Hidden Markov Models(HMM)을 이용한 생물음향 분석은 장기간 동안 녹음된 대용량 데이터에서 생물종의 식별을 용이하게 수행할 수 있는 머신러닝 기법 중 하나이다. 본 연구에서는 HMM을 이용하여 양서류 번식울음에 대한 자동식별을 목적으로 진행하였다. 연구대상지는 서울시 북한산국립공원 진관동습지이었다. 연구기간은 2018년 6~7월 중 양서류가 집중적으로 번식울음을 내는 3일 선정하였다. 연구대상종은 진관동 습지에서 여름철 번식울음을 내는 청개구리, 무당개구리, 맹꽁이 3종이었다. 번식울음 녹음은 생물음향 측정기기(SM4, Wildlife Acoustics Inc., Concord, MA, USA)를 습지를 바라보도록 수변의 수목에 설치(높이 1.0m)하고, 시간당 5분씩 24시간 녹음되도록 스케쥴을 설정하였다. 양서류 번식울음 자동식별을 위한 분석프로그램은 Kaleidoscope Pro(Wildlife Acoustics Inc., Concord, MA, USA)를 이용하였다. 연구결과, 양서류 종별 번식울음 특성을 고려하여 주파수 범위와 음절 지속시간, 음절 간격을 달리한 결과 분류 정확도가 매우 높은 것으로 나타났다. 청개구리의 경우 주파수 범위를 3000~3600Hz, 지속시간을 0.1초, 음간격을 0.12초 로 설정한 결과 총 45개의 클러스터가 자동분류되었다. 이 중 연구자에 의해 청개구리 번식울음으로 명확히 분류된 클러스터는 45개 중 10개 클러스터였다. 10개 이외의 클러스터는 대부분 야생조류 종이 포함되어 있었다. 무당개구리의 경우 주파수 범위를 500~700Hz, 지속시간을 0.15초, 음 간격을 0.3초로 설정한 결과 무당개구리 이외에 다른 종은 포함되지 않는 단일 클러스터로 분석결과가 도출되었다. 맹꽁이의 경우 주파수 범위를 1500~2500Hz, 지속시간을 0.3초, 음간격을 0.5초로 설정한 결과 맹꽁이 이외에 다른 종은 포함되지 않는 단일 클러스터로 분석결과가 도출되었다. 본 연구는 머신러닝 기법을 이용하여 생물음향 빅데이터를 효율적으로 분석함으로서 생물음향을 이용한 생태계 다양성 평가의 기초자료로 활용이 가능할 것으로 판단된다.

국내 수출입 물동량의 증가와 해운산업의 발달에 따라 항만시설물의 사용빈도 또한 증가 추세에 있으나, SOC의 해운항만 부문의 투입 정부예산은 감축되어 왔다. 증가하는 사용빈도에 반하여 줄고 있는 예산으로 인해 항만시설물의 체계적이고 효율적인 유지관리 및 운영이 필요하다. 효율적인 유지관리 시스템 구축을 위해서 항만시설물이 위치한 지역, 구조물의 형태 및 취급화종, 시공 및 유지관리 수준과 같은 특성을 고려한 열화모델 개발이 필요하다. 항만시설물의 열화모델 개발은 시설물의 열화요인 분석과 열화데이터 수집 및 열화 모델 개발의 과정으로 수행하였다. 열화 모델 개발기법은 변수 특성에 따른 시간 의존적 상태변화를 반영할 수 있는 결정론적 방법인 다중 회귀분석과 변동성이 큰 자료들의 상태이력을 반영할 수 있는 확률론적 방법인 마코브 체인 이론을 이용하였다. 각 방법을 통해 잔교식 구조물과 블록식 구조물의 Project level의 상태 열화모델을 제시하였다.