본 연구는 기존의 잣나무임분 거리독립 개체목 생장모델을 개선하기 위해 수행되었다. 직경생장함수 및 고사율함수의 매개변수들을 고정표본점의 정기평균생장량을 토대로 추정하고, 이 함수들의 특성을 기존의 총평균생장량을 토대로 추정한 모델과 비교하였다. 여기서 생장함수는 수관율함수, 잠재직경생장함수 및 임분을 구성하는 임목간 경쟁효과를 고려하기 위한 수정율함수를 의미한다. 고사율예측함수의 경우에는 고정표본점 자료의 한계로 인해 정기평균생장량 측정값을 구할 수 없어 대신 총평균생장량과의 관계식을 추정하여 대체하여 적용하였다. 연구결과 정기평균생장량을 토대로 하는 직경생장함수가 총평균생장량을 토대로 추정한 함수에 비해 개체목의 생장특성을 보다 현실적으로 반영하는 것을 보여주었다. 고사율함수의 경우, 총평균생장량을 적용하여 개발한 경우 고사율이 과대한 것으로 나타나는 문제가 있었으나 새로운 모델에서는 이 문제가 개선된 것으로 나타났다.
본 연구에서는 국내 현실을 고려한 도시공원의 생태적 배식기법을 마련하기 위해 여의도공원 자연생태의 숲의 조성단계별 문제점과 원인을 고찰하여 개선방안을 제시하였다. 실시설계단계에서는 가장 중요한 배식모델과 도면작성이 불명확하게 제시되었고, 식재수량 및 규격이 비현실적이었다. 시공단계에서는 설계도면과 다른 유사수종 및 다른 규격의 수목이 식재되었고, 목표군락에 따른 토양환경 기반 조성이 이루어지지 못해 생태적 배식에 한계가 있었다. 관리단계에서는 하자보식 처리가 미흡하고, 하자보수 담보기간 이후의 관리대책이 부재하였다. 도시공원 생태숲 조성을 위한 단계별 개선방안을 제시하였다. 실시설계단계에서는 반드시 목표 배식모델을 고려하여 교목층, 아교목층, 관목층별 식재도면을 작성해야 하고, 수목 자원조사결과를 통해 현실적으로 가능한 식재종 및 규격을 제시해야 한다. 시공단계에서는 이식대상 수목에 인식표를 부착하여 적정한 식재종 및 규격으로 식재가 이루어져야 하며, 수종 변경시 식재모델에 적합한지를 검토하도록 시방서에 명기하고, 규격 변경시 실제규격으로 준공처리를 하고, 목표모델에 적합한 토양이 유입될 수 있도록 반입 토양의 의무적인 분석이 필요하다. 관리단계에서는 관급수목에 대한 하자처리를 위해 설계시 일정 할증율을 반영하고, 하자보수 담보기간을 2년에서 5년으로 확대하며, 시간변화에 따른 목표군락별 변화과정을 관찰할 수 있도록 준공후 5년 동안 모니터링 의무화 등이 필요하다.
본 연구는 낙엽송 개체목의 가공처리 과정에서 생산되는 제재목 및 제재 부산물의 양을 분석하기 위한 시뮬레이션 모델을 개발하고자 수행되었다. 이 모델에서는 수간곡선 추정식을 이용하여 개체목의 전간재적을 산출하고 절동된 원목에 대한 목재 가공 시뮬레이션을 통해 판재 및 각재, 원주목의 규격에 따른 최대 생산가능량을 예측하였다. 또한 제재목 가공처리 과정에서 생산되는 톱밥 및 죽데기의 잔존재적에 대한 분석을 수행하였다. 그 결과 흉고직경 12 cm 이상부터 제재목의 생산이 가능한 것으로 나타났고, 제재목의 생산이 가능한 경우에는 보다 큰 규격의 판재와 각재를 생산하는 것이 상대적으로 작은 규격의 판재와 각재 혹은 원주목을 생산하는 것에 비해 더 많은 생산량을 얻을 수 있었다. 향후 이 모델은 낙엽송의 이용재적 산출을 통한 산림의 경제적 가치평가는 물론, 최근 목질계 바이오에너지 자원으로서 그 중요성이 점차 높아지고 있는 톱밥과 같은 제재 부산물의 양을 예측하는 데에도 활용될 수 있을 것이다.
