• 대한교통학회지
• /
• 제19권4호
• /
• pp.35-47
• /
• 2001

대도시에서 자동차는 1차 대기오염물질의 가장 큰 발생원 중의 하나이기 때문에 자동차 오염물질을 감소시키기 위한 수많은 저감 대책이 추진되고 있다. 이러한 저감 대책 연구의 대표적인 특징은 대기오염물질의 배출목록 자료의 구축 시 오염물질의 정량성과 공간적인 분포성에 대한 것이다. 자동차 오염물질을 산정 할 때 배출목록은 활동도 통계와 차종별 배출계수 자료 등이 수집되어야 한다. 대부분의 배출목록은 개별조사나 교통모델에 의한 수동적인 자료로서 자료가 수집되는 순간부터 과거 자료가 되는 특성을 지닌다. 따라서, 최근의 추세는 도시 교통제어시스템과 자동차가 주변 환경에 미치는 영향 평가의 결합에 대한 연구가 추진되고 있다. 본 연구에서는 실시간 교통 자료를 이용한 이동오염원의 배출량을 평가하기 위한 산출 기법을 비교하여 배출량 자료구축의 방향을 설정하고자 하였다. 대상지역에서 대표적인 자동차 오염물질 중 CO의 배출량을 산정 하였다. 교통자료는 서울시 강남구 지역(강남대로-영동대로와 역삼로-양재대로 축)에 설치되어 있는 교차로 검지기에서 수집되는 첨단교통신호시스템의 실시간 교통정보를 이용하였다. 실시간 교통정보 중 시간대별 통과 교통량과 통과속도 자료를 이용하여 시간대별 평균주행속도에 따른 배출계수와 각 도로의 길이를 고려하여 각 도로별·시간대별로 자동차에서 배출되는 CO 배출량을 산정 하였다. 또한, 기존의 차종별 일일평균주행거리에 의한 방법으로 산정한 결과와 비교하여 각각의 방법에 따른 장·단점을 파악하여 자동차 대기오염물질 배출량 산정방법론을 제시하고자 하였다.5 nm 부근과 410nm 부근의 두 부분에서 최대 파장을 나타내는 것으로 보아 410 nm 부근이 파장은 180일 이후에 형성되는 것으로 보인다. 또한 오늘날 주거형태 변화에 따라 담금용기를 항아리에 유리병으로 달리하여 보았을 때 맛과 향미, 색의 면에서 유리병에 담근 간장이 바람직하지 못한 결과를 나타내었다.), Scene editor, Spatial analyzer(Intersect, Buffering, Network analysis), VRML exporter. While, most other 3D GISes or cartographic mapping systems may be categorized into 3D visualization systems handling terrain height-field processing, 2D GIS extension modules, or 3D geometric feature generation system using orthophoto image: actually, these are eventually considered as several parts of "real 3D GIS". As well as these things, other components, especially web-based 3D GIS, are being implemented in this study: Surface/feature integration, Java/VRML linkage, Mesh/Grid problem, LOD(Level of Detail)

• 유기물자원화
• /
• 제13권4호
• /
• pp.118-127
• /
• 2005

가축분뇨를 처리하는데 있어 최선의 방법은 퇴비화처리 후에 유기성 비료자원으로서 경작지에 환원하는 것이다. 본 연구의 수행목적은 우분 발효퇴비와 돈분 발효퇴비를 펠렛화 했을 때의 물리, 화학적 특성변화를 고찰함으로써 펠렛화를 통한 가축분 발효퇴비의 이용성 개선가능성 여부를 판단하는 것이다. 가축분 발효퇴비의 펠렛가공에 가장 적합한 수분함량은 40% 내외이었다. 결착제로 사용된 점토 혼합비율이 부피비 기준으로 15% 이상일 때부터 펠렛 가공정도가 개선되는 효과가 있었다. 돈분 발효퇴비의 경우, 원료퇴비 중에 건물기준으로 2.05%, 1.89% 그리고 1.31% 이었던 N, P, K 함량이 펠렛 가공처리 후 각각 1.96% 1.73% 과 0.89%로 변화하였다. 우분발효 퇴비 중의 N, P, K 함량은 각각 2.52%, 1.01% 그리고 2.98% 수준이었다가 펠렛 가공처리 후에는 2.45%, 1.10% 그리고 2.93%로 변화하였다. 퇴비중의 Pb, Cd, As 그리고 Hg 함량의 경우 펠렛가공 전후에 차이를 거의 보이지 않았다. 펠렛 가공처리 후 자연 상태에서 건조된 펠렛의 경우, 물에 침수하였을 때 30분 이내에 완전히 해체되었으나 $70^{\circ}C$의 드라이오븐에서 24시간 동안 건조된 펠렛의 경우 완전해체되는데 960분이 소요되었다. 저장시간이 경과함에 따라 펠렛의 부피와 중량이 감소하여 30일 경과 후에는 무게는 15%정도, 부피는 17~25% 정도 감소하였다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.

