본 연구에서는 같은 지역에 위치한 온실 3곳의 식별을 위해 통계적인 방법으로 분류를 하고자 주성분 분석(PCA)과 선형 판별 분석(LDA)을 수행하였다. 온실 내의 환경데이터는 같은 지역의 온실 3곳을 대상으로 4월 1일부터 4월 28일 총 4주간 1시간 간격으로 수집된 값을 사용하였다. 데이터를 분석하기 전, 데이터 정규화를 시키는 전처리를 거쳤으며, 전체의 80%인 훈련자료(training data)와 20%인 테스트 자료(test data)로 나누어 분석을 수행하였다. 분석을 수행한 결과, PC1은 57.51%의 설명력으로 PC1 = 0.7118112 × Tem. –0.6830065 × Humi. –0.1637892 × CO2.의 식을 가지며, LD1은 67.06% 의 설명력으로 LD1 = 0.8622565 × Tem. –0.1805741 × Humi. + 1.4018140 × CO2. + 0.03040701의 식을 가지는 것으로 나타났다. 이렇게 미리 분류시켜 놓은 온실의 데이터를 바탕으로 새로운 환경의 데이터를 입력하였을 때 특정 그룹으로의 분류가 가능함으로써 데이터의 성향을 파악할 수 있다. 이러한 데이터는 식별을 용이하게 함으로써 데이터의 활용도를 높여주는 방법이라고 판단된다.

Recently there was an incident that military radars, coastal CCTVs and other surveillance equipment captured a small rubber boat smuggling a group of illegal immigrants into South Korea, but guards on duty failed to notice it until after they reached the shore and fled. After that, the detection of such vessels before it reach to the Korean shore has emerged as an important issue to be solved. In the fields of marine navigation, Automatic Identification System (AIS) is widely equipped in vessels, and the vessels incessantly transmits its position information. In this paper, we propose a method of automatically identifying abnormally behaving vessels with AIS using convolutional autoencoder (CAE). Vessel anomaly detection can be referred to as the process of detecting its trajectory that significantly deviated from the majority of the trajectories. In this method, the normal vessel trajectory is gridded as an image, and CAE are trained with images from historical normal vessel trajectories to reconstruct the input image. Features of normal trajectories are captured into weights in CAE. As a result, images of the trajectories of abnormal behaving vessels are poorly reconstructed and end up with large reconstruction errors. We show how correctly the model detects simulated abnormal trajectories shifted a few pixel from normal trajectories. Since the proposed model identifies abnormally behaving ships using actual AIS data, it is expected to contribute to the strengthening of security level when it is applied to various maritime surveillance systems.

본 연구에서는 인공신경망을 이용해 건물 구조물의 가속도계 설치 위치 및 개수를 선정하는 방법을 제안한다. 인공신경망의 입력 층에는 층에 설치되는 가속도계로부터 얻는 가속도이력데이터가 입력되며, 출력층에는 구조물을 정의하는 각 층의 질량과 강성 값을 출력하도록 신경망을 구성한다. 가속도계의 설치 위치 및 개수를 선정하기 위해 여러 설치 시나리오를 가정하고 훈련을 통해 인공신경망을 구한다. 훈련에 사용되지 않은 예제를 이용해 예측 성능을 비교하였다. 센서 개수 및 위치에 따른 예측 성능을 비교하여 설치위치 및 개수를 선정한다. 6층과 10층 예제 적용을 통해 제안하는 방법을 검증하였다.

