_{val}=0.96$, RMSEP=0.142), gross energy ($R^2_{val}=0.82$, RMSEP=23.249), in vitro dry matter digestibility ($R^2_{val}=0.68$, RMSEP=1.69), and metabolizable energy (approximately $R^2_{val}$ >0.80). This study confirmed that the nutritive components of corn kernels can be predicted using near-infrared reflectance spectroscopy.

• 한국농림기상학회지
• /
• 제7권3호
• /
• pp.185-191
• /
• 2005

An accurate prediction of dormancy release and bud burst in temperate zone fruit trees is indispensable for farmers to plan heating time under partially controlled environments as well as to reduce the risk of frost damage in open fields. A thermal time-based two-step phenological model that originated in Italy was applied to two important grapevine cultivars in Korea for predicting bud-burst dates. The model consists of two sequential periods: a rest period described by chilling requirement and a forcing period described by heating requirement. It requires daily maximum and minimum temperature as an input and calculates daily chill units (chill days in negative sign) until a pre-determined chilling requirement for rest release is met. After the projected rest release date, it adds daily heat units (anti-chill days in positive sign) to the chilling requirement. The date when the sum reaches zero isregarded as the bud-burst in the model. Controlled environment experiments using field sampled twigs of 'Campbell Early' and 'Kyoho' cultivars were carried out in the vineyard at the National Horticultural Research Institute (NHRI) in Suwon during 2004-2005 to derive the model parameters: threshold temperature for chilling and chilling requirement for breaking dormancy. The model adjusted with the selected parameters was applied to the 1994-2004 daily temperature data obtained from the automated weather station in the NHRI vineyard to estimate bud burst dates of two cultivars and the results were compared with the observed data. The model showed a consistently good performance in predicting the bud burst of 'Campbell Early' and 'Kyoho' cultivars with 2.6 and 2.5 days of root mean squared error, respectively.

• Journal of the Korean Data and Information Science Society
• /
• 제25권6호
• /
• pp.1253-1262
• /
• 2014

회귀나무 (regression tree)는 독립변수로 이루어진 공간을 재귀적으로 분할하고 해당 영역에서 종속변수의 최선의 예측값을 찾고자 하는 비모수적 방법론이다. 회귀나무 모형이 제안된 이래 로지스틱 회귀나무모형이나 분위수 회귀나무모형과 같이 유연하고 다양한 모형적합을 위한 연구가 진행되어 왔다. 최근에 들어서는 Sela와 Simonoff (2012)의 RE-EM 알고리즘, Loh와 Zheng (2013)의 GUIDE 등 패널데이터와 관련하여 진일보한 나무모형 알고리즘도 제안되었다. 본 논문에서는 각 알고리즘을 소개하고 특징을 살펴보는 한편, 실험 데이터를 생성하여 평균제곱오차 (mean squared error)를 바탕으로 예측력을 비교하였다. 분석결과, RE-EM 알고리즘의 예측력이 상대적으로 우수하게 나타났다. 이 알고리즘을 통해 기업경기실사지수 업종별 패널자료를 분석한 결과 최근의 업황에 가장 큰 영향을 미치는 요소는 매출 실적으로 나타났으며 매출 상위 그룹의 경우 비제조업이 제조업에 비해 업황에 대한 판단이 긍정적인 것으로 나타났다.

• 한국의류학회지
• /
• 제45권6호
• /
• pp.978-985
• /
• 2021

This study aims to propose a prediction model for the drape coefficient using artificial neural networks and to analyze the nonlinear relationship between the drape properties and physical properties of fabrics. The study validates the significance of each factor affecting the fabric drape through multiple linear regression analysis with a sample size of 573. The analysis constructs a model with an adjusted R² of 77.6%. Seven main factors affect the drape coefficient: Grammage, extruded length values for warp and weft (m_warp, m_weft), coefficients of quadratic terms in the tensile-force quadratic graph in the warp, weft, and bias directions (c_warp, c_weft, c_bias), and force required for 1% tension in the warp direction (f_warp). Finally, an artificial neural network was created using seven selected factors. The performance was examined by increasing the number of hidden neurons, and the most suitable number of hidden neurons was found to be 8. The mean squared error was .052, and the correlation coefficient was .863, confirming a satisfactory model. The developed artificial neural network model can be used for engineering and high-quality clothing design. It is expected to provide essential data for clothing appearance, such as the fabric drape.

