Algal bloom is an ongoing issue in the management of freshwater systems for drinking water supply, and the chlorophyll-a concentration is commonly used to represent the status of algal bloom. Thus, the prediction of chlorophyll-a concentration is essential for the proper management of water quality. However, the chlorophyll-a concentration is affected by various water quality and environmental factors, so the prediction of its concentration is not an easy task. In recent years, many advanced machine learning algorithms have increasingly been used for the development of surrogate models to prediction the chlorophyll-a concentration in freshwater systems such as rivers or reservoirs. This study used a light gradient boosting machine(LightGBM), a gradient boosting decision tree algorithm, to develop an ensemble machine learning model to predict chlorophyll-a concentration. The field water quality data observed at Daecheong Lake, obtained from the real-time water information system in Korea, were used for the development of the model. The data include temperature, pH, electric conductivity, dissolved oxygen, total organic carbon, total nitrogen, total phosphorus, and chlorophyll-a. First, a LightGBM model was developed to predict the chlorophyll-a concentration by using the other seven items as independent input variables. Second, the time-lagged values of all the input variables were added as input variables to understand the effect of time lag of input variables on model performance. The time lag (i) ranges from 1 to 50 days. The model performance was evaluated using three indices, root mean squared error-observation standard deviation ration (RSR), Nash-Sutcliffe coefficient of efficiency (NSE) and mean absolute error (MAE). The model showed the best performance by adding a dataset with a one-day time lag (i=1) where RSR, NSE, and MAE were 0.359, 0.871 and 1.510, respectively. The improvement of model performance was observed when a dataset with a time lag up of about 15 days (i=15) was added.

최근 사물인터넷(Internet of Things)과 같이 정보통신기술이 다른 산업의 제품 들과 결합하여 새로운 기능을 제공하고 있다. 모듈성은 기술 융합을 촉진하는 데 중요한 역 할을 하고 있고, 이는 조직 간의 관계뿐만 아니라 산업 내의 경쟁 구조에도 영향을 미치고 있 다. 모듈성이 조직 체계 및 산업 내 지배구조에 영향을 미치는 데 있어서 핵심 요인은 개별 모듈 간의 연계를 담당하는 인터페이스 표준이다. 모듈성과 인터페이스 표준에 관한 연구들 은 기술 체계와 조직 체계 간의 상호 작용과 이로 인해 산업의 역학 구도가 변화하는 과정을 설명하고 있어서, 상기 언급한 현상을 이해하는 데 도움이 될 수 있다. 본 논문에서는 모듈성에 관한 기존 해외 연구들을 모듈성과 제품 아키텍처, 인터페이스 표 준과 조직 체계, 지배구조와 제도적 요소 측면에서 정리하였다. 또한 전자 산업과 자동차 산 업을 비교 분석하여 표준화 정책에 대한 시사점을 도출하였다. 이를 통해 다양한 모듈 제조 업체 육성과 네트워크 효과에 기반을 둔 글로벌 경쟁력 강화, 사용자 중심의 혁신 체계 도입 을 위해서는 개방형 인터페이스 표준을 외부형으로 설정하는 것이 중요하다는 것을 밝혀냈 다. 또한 성능 최적화 측면에서 제품의 특성 반영, 산업 내 핵심기업의 참여 유도, WTO 법 과 같은 제도적 요소 등 개방형 인터페이스 표준화 정책을 수립할 때 고려할 사항들을 정리 한다.