• Applied Biological Chemistry
• /
• 제47권4호
• /
• pp.409-413
• /
• 2004

상온에서 60일 동안 저장한 ‘양산’ 품종의 국내산 완숙호박 과육의 pH, 당도, 중량, 수분함량, 총단백질 함량 및 단백질을 구성하고 있는 아미노산 함량의 변화에 대하여 조사하였다. 그 결과 당도는 저장기간에 따라 큰 차이가 없었으며, pH는 약간 산성화 되었다. 중량과 과육 내 수분함량은 소폭 감소하는 경향을 보였다. 총단백질 함량과 단백질 내 구성아미노산 함량에서는 저장기간이 길어질수록 증가하는 경향을 보였다. 그러나 아미노산 조성에는 큰 차이가 없었으며 glutamic acid(15.5%), aspartic acid(10.1%), lysine(8.7%), valine(7.5%), leucine(7.1%) 및 alanine(6.6%)의 순서로 존재하였다. 또한 $121^{\circ}C$ 고온 및 $1\;kg/cm^2$의 고압 조건에서 1시간 동안 일정한 간격으로 처리한 완숙호박의 유리아미노산 함량 및 색도 변화를 조사하였다. 유리아미노산 분석결과 모든 처리구에서 필수아미노산 8종(histidine, isoleucine, leucine, lysine, phenylalanine, methionine, threonine, 및 valine)과 이뇨작용과 관련된 아미노산류 3종(ornithine, citrulline, arginine)을 비롯하여 총 29종이 검출되었으며, 이 중에서 aspartic acid와 asparagine이 각각 20.3%와 15.4%를 차지하여 가장 많은 함량을 차지하였다. 이와 같은 유리아미노산 조성은 고온고압 처리시간이 길어질수록 arginine과 glutamic acid는 대폭 감소하였고, ammonium chloride는 오히려 증가하는 경향을 보였다. 처리시간별 과육의 색도는 처리시간에 길어질수록 황색을 나타내는 b값이 줄어, 처리 1시간째에 17.45에서 9.14로 낮아졌다. 이것은 ${\beta}-carotene$을 비롯한 황색계통의 색소들이 상당히 파괴되었기 때문에 생긴 현상으로 보여진다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제1권3호
• /
• pp.143-150
• /
• 2012

본 연구에서는 스마트 열 그리드의 운영 특성 분석을 위한 기초적인 방법론과 해당 방법론에 근거한 열 그리드 연계운전 분석 시뮬레이션 프로그램에 대해 소개하고자 하며, 특히 기존의 광역 열에너지네트워크에 해당하는 집단에너지 시스템 인근에 소규모 열 그리드가 신규로 연계되어 운전될 경우에 대한 각 시스템별 운영특성 및 주요 운전 변수에 대한 상호 영향에 대해 면밀히 살펴볼 수 있는 시뮬레이션 방법론에 대해 고찰해보고자 한다. 본 연구에서 열 그리드 간 연계운전에 따른 기존의 규모가 큰 열 그리드에 대한 영향은 해당 그리드의 연간 시각별 운영 실적 데이터를 바탕으로 한 경험적 상관관계식을 도출하여 간략히 모델링하고자 하였으며, 신규 그리드에 설치, 운영되는 열원 설비들에 대한 운전 특성은 실제 제품의 운전부하별 운전효율 자료에 대한 DB를 구축, 사용함으로서 시뮬레이션 분석 결과의 신뢰도를 제고하고자 하였다. 또한 본 시뮬레이션 프로그램에서는 해당 수요처의 에너지부하 예측에 있어 건물 유형별로 연간, 시각별로 실측한 데이터를 기반으로 수립된 단위 에너지부하 모델을 이용, 예측함으로써 운전시뮬레이션을 통한 최적화 분석 결과의 신뢰성을 확보하고자 하였다. 본 연구에서 기 제안된 방법론 및 이에 근거한 시뮬레이션 분석 결과로부터 그리드 상호간 열 거래에 기반한 복수의 열 그리드 운전 특성 분석 방법의 효용성을 확인할 수 있었으며, 향후 수요자 및 열 에너지 공급자간 다양한 정보의 공유를 근간으로 하는 IT 기반 스마트 열 그리드 최적화 분석으로의 확장을 위한 기초 자료를 확보할 수 있었다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.133-148
• /
• 2014

