콩과 같은 밭작물은 주로 토양으로부터 수분을 공급받으며 토양 수분 조건에 따라 생육 반응이 민감하게 반응한다. 작물의 생육과 재배 지역의 토양 조건, 기상 등에 따라 적정 토양 수분을 유지하는 것은 작물 생산량의 증가를 위해 중요하다. 따라서, 본 연구에서는 머신러닝 기법을 이용하여 토양 수분 함량 예측 모델을 개발하였다. 깊이에 따른 토양 수분과 외기, 강수량 등 기상 변수와의 상관 관계를 구명하고, 깊이별 토양 수분예측을 위한 부분최소제곱회귀(PLSR) 모델을 알고리즘을 개발하였다. 콩 재배포장의 10cm, 20cm, 30cm 깊이의 토양수분은 FDR 방식의 센서로 측정하였 고, 콩 작물 주변 환경인자(재배환경의 기온, 상대습도, 풍속, 일사량, 일조시간)는 주변의 기상관측소에서 측정된 데이터를 이용하였다. 이를 이용하여 깊이별 미래의 토양수분함량 예측 모델을 개발한 결과, 10cm와 20cm깊이에서 주요 인자는 현재 토양수분함량과 기온이었으며, 30cm 깊이에서의 주요 인자는 현재 토양수분함량과 기온, 풍속으로 나타났다. 토양 깊이가 깊어짐에 따라 토양수분함량 예측 정확도가 향상되었으며, 이는 표면에 가까울수록 토양수분함량이 변화가 크기 때문으로 예상된다. 또한 미래의 토양 수분함량예측시 1시간 후 예측 정확도가 가장 우수하였으며, 이때의 Rv 2와 RMSEV가 10cm 깊이에서 0.993와 1.069%, 20cm 깊이에서 0.994와 0.821% 였으며, 30cm 깊이에서 0.999와 0.149% 였다. 본 연구 결과는 콩 생육환경 진단을 위해 재배 포장의 토양수분함량을 토양층별로 미래의 토양수분함량도 예측이 가능함을 보여준다.

Recently, traffic accidents have continued to occur due to the failure to secure a safe distance for trucks. Unlike passenger cars, freight cars have a large fluctuation in the weight of the vehicle's shaft depending on the load, and the fatality of accidents and the possibility of accidents are high. In this study, a braking distance prediction model according to the driving speed and loading weight of a three-axis truck was implemented to prevent a forward collision accident. Learning data was generated based on simulation, and a prediction model based on machine learning was implemented to finally verify accuracy. The extra trees algorithm was selected based on the most frequently used R2 Score among regression analyses, and the accuracy of the braking distance prediction model was 98.065% through 10 random scenarios.

This study was conducted to investigate the quality of kimchi cabbages stored under a pallet unit-controlled atmosphere (PUCA), containing 2% O2 and 5% CO2, and to develop quality prediction models for cabbages stored under such conditions. Summer and winter cabbage samples were divided into PUCA-exposed groups and atmospheric airexposed control groups (in a cold storage). The control summer cabbages lost up to 8.31% of their weight, whereas the PUCA-exposed summer cabbages lost only 1.23% of their weight. Additionally, PUCA storage effectively delayed the reduction in cabbage moisture content compared with the control storage. After storage for 60 and 120 days of the summer and winter samples, respectively, the reducing sugar contents were higher in the PUCA groups than in the control groups. The linear regression analysis-derived equations for predicting the storage period, weight loss, and moisture content in the control groups, as well as those for predicting the storage period and weight loss in the PUCA groups, were appropriate according to the adjusted coefficient of determination, root mean square error, accuracy factor, and bias factor values. Therefore, this PUCA system would be useful for improving the shelf life of the postharvest summer and winter cabbages used in the commercial kimchi industry.

Because the inner environment of greenhouse has a direct impact on crop production, many studies have been performed to develop technologies for controlling the environment in the greenhouse. However, it is difficult to apply the technology developed to all greenhouses because those studies were conducted through empirical experiments in specific greenhouses. It takes a lot of time and cost to develop the models that can be applicable to all greenhouse in real situation. Therefore studies are underway to solve this problem using computer-based simulation techniques. In this study, a model was developed to predict the inner environment of glass greenhouse using CFD simulation method. The developed model was validated using primary and secondary heating experiment and daytime greenhouse inner temperature data. As a result of comparing the measured and predicted value, the mean temperature and uniformity were 2.62°C and 2.92%p higher in the predicted value, respectively. R2 was 0.9628, confirming that the measured and the predicted values showed similar tendency. In the future, the model needs to improve by applying the shape of the greenhouse and the position of the inner heat exchanger for efficient thermal energy management of the greenhouse.