• 농업과학연구
• /
• 제50권4호
• /
• pp.675-696
• /
• 2023

Terpenoids, also referred to as terpenes, are a large family of naturally occurring chemical compounds present in the essential oils extracted from medicinal plants. In this study, a nondestructive methodology was created by combining ATR-FT-IR (attenuated total reflectance-Fourier transform infrared), and Raman spectroscopy for the terpenoids assessment in medicinal plants essential oils from ten different geographical locations. Partial least squares regression (PLSR) and support vector regression (SVR) were used as machine learning methodologies. However, a deep learning based model called as one-dimensional convolutional neural network (1D CNN) were also developed for models comparison. With a correlation coefficient (R²) of 0.999 and a lowest RMSEP (root mean squared error of prediction) of 0.006% for the prediction datasets, the SVR model created for FT-IR spectral data outperformed both the PLSR and 1 D CNN models. On the other hand, for the classification of essential oils derived from plants collected from various geographical regions, the created SVM (support vector machine) classification model for Raman spectroscopic data obtained an overall classification accuracy of 0.997% which was superior than the FT-IR (0.986%) data. Based on the results we propose that FT-IR spectroscopy, when coupled with the SVR model, has a significant potential for the non-destructive identification of terpenoids in essential oils compared with destructive chemical analysis methods.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1037-1051
• /
• 2020

최근 기후변화로 인해 강도가 높은 태풍의 빈도가 높아짐에 따라 태풍 예측의 중요성이 강조되고 있는 데, 태풍경로예측에 비해 태풍강도예측에 대한 연구는 미비한 상황이다. 이에 본 연구에서는 딥러닝 모델인 Multi-task learning (MTL) 기법을 활용하여 정지궤도기상위성을 활용한 관측자료와 수치예보모델을 융합한 실시간 추정 및 6시간, 12시간 후의 태풍강도예측 모델을 제안하고자 한다. 본 연구에서는 2011년에서 2016년까지 북서태평양에서 발생한 총 142개의 태풍을 대상으로 강도 예측 연구를 시행하였다. 한국 최초의 기상위성인 Communication, Ocean and Meteorological Satellite (COMS) Meteorological Imager (MI)를 활용하여 태풍의 관측영상을 추출하였고, National Center of Environmental Prediction (NCEP)에서 제공하는 Climate Forecast System version 2 (CFSv2)를 활용하여 6시간, 12시간 후의 태풍 주변 대기 및 해양 예측변수를 추출하였다. 본 연구에서는 각 입력자료의 활용성을 정량화 하기 위하여, 위성 기반 태풍관측영상만을 활용한 MTL 모델(Scheme 1)과 수치예보모델을 융합적으로 활용한 MTL 모델(Scheme 2)을 구축하고, 각 모델의 훈련 및 검증 성능을 정량적으로 비교하였다. 실시간 강도 추정의 결과 scheme 1과 scheme 2에서 비슷한 성능을 보이는 반면, 6시간, 12시간 후 태풍강도예측의 경우 scheme 2에서 각각 13%, 16% 개선된 결과를 보였다. 태풍 단계별 예측성능에 대한 분석을 시행한 결과, 저강도 태풍일수록 낮은 평균제곱근오차를 보인 반면, 대부분의 강도 단계에서 평균제곱근편차비는 30% 미만의 값을 보이며 유의미한 검증 결과를 보였다. 이에 본 연구에서 제시한 두가지 모델을 기반으로 2014년 발생한 태풍 HALONG의 시계열검증을 시행하였다. 그 결과, scheme 1의 경우 태풍 초기발달단계에서 태풍의 강도를 약 20 kts가량 과대 추정하는 경향을 보이는데, 환경예측자료를 융합한 scheme 2에서는 오차가 약 5 kts가량으로 과대 추정 경향이 줄어들었다. 본 연구에서 제시하는 현재, 6시간, 12시간 후 강도를 동시에 추출하는 MTL 모델은 Single-tasking model 대비 약 300%의 시간 효율을 보이며, 향후 신속한 태풍 예보 정보 추출에 큰 기여를 할 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제35권1호
• /
• pp.55-62
• /
• 2017