최근 다양한 정보채널들의 등장으로 인해 빅데이터에 대한 관심이 높아지고 있다. 이와 같은 현상의 가장 큰 원인은, 스마트기기의 사용이 활성화 됨에 따라 사용자가 생성하는 텍스트, 사진, 동영상과 같은 비정형 데이터의 양이 크게 증가하고 있는 것에서 찾을 수 있다. 특히 비정형 데이터 중에서도 텍스트 데이터의 경우, 사용자들의 의견 및 다양한 정보를 명확하게 표현하고 있다는 특징이 있다. 따라서 이러한 텍스트에 대한 분석을 통해 새로운 가치를 창출하고자 하는 시도가 활발히 이루어지고 있다. 텍스트 분석을 위해 필요한 기술은 대표적으로 텍스트 마이닝과 오피니언 마이닝이 있다. 텍스트 마이닝과 오피니언 마이닝은 모두 텍스트 데이터를 입력 데이터로 사용할 뿐 아니라 파싱, 필터링 등 자연어 처리기술을 사용한다는 측면에서 많은 공통점을 갖고 있다. 특히 문서의 분류 및 예측에 있어서 목적 변수가 긍정 또는 부정의 감성을 나타내는 경우에는, 전통적 텍스트 마이닝, 또는 감성사전 기반의 오피니언 마이닝의 두 가지 방법론에 의해 오피니언 분류를 수행할 수 있다. 따라서 텍스트 마이닝과 오피니언 마이닝의 특징을 구분하는 가장 명확한 기준은 입력 데이터의 형태, 분석의 목적, 분석의 결과물이 아닌 감성사전의 사용 여부라고 할 수 있다. 따라서 본 연구에서는 오피니언 분류라는 동일한 목적에 대해 텍스트 마이닝과 오피니언 마이닝을 각각 사용하여 예측 모델을 수립하는 과정을 비교하고, 결과로 도출된 모델의 예측 정확도를 비교하였다. 오피니언 분류 실험을 위해 영화 리뷰 2,000건에 대한 실험을 수행하였으며, 실험 결과 오피니언 마이닝을 통해 수립된 모델이 텍스트 마이닝 모델에 비해 전체 구간의 예측 정확도 평균이 높게 나타나고, 예측의 확실성이 강한 문서일수록 예측 정확성이 높게 나타나는 일관적인 성향을 나타내는 등 더욱 바람직한 특성을 보였다.

• 정보처리학회논문지A
• /
• 제13A권2호
• /
• pp.123-136
• /
• 2006

캐시 선인출 기법은 메모리 참조에 따른 지연시간을 줄이는 효과적인 방법이다. 그러나 너무 적극적으로 선인출할 경우에 캐시 오염을 유발시켜 선인출에 의한 장점을 상쇄시킬 뿐만 아니라 버스 트래픽을 증가시켜 전체 성능의 저하를 가져 올 수 있다. 본 연구에서는 선인출로 인한 캐시의 오염을 줄이기 위해 필터 테이블을 참조하여 선인출 명령을 수행할 지의 여부를 동적으로 판단하는 선인출 필터링 기법을 제시한다. 본 논문에서는 먼저 기존 연구에서의 문제점을 분석하기 위해 선인출 해싱 테이블 lbitSC 기법을 보였는데, 이 기법은 기존 연구와 같이 N:1 매핑을 사용하는 반면, 각 엔트리의 값을 1비트로 하여 두 가지 상태값을 갖도록 하였다. 비교 연구를 위해 완전 블록주소 테이블 기법을 제시하여 비교 기준으로 사용하였다. 마지막으로 본 논문의 주 아이디어인 정교한 필터링을 위한 선인출 블록주소 참조 테이블 기법을 제안하였다. 이 구조는 선인출 해싱 테이블 1bitSC기법과 같은 테이블 길이를 가지며, 각 엔트리의 내용은 완전 블록주소 테이블 기법과 같은 항목을 가지도록 하여 최근에 미 사용된 데이터의 블록주소가 필터 테이블의 하나의 엔트리와 대응되도록 1:1 매핑을 하였다. 일반적으로 많이 사용되는 선인출 기법과, 일반 벤치마크 프로그램과 멀티미디어 벤치마크 프로그램들에 대하여 캐시의 매개변수들을 변화시켜가면서 실험을 하였다. PBALT기법은 필터링 하지 않은 경우에 비해 최대 22% 향상된 결과를 보이고, 기존 PHT2bSC 기법과 비교하여 캐시 미스율이 7.9% 감소하였다. 메모리 참조 지연 시간(MADT)은 제안하는 PBALT 기법이 기존 연구에 비해 6.1% 감소하여 전체 수행 시간에 있어서 성능이 향상되었다.