본 연구는 사과 ‘후지’의 과실 횡경 예측 모델을 개발 하고 검증하고자, 수원지역에서 2000년부터 2014년까지의 연차간 과실 생장과 기상을 포함한 환경요인들을 분석하였다. 2000년부터 2014년까지의 평균 만개일은 4월 28일이었고, 만개 후 수확일까지의 성숙일수는 평균 181 일이었다. 만개 후 약 36일 이후부터의 과실 생장은 단일 S자 곡선이었으며, 과실 횡경에 영향을 미치는 환경 요인들은 BIO2, 9월강수량, 4월 최고·최저·평균기온, 8월 최저기온, 그리고 4월의 생육도일이었다. 그 중에서, 서로 간의 요인이 교차 상관관계를 나태내지 않는 BIO2와 9월 강수량을 각각 다른 요인들과 조합하여 모델을 만들었다. 선발된 모델 중에서 AICc가 92.61이며 보정된 R2 값이 0.53으로 가장 적합도가 높았던 모델을 선택하였으 며 그 최종 모델식은 19.33095+(5.76242×BIO2)-(0.01891×9월강수량)+(2.63046×4월최저온도)이었다. 이 모델을 2000 년부터 2014년까지의 실측치와 비교하였는데, 사과 ‘후지’과실 횡경의 실측치와 예측치의 평균차이는 ±2.9mm, 표준편차는 3.54였다.

수출용 온실 단지로 기대되는 간척지의 광환경은 해무 등에 의해 내륙과는 다른 광환경 특성을 나타낸다. 이러한 간척지에서 온실 설계 기준을 작성하기 위해서 산란 광과 직달광을 고려한 온실 내 광분포 연구가 필요하다. 본 연구에서는 간척지의 고유의 광환경 특성을 분석하고 3-D 온실 모델에 적용하여 간척지의 온실 내 공간적인 광분포를 추정하고자 하였다. 먼저 간척지의 일사량을 산란광과 직달광으로 구분하여 측정하고 내륙의 일사량과 비교하였다. 또한 간척지 지역에 설치된 온실 내의 광분포를 측정하고 이를 시뮬레이션을 통해 계산된 값과 비교함으로써 3-D 온실 모델에 대한 검증을 실시하였다. 간척지는 내륙에 비하여 전체 일사량에 대비 높은 산란광의 비율을 나타내었으며, 특히 일출 및 일몰 부근에서 크게 나타났다. 3-D 온실 모델에 의한 온실 내 예측 광 분포는 실제 간척지의 온실 내 광분포와 유사하게 나타 났다. 검증된 3-D 온실 모델을 통하여 임의의 외부 광조 건에 대하여 간척지 지역의 온실 내부의 시간적인 평균 광도의 변화와 광분포를 예측할 수 있었다. 이러한 결과는 간척지 지역의 온실 내 광환경 해석 이외에도 작물의 수광량 해석에도 유용하게 활용될 것으로 예상된다.

본 연구에서는 모델 기반의 온실 환경 제어에 활용될 수 있는 미기상 환경 예측 모형을 개발하고자 하였다. 전산유체역학 시뮬레이션을 활용하여 다양한 기상 조건과 온실의 환기 구조에 따른 온실 내부의 미기상 변화와 환기창에서의 환기량 변화를 모의하고, 다중회귀분석을 통해 수치 모형을 제시하였다. 비정상상태의 환기 작용을 모의한 결과, 환기창 개방 후 환기 효과가 완전히 나타나기까지는 3분 ~ 20분 정도의 시간이 소요될 수 있는 것으로 나타났다. 기존의 센서 실측에 기반을 둔 대부분의 환경 조절 제어 시스템의 경우에는 측정값에 따른 피드백에 의해 환경 제어가 동작하므로 온실 내부의 기온이 상승한 이후에 환경 제어를 시작하게 되지만, 모델 기반의 환경 조절 제어 시스템을 도입하면 이러한 3분~20분 정도의 시간을 사전에 고려하여 적정 환경을 제어할 수 있도록 미리 환기창의 조작이 이루어지게 된다. 작은 규모의 온실에서 는 이러한 영향이 미비할 수 있지만, 근래에 증가하고 있는 대규모 온실들에 대해서는 온실 내부 작물 재배 환경의 균일성과 적정성, 안정성을 확보하고 환경 조절의 경제성을 추구할 수 있는 모델 기반의 환경 조절 시스템이 필수적이다. 본 연구에서 제시된 수치 모형들은 외부의 기온과 풍속, 지면 온도, 일사량 등의 기상 환경과 온실의 천창 개폐율에 따라 유도되는 자연 환기의 성능을 온실 내 미기상 변화와 환기창을 통한 환기량 값으로 제시하고 있으며, 전산유체역학 시뮬레이션 결과와 비교하여 각각 58% ~ 92%, 76% ~ 93%의 예측력을 보였다. 미기상의 변화는 온실을 9개의 세부 영역으로 구분하여 각 영역 에서의 기온 하락 정도로 나타내며, 환기량은 지붕에 형성된 6개의 천창에서의 공기 유출입량을 각각 제시하여 준다. 환기 작용에 의한 미기상의 변화는 반드시 환기창에서의 환기량에 의해 예측되지는 않으므로 환기량과 환기의 효과를 구분하여 적용하는 것이 중요할 것이다. 이러한 수치 모형들은 모델 기반 환경 제어 시스템에서 가상의 환기창 동작에 따른 환기 성능을 예측하는데 활용될 수 있으며, 전산유체역학 시뮬레이션과 같은 매우 복잡한 예측 모델이 비해 상당히 간단한 형태로 이루어져 있어 빠른 계산 시간을 보장한다. 이는 실시간 제어의 관점에서는 복잡한 예측 모델들에 비해 실시간 예측 과 제어가 가능하다는 큰 장점을 가져다준다. 본 연구를 통해 개발되고 시도된 결과들은 모델 기반의 온실 복합 환경 제어 시스템을 위한 알고리즘을 개발하는데 활용될 것이다. 또한 이러한 활용은 농업에 IT 기술을 접목하여 농가의 노동력 부족을 극복하고 생산성 향상과 경쟁력 확보를 도모하는 농업 선진화에 기여할 것으로 기대된다.