본 연구는 한우 개체식별 및 친자감별에 있어 기존의 di-nucleotide repeat microsatellite marker 사용 시 발생했던 stutter로 인한 대립유전자 판별 오류 등의 문제들을 극복하고, 분석결과의 신뢰도와 정확도를 높이기 위해 tri-, tetra-, penta-, hexa-nucleotide repeat microsatellite 좌위들로 이루어진 새로운 개체식별 마커 13 종(BTRC6_01, BTRC19_02, BTRC11_03, BTRC16_05, BTRC9_07, BPC19_08, BTEC17_09, BPC21_10, BTEC4_11, BPC7_12, BPC1_13, BHXC29_14, BPC1_15)을 개발하였다. 선발된 13개의 좌위를 가지고 소 1,530두에 microsatellite typing을 실시한 결과, 총 61개에 대립유전자가 발견되었으며, 좌위별로 평균 4.69개의 대립유전자를 가지는 것으로 확인되었다. 마커의 다형성과 정보력의 척도인 PIC (Polymorphism Information Contents)값은 0.25(BTRC9_07)~0.59(BTEC17_09)로 나타났으며 BHXC29_14, BPC1_13, BTEC17_09, BTRC16_05, BTRC19_02, BTRC6_01 좌위들은 PIC 0.5 이상 그리고 나머지 좌위들 모두 PIC 0.25 이상의 값을 가지는 것으로 확인되어 마커로서 다형성이 있음이 검증되었다. 개발한 마커를 활용하여 한우(영암, 장흥)와 유럽우 7종 (Brown Swiss, Limousin, Angus, Simmental, Hereford, Charolais, Holstein)의 유전적 특성을 분석하였으며, 총 9개 집단의 Heterozygosity와 FIS (inbreeding coefficient) 값을 측정하였다. 기대이형접합율은 0.451(BS)~0.605(AG) 범위 내로, 한우는 0.532(영암), 0.545(장흥)의 값을 가지는 것으로 나타났다. 한우(영암, 한우)와 7종의 유럽우들 간의 유연관계 분석은 특정 대립유전자 빈도를 근거로 한 유전적 거리의 추정으로 이루어졌다. 한우집단과 Simmental 간의 유전적 거리(0.1848)가 가장 가깝고 비교적으로 Brown Swiss와의 유전적 분포(0.3352)가 가장 먼 것으로 나타났으며, 계통발생학적으로 유전적 분화 양상을 확인함으로써 본 마커의 한우 유전적 다양성 및 유연관계 분석에 활용 가능성을 제시하였다.

This study analyzed how the installation of a pressure gauge in the indoor fire hydrant of an apartment building affected identifying pressurized water in the pipe, making it easier to conduct internal inspection on the fire suppression system, and ensuring reliability of fire suppression. The following are the study’s results: First, identifying pressurized water in the indoor firefighting pipe had a positive effect on the installation of a pressure gauge in the indoor fire hydrant. This implies that a higher level of identification of pressurized water in the indoor firefighting pipe had a positive impact on improving the installation and use of a pressure gauge in the indoor fire hydrant. Second, making it easier for the fire safety officer to inspect the fire suppression system had a positive effect on the installation of a pressure gauge in the indoor fire hydrant. This suggests that if it becomes easier for the apartment building’s stakeholder to conduct internal inspection or the firefighting facility manager to carry out inspection on the fire suppression system, it would have a positive effect on the installation of a pressure gauge in the indoor fire hydrant. Finally, ensuring reliability in fire suppression had a positive effect on the installation of a pressure gauge in the indoor fire hydrant. This implies that if it becomes easier to identify pressurized water in the indoor firefighting pipe, for the fire safety officer to conduct internal inspection, or for the firefighting facility manager to carry out inspection in accordance with the fire suppression system’s internal inspection requirements, it would increase reliability in fire suppression, making it more necessary to install a pressure gauge in the indoor fire hydrant.

본 연구는 FT-IR 스펙트럼 데이터를 기반으로 다변량통계분석을 이용하여 생육 온도변화에 따른 파파야(Carica papaya L.)의 대사체 수준 식별을 통해 기후 변화에 대응하여 작물의 육종 연구의 기초자료로 활용하고자 한다. 1. FT-IR 스펙트럼 데이터로부터 PCA(principal component analysis), PLS-DA(partial least square discriminant analysis) 그리고 HCA(hierarchical clustering analysis) 분석을 실시하였다. 2. 파파야 품종은 1700–1500, 1500–1300, 1100–950 cm-1부 위에서 대사체의 양적, 질적 패턴 변화가 FT-IR 스펙트럼상에 서 나타났다. FT-IR 스펙트럼의 1700–1500 cm-1부위는 주로 Amide I 과 II을 포함하는 아미노산 및 단백질계열의 화합물 들의 질적, 양적 정보를 나타내고, 1500–1300 cm-1부위는 phosphodiester group을 포함한 핵산 및 인지질의 정보가 반영이 되고, 1100–950 cm-1부위는 단당류나 복합 다당류를 포함 하는 carbohydrates 계열의 화합물들이 질적, 양적 정보가 반영되는 부위이다. 3. PCA score plot 상측으로부터 +0oC(A)에서 +4oC(C)로 변화하는 것을 볼 수 있다. (A) 그룹은 주로 현재 기온에서 재배되는 파파야가 분포되면서 그룹을 형성하고 있고, (B) 그 룹은 평년 기온에서 +2oC 증가한 것을 가정하여 재배된 파파야가 그룹을 형성하였다. 또한, (C) 그룹은 (B) 그룹에서 +2oC, 평년 기온에서 +4oC 증가한 것을 가정하여 재배된 파파야가 그룹을 형성하였다. 4. PLS-DA 분석의 경우 PCA 분석보다 생육온도에 따른 그룹 간 식별이 뚜렷하게 나타났다. 5. 본 연구에서 확립된 파파야 생육온도에 따른 대사체 수준 식별 기술은 파파야의 품종, 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대되며 육종을 통한 신품종개발 가속화에 기여할 수 있을 것으로 예상된다.