본 연구는 최근 가공 불량 예측 방법으로 주목받고 있는 머신러닝 기반의 모델을 이용하여 CNC 가공 불량 발생의 실시간 예측을 위한 분석 프레임워크를 제안하고, 해당 프레임워크에 기반하여 XGBoost, CatBoost, LightGBM, 랜덤 포레스트, Extra Trees, SVM, k-최근접 이웃, 로지스틱 회귀 모델을 CNC 설비에 기본 내장된 센서들로부터 추출된 데이터에 적용 및 분석하였다. 분석 결과 XGBoost, CatBoost, LightGBM 모델이 동일하게 가장 우수한 정확도, 정밀도, 재현율, F1 점수, AUC 값을 보였으며, 이 중 LightGBM 모델이 소요 실행 시간이 가장 짧은 것으로 나타났다. 이러한 짧은 소요 실행 시간은 실 시스템 구축 비용 절감, 빠른 불량 예측에 따른 CNC 장비 파손 확률 감소, 전체적인 CNC 활용률 증가 등의 실무적 장점을 가지므로 LightGBM 모델이 기본 센서들만 설치된 CNC 설비에 적용 시 가공 불량 예측에 가장 효과적으로 판단된다. 또한 소요 실행 시간 및 컴퓨팅 파워의 제약이 없는 상황에서는 LightGBM, Extra Trees, k-최근접 이웃, 로지스틱 회귀 모형으로 구성된 앙상블 모델을 적용할 경우 분류 성능이 최대화됨을 확인하였다.
소나무 재선충 피해나무는 줄어들고 있으나, 피해 지역은 전국으로 확대되고 있다. 최근에 딥러닝 기술이 발전하면서 소나무재선충 고사목 탐지 연구에 적용이 빠르게 시도되고 있다. 본 연구의 목적은 딥러닝 학습데이터의 효과적인 취득과 정확한 참값을 확보하고, 학습을 통해 U-Net 모델의 탐지능력을 보다 향상시키기 위함이다. 이러한 목적달성을 위해 단계별 딥러닝 알고리즘을 적용한 필터링 방법을 이용하여 딥러닝 모델의 불명확한 분석 근거를 최소화하고, 효율적인 분석 및 판단을 할 수 있도록 하였다. 분석결과 U-Net알고리즘을 이용한 소나무재선충 고사목 탐지 및 성능향상에 있어 기간별로 분석한 참값을 이용한 U-Net 모델이 기존에 제공하였던 참값을 이용한 U-Net 모델보다 재현율(Recall)은 -0.5%p, 정밀도(Precision)은 7.6%p, F-1 score는 4.1%p로 분석되었다. 향후 다양한 필터링 기법을 적용하여 재선충 탐지 정밀도를 높일 수 있는 가능성이 있을 것으로 판단되며, 드론 정사영상과 인공지능을 이용한 드론 예찰방법이 소나무재선충 방제 사업에 활용 가능할 것으로 판단된다.
수목을 3차원 구조로 정량화하는 것은 다양한 환경분석 모델링의 입력 자료로써 매우 중요하다. 그러나 3차원 측량이 가능한 라이다는 고비용과 전문인력이 필요해 파편화된 소규모의 도시녹지를 측량하기에는 경제적 장비운용적 차원에서 현실적이지 않다. 또한 수목은 계절에 따라 민감하게 변화하므로 시계열 모니터링으로 도시생태계를 이해하려면 높은 빈도로 쉽고 빠르게 수관구조를 측량할 수 있는 디바이스와 이에 맞는 정량화기법의 개발이 필요하다. 환경분석 모델링의 입력 자료로써의 필요가 아니더라도, 도시내 수목의 크기와 나이는 관리비용, 생태계서비스, 경관, 안전 등과 직결되므로 반드시 정보화될 필요성이 있다. 본 연구에서는 도시내 수목의 3차원 환경정보 데이터를 생성하기 위한 디바이스와 방법론으로써 UAV(Unmanned Aerial Vehicle)와 SfM-MVS(Structure from Motion-Multi View Stereo), solid modeling을 제시하였다. 따라서 제시된 device와 방법론의 검증을 목표로 하여 다음과 같이 분석을 수행하였다. 첫째, stereo image들로부터 생성된 point cloud로 측량한 결과의 정확도를 지상 라이다 자료와 비교 검증하였다. 두 번째, UAV촬영 사진개수를 감소시킴에 따라 변화하는 point cloud의 밀도가 수목의 부피 및 크기 정량화 결과에 어떤 영향을 주는지를 살펴봄으로써 고해상도의 point cloud가 정밀한 수목 측량에 꼭 필요한 요소인지를 확인하여 보았다. 마지막으로, 수목 부피의 정량화 및 형상화를 위해 solid model이 얼마나 적합한가를 검증하고자 다른 3D type의 측정치와 비교하였다. 분석의 결과를 통해, UAV와 SfM-MVS 그리고 solid model을 이용하면 단일수목을 손쉽게 저비용 높은 시간해상도로 정량화 및 형상화가 가능함을 확인하였다. 다만, 본 연구는 단일 개체목만을 대상으로 한 연구이므로 더 넓은 녹지에 적용하기 위해서는 이에 맞는 비행계획의 수립, 다양한 공간정보 데이터와의 융합, 녹지규모 확대에 따른 정량화 기법의 개선 등 앞으로 이를 발전시킬 수 있는 후속연구가 필요하다.