We developed an age-based spawner-recruit model incorporating environmental variables to forecast stock biomass and recruits of pelagic fish in this study. We applied the model to the Tsushima stock of jack mackerel, which is shared by Korea and Japan. The stock biomass of jack mackerel (Trachurus japonicus) around Korean waters ranged from 141 thousand metric tons (mt) and 728 thousand mt and recruits ranged from 27 thousand mt to 283 thousand mt. We hind-casted the stock biomass to evaluate the model performance and robustness for the period of 1987~2009. It was found that the model has been useful to forecast stock biomass and recruits for the period of the lifespan of fish species. The model is also capable of forecasting the long-term period, assuming a certain climatic regime.

Recently, the characteristic of plant production systems in Korea has been changed with the strong trends of integration and large scale, using environmental control techniques. To satisfy this change successfully, first of all, the environmental prediction inside the system must be preceded. While many environmental prediction models for plant production system were developed by many persons, each model cannot be applied to the every situation without the perfect understanding of source codes and the technical modification. The purpose of this study is building the environmental prediction model to predict and evaluate the environment inside the system numerically, and also developing the multipurpose program available for practical design. The model consisted of the basic system model, the cultivation related model and the environmental control related model. The contents of each model are as follows : the basic system model is dealing with thermal and light environments, soil environment and ventilation : the cultivation related model with soil and hydroponic cultures ; and the environmental control related model with thermal curtain and heat exchanging system. The environmental prediction model was developed using a common simulation program, PCSMP, so that it could be easily understood and modified by anyone. Finally, the model was executed and verified through comparison between simulated and measured results for soil culture, and both results showed good agreements.

매년 수질안전관리와 관련한 사건사고는 끊임없이 발생하고 있으며, 과거의 여러 사례에서 보여지듯이 수질오염으로 인한 피해는 후대까지 지속되는 인류의 끔찍한 재앙을 낳았다. 물은 인간을 비롯한 모든 생태계에 있어 가장 밀접하고도 필수적인 요소이기 때문에 철저한 유지 및 관리가 필요하다. 하지만 인간의 물 공급원인 호수나 하천은 지형적 특성상 오염 후 회복이 어려우며, 경제적인 부분은 물론, 획기적인 수질정화기술이 제시됨에도 불구하고 인구증가와 활발한 인간활동으로 그 수준을 따라가지 못하는 실정이다. 이를 위해 본 연구에서는 사용자의 편의를 위해 Matlab GUI로 제작한 수질의 오염정도를 간단히 예측해 볼 수 있는 수질 예측 모델에 대해 소개하고자 한다. 본 연구에서 소개하는 수질 예측 모델은 well-mixed, steady state라는 가정 하에 자연수역의 형태와 외부 오염 유입 등을 고려하여 알고자하는 지점의 수질 위험정도 판단이 용이하다. 또한 편리한 조작과 간단한 데이터 입력만으로도 수질오염정도의 판단 기준이 되는 여러 지표로 분석 가능하기 때문에 환경공학도들의 자가학습 툴(Self-Learning Tool)로도 효과적일 것으로 기대된다.

Interior space in most buildings is divided into several zones. The most important factors relating to the indoor air environment are temperature, airflow, humidity, and contaminant concentration. An integrated multizone model to predict these environmental factors simultaneously was developed. Also, a computer program for this model was written by the language of VISUAL BASIC. The proposed model was applied to a apartment with five rooms that had been tested by Chung11). Comparison of predicted results by this study with measured results by Chung showed that their variations were within 14% for airflow rates, 1% for temperatures, 12% for humidities, and 5% for concentrations. It was seen that the opening operation schedule of building has a significant effect on the air moisture and contaminant removal. Thus, this model may be available for predicting the indoor air environment and may be contributed to design the ventilation plan for controling of indoor air quality.