http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 최혜민(Hey-Min Choi) (검색결과 12 건)
- 무료
- 기관 내 무료
- 유료
-
-
최혜민 ( Hey Min Choi ),김민규 ( Min-kyu Kim ),양현 ( Hyun Yang ) 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.3
해수면 온도(Sea surface temperature, SST)는 지구시스템에서 해양의 순환과 생태계에 큰 영향을 주는 요소이다. 지구온난화로 한반도 근해 해수면 온도에 변화가 생기면서 이상 수온(고수온, 저수온) 현상이 발생하여 해양생태계와 수산업 피해를 지속적으로 발생시키고 있다. 따라서 본 연구는 한반도 근해 해수면 온도를 예측하여 이상 수온 현상 예측으로 피해를 예방하는 방법론을 제안한다. 연구 지역은 한반도 근해로 설정하여 동시간대 해수면 온도 데이터를 사용하기 위해 Europe Centre for Medium-Range Weather Forecasts (ECMWF)의 ERA5 자료를 사용하였다. 연구방법으로는 해수면 온도 데이터의 시계열 특징을 고려하여 딥러닝 모델 중 시계열 데이터 예측에 특화된 Long Short-Term Memory (LSTM) 알고리즘을 이용하였다. 예측 모델은 1~7일 이후 한반도 근해 해수면 온도를 예측하고 고수온(High water temperature, HWT) 혹은 저수온(Low water temperature, LWT) 현상을 예측한다. 해수면 온도 예측 정확도 평가를 위해 결정계수(Coefficient of determination, R<sup>2</sup>), 평균 제곱근 편차(Root Mean Squared Error, RMSE), 평균 절대 백분율 오차(Mean Absolute Percentage Error, MAPE) 지표를 사용하였다. 예측 모델의 여름철(JAS) 1일 예측 결과는 R<sup>2</sup>=0.996, RMSE=0.119℃, MAPE=0.352% 이고, 겨울철(JFM) 1일 예측 결과는 R<sup>2</sup>=0.999, RMSE=0.063℃, MAPE=0.646% 이었다. 예측한 해수면 온도를 이용하여 이상 수온 예측 정확도 평가를 F1 Score로 수행하였다(여름철(2021/08/05) 고수온 예측 결과 F1 Score=0.98, 겨울철(2021/02/19) 저수온 예측 결과 F1 Score=1.0). 예측 기간이 증가하면서 예측 모델이 해수면 온도를 과소 추정하는 경향을 보여주었고, 이로 인해 이상 수온 예측 정확도 또한 낮아졌다. 따라서, 향후 예측 모델의 과소 추정 원인을 분석하고 예측 정확도 향상을 위한 연구가 필요할 것으로 판단된다. Sea surface temperature (SST) is a factor that greatly influences ocean circulation and ecosystems in the Earth system. As global warming causes changes in the SST near the Korean Peninsula, abnormal water temperature phenomena (high water temperature, low water temperature) occurs, causing continuous damage to the marine ecosystem and the fishery industry. Therefore, this study proposes a methodology to predict the SST near the Korean Peninsula and prevent damage by predicting abnormal water temperature phenomena. The study area was set near the Korean Peninsula, and ERA5 data from the European Center for Medium-Range Weather Forecasts (ECMWF) was used to utilize SST data at the same time period. As a research method, Long Short-Term Memory (LSTM) algorithm specialized for time series data prediction among deep learning models was used in consideration of the time series characteristics of SST data. The prediction model predicts the SST near the Korean Peninsula after 1- to 7-days and predicts the high water temperature or low water temperature phenomenon. To evaluate the accuracy of SST prediction, Coefficient of determination (R<sup>2</sup>), Root Mean Squared Error (RMSE), and Mean Absolute Percentage Error (MAPE) indicators were used. The summer (JAS) 1-day prediction result of the prediction model, R<sup>2</sup>=0.996, RMSE=0.119℃, MAPE=0.352% and the winter (JFM) 1-day prediction result is R<sup>2</sup>=0.999, RMSE=0.063℃, MAPE=0.646%. Using the predicted SST, the accuracy of abnormal sea surface temperature prediction was evaluated with an F1 Score (F1 Score=0.98 for high water temperature prediction in summer (2021/08/05), F1 Score=1.0 for low water temperature prediction in winter (2021/02/19)). As the prediction period increased, the prediction model showed a tendency to underestimate the SST, which also reduced the accuracy of the abnormal water temperature prediction. Therefore, it is judged that it is necessary to analyze the cause of underestimation of the predictive model in the future and study to improve the prediction accuracy.