• 대한원격탐사학회지
• /
• 제21권6호
• /
• pp.445-456
• /
• 2005

지표변수는 지면 근처의 기후변화에 중요한 역할을 하기 때문에, 충분히 높은 정확성을 가진 값이 산출되어야 한다 하지만 지표 반사도는 강한 이방성(non-Lambertian) 특징을 가지고 있기 때문에, 위성 천저각으로부터 멀어질수록 태양-지점-위성과의 기하학적 영향을 더욱 강하게 받는 효과를 가져온다. 또한 지표 각 영향을 포함하고 있는 지표 반사도는 노이즈를 가지게 된다. 따라서 본 연구의 목적은 한반도 지역의 MODIS 반사도 자료(250m)를 이용하여 각 영향이 제거된 보다 정확한 반사도 값에 대한 데이터베이스를 제공하는 것이다. 본 연구에서는 매일 2회씩 제공하는 MODIS(Moderate Resolution Imaging Spoctroradiometer) 센서의 가시영역과 근적외영역의 반사도(250m)자료를 이용하였다. 먼저 구름화소를 제거하기 위해서 연속적인 물리과정을 통하여 각각의 구름 화소를 제거하였다. 그리고 지리보정은 MODIS 센서에서 제공하는 지리정보자료를 이용하여 2차 다항회귀식을 통한 최근접 내삽법을 사용하였다. 본 연구에서는 지표 이방성 효과를 보정하기 위해서 반 경험적 양방향성분포함수(BRDF) 모델을 사용하였다. 이 알고리즘은 위성으로부터 관측된 위성천정각, 태양천정각, 위성방위각, 태양방위각과 같은 각 성분을 이용하여 Kernel-deriven 모델의 역변환을 통하여 지표 반사도를 재생산한다. 먼저 우리는 BRDF 모델을 수행하기 위해 총 31일 모델 관측 실행기간을 고려하였다. 다음 단계로 각각의 화소 및 밴드에 대해서 BRDF 모델을 통하여 분리된 각 성분들을 변조함으로써 위성 직하점 반사도 정규화가 수행되었다. 모델을 이용하여 산출된 반사도 값은 실제 위성 반사도 값과 잘 일치하였고, RMSE(Root Mean Square Error)값은 전체적으로 약 0.01(최고값=0.03)이였다. 마지막으로, 우리는 한반도 지역에 대해서 2001년 동안 총 36개로 구성된 정규화 지표반사도 값의 데이터베이스를 구축하였다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.449-461
• /
• 2021

광학 위성정보에 대한 분석대기자료(ARD)는 각 센서 별 분광특성과 촬영각 등을 적용하는 전처리 작업에 의한 성과물이다. 대기보정 처리과정은 통하여 얻을 수 있는 대기반사도와 지표반사도는 기본적이면서 복잡한 알고리즘을 요구한다. 대부분 위성 정보처리 소프트웨어에서는 Landsat 위성 대기보정 처리 알고리즘 및 기능을 제공하고 있다. 또한 사용자는 클라우드 환경에서 Google Earth Engine(GEE)을 통하여 USGS-ARD와 같은 Landsat 반사도 성과에 직접 접근할 수 있다. 이번 연구에서는 고해상도 위성정보 처리에 활용되고 있는 Orfeo ToolBox(OTB) 오픈 소스 소프트웨어의 대기보정 기능을 확장 구현하였다. 현재 OTB 도구는 어떠한 Landsat 센서도 지원하지 않기 때문에, 이 확장 도구는 최초로 개발된 사례이다. 이 도구를 이용하여 RadCalNet 사이트의 Railroad Valley, United States(RVUS) 반사율 자료 값을 이용한 결과 검증을 위하여 같은 지역의 Landsat-8 OLI 영상의 절대 대기보정에 의한 반사도 성과를 산출하였다. 산출된 결과는 RVUS 자료를 기준으로 반사도 값과의 차이가 5% 미만으로 나타났다. 한편 이 반사도 성과는 USGS-ARD 반사도 값뿐만 아니라 QGIS Semi-automatic Classification Plugin과 SAGA GIS와 같은 다른 오픈 소스 도구에서 산출된 성과를 이용한 비교 분석을 수행하였다. OTB 확장도구로부터 산출한 반사도 성과는 RadCalNet RVUS의 자료와 높은 일치도를 나타내는 USGS-ARD의 값과 가장 부합되는 것으로 나타났다. 이 연구에서 OTB 대기보정 처리의 다양한 위성센서 적용 가능성을 입증한 결과로 이 모듈을 다른 센서정보로 확장하여 구현하는 경우에도 정확도가 높은 반사도 산출이 가능한 것을 확인할 수 있었다. 이와 같은 연구 방법은 향후 차세대중형위성을 포함하는 다양한 광학위성에 대한 반사도 성과 산출 도구개발에도 활용할 수 있다.

• 한국농림기상학회지
• /
• 제25권2호
• /
• pp.80-98
• /
• 2023

본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.