최근 미세먼지, 지구온난화로 인한 이상기후, 도시열섬 등 환경문제가 크게 대두되면서, 도시환경을 쾌적한 자연환경으로 극복하려는 연 구가 증가하고 있다. 이러한 도시에 적합한 생태환경을 조성하기 위해서는 건물과 교목에 의한 일조환경 제약이 큰 도시 조경공간에 적절 한 초본류의 선택이 정원의 다층구조식재에 특히 중요하다. 따라서 도시 정원공간의 일조환경 예측에 필요한 적합한 소프트웨어의 개발이 시급하고 정성적 평가와 알고리즘 구현이 가능하도록 프로그램화가 선행되어져야 한다. 본 연구는 일조환경에 따른 초본류의 생장특성요 소(초장, 마디수, 엽폭, 엽장)을 종합 지표화하고자 한다. 전주에 위치한 국립원예특작과학원의 야외온실에 차광율이 각각 50%, 80%인 차 광막을 온실 지붕에 설치하여 일조환경을 음지, 반음지, 양지인 3조건에서 19종의 초본류의 생장특성요소를 2주마다 측정한 다음, 다중 척 도 분석(MCDA, Multi-criteria Desision Analysis)을 통하여 생장지수를 산출하였다. 음지조건에서 꽃범의 꼬리의 생장지수가 0.79로 가 장 높게 나타났고 양지에서는 숙근꽃향유, 매발톱은 각각 0.79, 0.77의 지수로 표현되었다.

Fog may have a significant impact on road conditions. In an attempt to improve fog predictability in Jeju, we conducted machine learning with various data mining techniques such as tree models, conditional inference tree, random forest, multinomial logistic regression, neural network and support vector machine. To validate machine learning models, the results from the simulation was compared with the fog data observed over Jeju(184 ASOS site) and Gosan(185 ASOS site). Predictive rates proposed by six data mining methods are all above 92% at two regions. Additionally, we validated the performance of machine learning models with WRF (weather research and forecasting) model meteorological outputs. We found that it is still not good enough for operational fog forecast. According to the model assesment by metrics from confusion matrix, it can be seen that the fog prediction using neural network is the most effective method.

정보통신기술의 발달로 빅데이터 분석을 통해 사람들 일상의 기록과 잠재적 요구까지 통찰할 수 있게 되었으며, 우리의 일상 속에서 방대한 정보를 실시간으로 도출하고 있다. 여러 산업이 나 기업에서 이미 빅데이터와 결합시켜 비즈니스 등 다양한 분야에 활용하고 있지만 게임 산업 에서의 빅데이터 활용은 아직까지 미흡한 실정이다. 이에 본 연구에서는 데이터 마이닝을 기법을 적용하여 전략시뮬레이션 게임 데이터를 분석하 였다. 전략시뮬레이션 게임 데이터를 Decision Tree, Random Forest, Multi-class SVM, Linear Regression 분석 기법을 적용하여 게임 유저의 게임수준에 영향을 미치는 요인을 분석하였다. 게임수준을 예측하는데 있어 가장 우수한 성능을 보인 기법과 변수들을 도출하여 게임 디자인 과 사용성을 증대시키기 위한 제안을 하고자 한다.

현재까지 모바일 게임 사용자 연구는 개별 콘텐츠의 재미, 중독성, 편의성과 같은 1차적 정서 를 분석하는 차원에 머물러 있다. 그러나 스마트폰의 확산 이후 사용자들의 멀티태스킹이 보편 화되면서 사용자의 게임 콘텐츠 경험은 복잡해지고 있다. 따라서 다양한 행위를 동시에 수행하 는 사용자의 관점에서 모바일 게임에 대한 보다 깊이 있는 분석이 필요한 상황이다. 본 연구는 집단 감성의 관점에서 모바일 게임 사용자들의 연결된 심성 모형을 포착하고자 했다. 이를 위 해 사용자들의 비의도성과 의도성을 동시에 포착할 수 있는 소셜 데이터 분석을 실시했으며, 그 결과로 서비스의 교차 소비, 정보 추천방식의 다양화, 관계 기반의 과제 경험을 주요 이슈로 제시했다.

Celiac disease (CD) is classified as an autoimmune disease of small intestine and occurred with people with the human leucocyte antigen (HLA) DQ2(8) cells. The gluten commonly called for the gliadins and glutenins from wheat and related proteins from barley and rye is significant cause of celiac disease. There are many sequences that recognized by T-cell according to species and different types of gliadins. In ω-gliadin, two sort of epitopes were figured out that consisting of some proline(P) and glutamine(Q) scattered in gliadin sequence. All registered ω-gliadin sequences deposited in NCBI database were downloaded and collected. In order to classify groups depending on sequence difference, sequence similarity and their closeness were analyzed by phylogenetic trees using by MEGA (ver.6.06). Chinese spring genome sequence database offered by URGI (Unité de Recherche Génomique Info) is used for sequence assembly. Primers to validate presence of epitopes were designed by two different type from conserved and specific region. Primer pair from consensus region were designed in conserved domain of ω-gliadin sequences from public database by sequence alignment. And, sequence-specific primers of ω-gliadin were designed from the unique region of each ω-gliadin sequence comparing ω-gliadin sequences from NCBI database with draft sequence of Chinese spring in URGI. The two known epitopes of ω-gliadin were located on same site, approximately from the 315th nucleotide to the 348th nucleotide in CDS. Candidate epitopes present in ω-gliadin were divided into three categories based on analysis of sequence similarity. This categorization shows similar pattern with groups that were previously reported by sequence motifs such as SRLL, AREL, ARQL and KELQ. However, sequence which has AREL motif and sequence ARQL motif were not distinguished obviously in ω-gliadin based on sequence alignment.

본 연구에서는 홍수위 예경보를 위한 Data Mining기법에 대해 조사하고 예측시스템에 대해 연구하였다. 홍수예측의 모형 중 인공지능 기반의 신경망 모형을 이용하여 유사한 수문 사상을 유역내의 복잡한 물리적인 현상을 직접적으로 고려하지 않고 상·하류간 입력 자료를 사용하여 출력자료와의 관계로부터 학습을 통해 결론을 도출해내는 Data Mining기법 중 신경망 모형을 사용하였다.

본 연구에서는 중·소하천에서 홍수예경보를 위한 지능형 U-River 시스템의 실시간 모니터링 기술을 조사하고 예측 시스템에 대해 연구하였다. 기존의 홍수예경보의 문제점을 해결하기 위해 간단한 입력자료만으로 홍수예측이 가능한 인공지능 기반의 신경망 모형을 이용하였으며 예측 모형의 효율성과 적용성을 높이기 위해 유사한 수문 사상을 가지는 상·하류간 입력 자료를 동시에 사용하였다. 모델의 수행은 각 지점별 훈련성과를 토대로 최적의 은닉층 노드수를 선발하여 실시간 수위예측에 활용하였으며 수치적 기준을 적용하여 실측 수위와 모형에 의해 예측된 수위를 이용하여 평가하였다.