-
외국인 컨벤션 참가자의 컨벤션 서비스품질 인식에 따른 컨벤션목적지 방문가치 및 미래행동의도 연구
최혜민(Choi, Hey Min),윤유식(Yoon, Yoo Shik) 한국전시산업융합연구원 2016 한국과학예술융합학회 Vol.25 No.-
최근 컨벤션산업이 발전함에 따라 컨벤션개최에 따른 방문가치 및 방문성과에 대한 논의가 늘어나는 시점에서 컨벤션 서비스의 품질관리가 주목받고 있다. 이에 본 연구는 컨벤션 참가자의 컨벤션 서비스 품질지각정도에 따른 컨벤션 목적지 방문가치와 향후 행동의도에 대한 영향관계를 보고자 하였다. 이는 컨벤션 참가자가 개최된 컨벤션 행사에서 제공되는 다양한 서비스에 대한 평가에 있어서 이를 긍정적인 평가를 하게 된다면 컨벤션 참가뿐만 아니라 포괄적으로 컨벤션 목적지에 방문가치와 더불어 향후 행동의도에 영향을 미칠 수 있는가에 대한 문제제기에서 시작하였다. 이를 해결하기 위하여 본 연구에서는 서울지역 컨벤션 행사에 참가한 참가자를 대상으로 연구 및 조사를 실시하였으며, 유효표본수 308부를 분석에 활용하였고, 요인분석 및 다중회귀분석을 실시하여 연구목적을 달성하고자 하였다. 컨벤션서비스 품질15개변수를 활용하여 요인분석을 실시한 결과 총 4개의 차원이 도출되었으며, 이는 인적상호작용, 참여프로그램 우수성, 정보유용성, 교통 및 시설편의성으로 명명하였다. 이러한 컨벤션 서비스 품질 요인에 따라 컨벤션 목적지 방문가치 및 향후 행동의도에 대한 다중회귀 분석결과, 컨벤션 서비스 품질 모든 요인이 복합적으로 영향을 주고 있었으며 특히, 참여프로그램 우수성 및 정보유용성이 비교적 의미 있는 결과를 보이고 있었다. 또한 컨벤션목적지 편안함과 즐거움이 향후 재방문 및 추천의사에 긍정적인 결과를 보이고 있었다. 본 연구결과는 컨벤션기획 및 프로그램 구성, 특히 컨벤션 목적지 관리에 유용한 정보로 활용할 수 있을 것으로 사료된다. This study was to investigate convention service quality that affect convention destination visiting values and intention to behavior from foreign convention attendances" perspectives. From the literature review, convention service quality and destination visiting value were discussed to provide logical linkage among proposed concepts. A total of 308 useful date were collected from on site survey at the convention centers in Seoul. Factor analysis and multiple regression analysis were performed to achieve the objective of this study. Factor analysis showed that there were four underlying dimensions in the convention service quality such as mutual human interaction, program quality, useful information, transportation and convenient facility. Multiple regression showed that these convention service quality affects destination visiting values and behavior intention. More discussion and implication are provided in the conclusion section.
-
-
-
이형탁,최혜민,김민규,윤석,김광석,문정언,한희정,박영제,Hyeong-Tak Lee,Hey-Min Choi,Min-Kyu Kim,Suk Yoon,Kwang-Seok Kim,Jeong-Eon Moon,Hee-Jeong Han,Young-Je Park 대한원격탐사학회 2023 大韓遠隔探査學會誌 Vol.39 No.5
In coastal waters, phytoplankton,suspended particulate matter, and dissolved organic matter intricately and nonlinearly alter the reflectivity of seawater. Neural network technology, which has been rapidly advancing recently, offers the advantage of effectively representing complex nonlinear relationships. In previous studies, a three-stage neural network was constructed to extract the inherent optical properties of each component. However, this study proposes an algorithm that directly employs a deep neural network. The dataset used in this study consists of synthetic data provided by the International Ocean Color Coordination Group, with the input data comprising above-surface remote-sensing reflectance at nine different wavelengths. We derived inherent optical properties using this dataset based on a deep neural network. To evaluate performance, we compared it with a quasi-analytical algorithm and analyzed the impact of log transformation on the performance of the deep neural network algorithm in relation to data distribution. As a result, we found that the deep neural network algorithm accurately estimated the inherent optical properties except for the absorption coefficient of suspended particulate matter (R<sup>2</sup> greater than or equal to 0.9) and successfully separated the sum of the absorption coefficient of suspended particulate matter and dissolved organic matter into the absorption coefficient of suspended particulate matter and dissolved organic matter, respectively. We also observed that the algorithm, when directly applied without log transformation of the data, showed little difference in performance. To effectively apply the findings of this study to ocean color data processing, further research is needed to perform learning using field data and additional datasets from various marine regions, compare and analyze empirical and semi-analytical methods, and appropriately assess the strengths and weaknesses of each algorithm.
-
-
-
-
AIS 자료 분석을 이용한 야간 불빛 위성 자료 검증 사전연구
윤석(suk Yoon),이정석(Jeong-Seok Lee),최혜민(Hey-Min Choi),이형탁(Hyeong-Tak Lee),한희정(Hae-Jong Han),양현(Hyun Yang) 한국항해항만학회 2022 한국항해항만학회 학술대회논문집 Vol.2022 No.2
지구온난화에 따른 우리나라 주변 환경의 변화와 최근 중국 불법 어선의 연근해 어업 자원의 고갈 등으로 인해 우리나라 연근해 어족자원을 보호할 필요성이 증대되고 있으며, 지속 가능한 어업을 위해서는 어획물의 종류와 양을 정확히 파악하고 불법 어업에 대한 철저한 감시 및 관리가 필요하다. 이러한 시공간적으로 다양하게 변하는 생태 및 어장 환경 정보와 선박에 대한 정보를 통해 해양관측과 위성 원격탐사를 동시에 이용함으로써 근해와 원양 생물자원 실태를 관측하는 것이 가능하다. 본 연구에서는 NOAA-20 위성의 VIIRS (Visible Infrared Imaging Radiometer Suite) DNB (Day & Night Band) 영상을 기반으로 추정한 야간 불빛 자료를 활용하고자 한다. DNB 불빛 영상은 낮은조도의 불빛을 감지하여 그 정보를 보여 준다. 야간 불빛 자료에 포함된 구름 부분을 마스킹하기 위해 NASA의 신규알고리즘이 적용된JPSS-JRR-CloudMask 기술을 이용하였다. 이번 연구에서는 구름의 영향이 없는 날짜를 선별한 후 AIS 정보에서 어선의 정보를 추출하여 검증 자료로 사용하였다. 실제 선박의 정보를 이용한 위성 불빛 자료의 검증을 통해 위성자료의 신뢰성을 확보하고 향후 불빛과 선단 규모의 상관관계 분석 및 어선의 분포 경향 분석을 통하여 우리나라의 어장환경 분석에 활용 가능할 것으로 기대한다.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