The SRP (Solar Radiation Pressure) model has always been an issue in the dynamic GPS (Global Positioning System) orbit determination. The widely used CODE (Center for Orbit Determination in Europe) model and its variants have nine parameters to estimate the solar radiation pressure from the Sun and to absorb the remaining forces. However, these parameters show a very high correlation with each other and, therefore, only several of them are estimated at most of the IGS (International GNSS Service) analysis centers. In this study, we attempted to numerically verify the correlation between the parameters. For this purpose, a bi-directional, multi-step numerical integrator was developed. The correlation between the SRP parameters was analyzed in terms of post-fit residuals of the orbit. The integrated orbit was fitted to the IGS final orbit as external observations. On top of the parametric analysis of the SRP parameters, we also verified the capabilities of orbit prediction at later time epochs. As a secondary criterion for orbit quality, the positional discontinuity of the daily arcs was also analyzed. The resulting post-fit RMSE (Root-Mean-Squared Error) shows a level of 4.8 mm on average and there is no significant difference between block types. Since the once-per-revolution parameters in the Y-axis are highly correlated with those in the B-axis, the periodic terms in the D- and Y-axis are constrained to zero in order to resolve the correlations. The 6-hr predicted orbit based on the previous day yields about 3 cm or less compared to the IGS final orbit for a week, and reaches up to 6 cm for 24 hours (except for one day). The mean positional discontinuity at the boundary of two 1-day arcs is on the level of 1.4 cm for all non-eclipsing satellites. The developed orbit integrator shows a high performance in statistics of RMSE and positional discontinuity, as well as the separations of the dynamic parameters. In further research, additional verification of the reference frame for the estimated orbit using SLR is necessary to confirm the consistency of the orbit frames.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제7권4호
• /
• pp.129-134
• /
• 2018

최근, 인공신경망 모델은 예측, 수치제어, 로봇제어, 패턴인식 등의 분야에서 촉망되는 기술이다. 본 연구에서는 인공신경망 모델을 이용하여 온실 외부 온도를 예측하고 이를 온실제어에 활용하는데 목적이 있다. 예측 모델의 성능 평가를 위해 다중회귀모델과 SVM 모델과의 비교분석을 수행하였다. 평가 방법으로는 10-Fold Cross Validation을 사용하였으며, 예측 성능 향상을 위해 상관관계분석 통해 데이터 축소를 수행하였고, 측정 데이터로부터 새로운 Factor 추출하여 데이터의 신뢰성을 확보하였다. 인공신경망 구축을 위해 Backpropagation algorithm을 사용하였으며, 다중회귀모델은 M5 method로 구축하였고, SVM 모델을 epsilon-SVM으로 구축하였다. 각 모델의 비교분석 결과 각각 0.9256, 1.8503과 7.5521로 나타났다. 또한 예측모델을 온실 난방부하 계산에 적용함으로써 온실에 사용되는 에너지 비용 절감을 통한 수입증대에 기여할 수 있다. 실험한 온실의 난방부하는 3326.4kcal/h이며, 총 난방시간이 $10000^{\circ}C/h$일 때 연료소비량은 453.8L로 예측된다. 아울러 데이터 마이닝 기술 중 하나인 인공신경망을 정밀온실제어, 재배기법, 수확예측 등 다양한 농업 분야에 적용함으로써 스마트 농업으로의 발전에 기여할 수 있다.