This study aims to figure out ecological characteristic of natural forests focusing on vegetation as a way of ecological renovation for the restoration of naturalness for golf courses that were constructed in the Country and to present vegetation models and appropriate tree species for the purpose. The study site is P golf club, which is located in Gapyong-gun, Kyeonggi Province. The site is within a forest where the grade from the natural ecology map is the first one and the level from the green index accounts for the eight, thus showing a typical environment for a golf course in terms of location. The location of the site explains a reason for restoration. The major substance of the study is to conduct ecological evaluation of vegetation structures around and inside the golf course and to present a vegetation model. In order to evaluate the ecological characteristics of the vegetation structures, the analysis of the study covered succession stages, multi-layer vegetation structures and species diversity. Plant communities that have high species diversity were selected for the vegetation model and proper density and species were proposed considering the number of species and individuals and distances between trees. The vegetation restoration model targets succession into an oak forest. Within a unit of 100 $m^2$, the recommended model include a tall-tree layer with 11 trees such as Quercus serrata and Quercus mongolica, a sub-tall-tree layer with 12 trees including Quercus mongolica, Quercus serrata, Prunus sargentii, Fraxinus rhynchophylla and Acer pseudo sieboldianum, a shrub layer with 32 trees from 16 species, and a grass layer with a cover rate of 45 %. The proposed vegetation restoration model needs to apply to : 1) damaged natural forests by the construction of golf courses; 2) boundaries between golf courses and surrounding forests; 3) buffer zones; 4) open spaces in between courses; and 5) areas between greens and tees where open spaces are available in a mass. In conclusion, one of the most important factors in presenting a vegetation model for the restoration of naturalness in the golf course and other damaged forests is to provide multi-layer vegetation structures that are composed of native species. As for the specific application for the site, it is recommended to manage the vegetation in such a way that the environment of the site can have a similar environment to the surrounding forest which is expected to succeed into an oaks-dominant one.
Regression analysis (RA) can establish an explicit formula to predict the strength of High-Performance Concrete (HPC); however, the accuracy of the formula is poor. Back-Propagation Networks (BPNs) can establish a highly accurate model to predict the strength of HPC, but cannot generate an explicit formula. Genetic Operation Trees (GOTs) can establish an explicit formula to predict the strength of HPC that achieves a level of accuracy in between the two aforementioned approaches. Although GOT can produce an explicit formula but the formula is often too complicated so that unable to explain the substantial meaning of the formula. This study developed a Backward Pruning Technique (BPT) to simplify the complexity of GOT formula by replacing each variable of the tip node of operation tree with the median of the variable in the training dataset belonging to the node, and then pruning the node with the most accurate test dataset. Such pruning reduces formula complexity while maintaining the accuracy. 404 experimental datasets were used to compare accuracy and complexity of three model building techniques, RA, BPN and GOT. Results show that the pruned GOT can generate simple and accurate formula for predicting the strength of HPC.
Over the years, several machine learning approaches have been proposed and utilized to create a prediction model for the high-performance concrete (HPC) slump flow. Despite HPC is a highly complex material, predicting its pattern is a rather ambitious process. Hence, choosing and applying the correct method remain a crucial task. Like some other problems, prediction of HPC slump flow suffers from abnormal attributes which might both have an influence on prediction accuracy and increases variance. In recent years, different studies are proposed to optimize the prediction accuracy for HPC slump flow. However, more state-of-the-art regression algorithms can be implemented to create a better model. This study focuses on several methods with different mathematical backgrounds to get the best possible results. Four well-known algorithms Support Vector Regression, M5P Trees, Random Forest, and MLPReg are implemented with optimum parameters as base learners. Also, redundant features are examined to better understand both how ingredients influence on prediction models and whether possible to achieve acceptable results with a few components. Based on the findings, the MLPReg algorithm with optimum parameters gives better results than others in terms of commonly used statistical error evaluation metrics. Besides, chosen algorithms can give rather accurate results using just a few attributes of a slump flow dataset.
복잡한 산악지형과 숲이 있는 나로 우주센터의 미규모 바람장을 MUKLIMO를 사용하여 모의하였다. 지형과 나무가 있을 때 모델의 민감도를 실험하기 위하여 각종 초기조건하에 수치모의를 수행하였다. 실험결과 나무는 평지 위에 서는 큰 영향을 미치나 언덕지형에서는 큰 영향을 미치지 못함을 알았다. 이러한 실험결과를 이용하여 나로 우주센터의 10m 상공에서의 미규모 바람장과 또, 발사장의 건설전후의 바람장도 모의하였다. 본 연구결과 MUKLIMO는 복접한 지형에서도 바람장의 수치모의가 가능하며 매우 유용함을 알았고 우주센터에서의 바람의 특성이 규명되었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.