As a series of fundamental researches on the development of an automatic identification monitoring system for fishing gear. Firstly, the study on the installation method of automated identification buoy for the coastal improvement net fishing net with many loss problems on the west coast was carried out. Secondly, the study was conducted find out how to install an automatic identification buoy for coastal gill net which has the highest loss rate among the fisheries. GPS for fishing was used six times in the coastal waters around Seogwipo city in Jeju Island to determine the developmental status and underwater behavior to conduct a field survey. Next, a questionnaire was administered in parallel on the type of loss and the quantity and location of fishing gear to be developed and the water transmitter. In the field experiment, the data collection was possible from a minimum of 13 hours, ten minutes to a maximum of 20 hours and ten minutes using GPS, identifying the development status and underwater behavior of the coastal gillnet fishing gear. The result of the survey showed that the loss of coastal net fishing gear was in the following order: net (27.3%), full fishing gear (24.2%), buoys, and anchors (18.2%). The causes were active algae (50.0%), fish catches (33.3%) and natural disasters (12.5%). To solve this problem, the installation method is to attach one and two electronic buoys to top of each end of the fishing gear, and one underwater transmitter at both ends of the float line connected to the anchor. By identifying and managing abnormal conditions such as damage or loss of fishing gear due to external factors such as potent algae and cutting of fishing gear, loss of fishing gear can be reduced. If the lost fishing gear is found, it will be efficiently collected.

2017년 발생한 포항 지진으로 인하여 천장재, 외장재, 커튼월 등 비구조재의 파괴에 의한 피해가 다수 보고되었으며 비구조재의 내진설계가 중요해지고 있다. 본 연구에서는 임팩트해머 테스트를 통해 행어볼트 길이에 따른 천장재의 고유진동수와 감쇠비를 식별하였다. 또한 천장재가 벽 또는 다른 구조체에 충돌하는 경우 발생하는 충격효과를 정확히 고려하기 위해 충돌실험을 수행하였다. 식별된 천장재의 동특성과 충격지속시간을 바탕으로 실제로 천장재가 지진하중으로 인하여 주변 구조물과 충돌이 발생하는 경우에 대한 천장재 응답특성을 수치해석을 통하여 분석하였다. 수치해석 시뮬레이션 결과, 충격하중은 이격거리에 따라 선형적으로 증가하는 경향을 보였으며, 달대길이와는 무관한 것으로 나타났다.

개(Canis lupus familiaris)는 인간의 소외 현상을 개선하고, 공동체 생활 의식 향상에 기여하는 반려동물이다. 반려견 품종을 명확히 관리하는 것은 유전병을 감소시키거나, 형질 개량, 종 다양성 유지 등을 위해 중요하다. 본 연구에서는 고밀도 SNP 칩 유전자형 데이터와 기계학습 기술을 이용하여, 유전자형 데이터에 기반한 품종 식별이 가능한지, 가능하다면 최소 몇 개의 유전마커로 품종 식별을 유의하게 수행할 수 있는지 확인하기 위하여, 반려견 11 품종 226두의 23K SNP 칩 데이터를 분석하였다. 9종의 기계학습 다중범주 분류 알고리즘과 2종의 특징 선택 방법의 성능을 비교하여, 선형 서포트 벡터 머신 분류기와 주성분 분석 특징 기여도를 이용한 특징 선택 방법을 이용했을 때, 11종의 반려견 품종을 90% 이상 정확도로 식별하였으며, 이 때 40개의 유전마커가 필요함을 확인하였다. 최종 선발 된 40개의 반려견 품종 식별 유전마커는 타 질병 예측 마커와 결합하여 유전자 검사 키트로 제작될 수 있으며, 반려견 품종 관리 및 질병 관리 기술로 유용하게 활용될 수 있을 것이다.