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 : 김예인 (검색결과 71 건)
- 무료
- 기관 내 무료
- 유료
-
전과정 평가를 통한 한국 축산업의 온실가스 배출량 분석
김예인,정수종 한국기상학회 2021 한국기상학회 학술대회 논문집 Vol.2021 No.10
인간 활동이 초래한 기후변화를 완화하기 위해서는 온실가스 배출원의 적절한 관리를 통한 탄소 중립 달성이 필수적이다. 축산업은 농업 부문에서의 주요 온실가스 배출원으로, 경제성장과 함께 육류제품의 수요가 증가함에 따라 그 환경적 영향은 점점 더 커져 왔다. 본 연구는 국내 최초로 축산업과 관련한 온실가스 배출량의 장기적 동향과 특성을 전과정평가방법(LCA) 관점에서 분석하였다. 본 연구에서는 한국 축산업의 온실가스 기여도에 관하여 종합적으로 이해하고자, 지난 30년간(1985-2015년) 국내 유제품, 쇠고기, 돼지고기, 가금류와 계란 생산과정에서 발생한 온실가스 배출량을 Global Livestock Environmental Assessment interactive model (GLEAM-i)을 이용하여 추산하였다. 가장 최근 연도인 2015년의 축산 관련 온실가스 배출량은 42,645GgCO₂eq로 추산되었으며, 이는 같은 해 국가 온실가스 인벤토리 보고서(NIR)에 기재된 총배출량의 5.86%에 해당한다. 축산 관련 온실가스 배출은 1985년(32,281GgCO₂eq)부터 지속해서 증가 추세를 보였다. 온실가스 배출량이 가장 많은 축종은 배출 집약도(emission intensity)가 큰 소이며, 그다음은 돼지, 닭 순이다. 축산업의 전 과정 중, 온실가스 배출 기여도가 높은 과정은 사료 생산, 분뇨 관리, 장내 발효, 에너지 소비 순으로 파악되었다. 그 중 직접 배출원인 분뇨 관리와 장내 발효과정에서 발생하는 온실가스는 각각 9,484GgCO₂eq와 7,208GgCO₂eq로, NIR 보고 값의 2.1배와 1.7배에 해당하는 높은 값을 보였다. 이는 NIR이 축산분야의 직접 온실가스 배출량을 과소평가하고 있을 가능성을 시사한다. 본 연구는 온실가스 배출량의 정확한 산정을 위해 직접배출량 추산 방법의 개선과 간접배출량을 포함한 종합적인 배출량 추산 방법이 필요함을 보여준다.
-
연구실 환경에서 화상병균 모니터링을 위해 ATP 형광검출기의 검출범위 조사
김예인,조준우,강민영,김성환 한국냄새환경학회 2022 실내환경 및 냄새 학회지 Vol.21 No.4
This study was conducted to obtain basic information for the use of the ATP fluorescence detection method in consideration of the most common and frequent contamination situation that occurs in laboratories dealing with fire blight causing bacterium, Erwinia amylovora. ATP luminescence measurements (Relative Light Unit, RLU) were tested against these pathogen cells (CFU/cm2 ) which were artificially introduced on the disinfected surface of a bench floor of a biosafety cabinet (Class 2 Type A1), on a part of the disinfected surface of a lab experimental bench, on a part of the disinfected floor, and on a part of the disinfected floor of an acryl chamber for bioaerosol studies in a biosafety laboratory (BSL 2 class) using two different ATP bioluminometers. RLU values were not much increased with the bacterial cells from 2.15 × 102 /cm2 to 2.15 × 106 /cm2 . RLU values varied among the four different surfaces tested. RLU values measured from the same number of bacterial cells differed little between the two different ATP bioluminometers used for this study. RLU values obtained from bacterial cells higher than 2.15 × 107 /cm2 indicated the presence of bacterial contamination on the four different surfaces tested. The R2 values obtained based on the correlation data for the RLU values in response to different E. amylovora cell numbers (CFU/ cm2 ) on the surfaces of the four test spots ranged from 0.9827 to 0.9999. .
-
-
-
-
-
CNN-LSTM 딥러닝 기반 캠퍼스 전력 예측 모델 최적화 단계 제시
김예인,이세은,권용성 한국산학기술학회 2020 한국산학기술학회논문지 Vol.21 No.10
A forecasting method using deep learning does not have consistent results due to the differences in the characteristics of the dataset, even though they have the same forecasting models and parameters. For example, the forecasting model X optimized with dataset A would not produce the optimized result with another dataset B. The forecasting model with the characteristics of the dataset needs to be optimized to increase the accuracy of the forecasting model. Therefore, this paper proposes novel optimization steps for outlier removal, dataset classification, and a CNN-LSTM-based hyperparameter tuning process to forecast the daily power usage of a university campus based on the hourly interval. The proposing model produces high forecasting accuracy with a 2% of MAPE with a single power input variable. The proposing model can be used in EMS to suggest improved strategies to users and consequently to improve the power efficiency. 딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않다. 예를 들면, 데이터셋 A에 최적화된 예측 모델 X를 다른 특성을 가진 데이터셋 B에 적용하면 데이터셋 A와 같이 좋은 예측 결과를 기대하기 어렵다. 따라서 높은 정확도를 갖는 예측 모델을 구현하기 위해서는 데이터셋의 성격을 고려하여 예측 모델을 최적화하는 것이 필요하다. 본 논문에서는 하루 대학 캠퍼스 전력사용량을 1시간 단위로 예측하기 위해 데이터셋의 특성이 고려된 예측 모델이 도출되는 일련의 방법을 단계적으로 제시한다. 데이터 전처리 과정을 시작으로, 이상치 제거와 데이터셋 분류 과정 그리고 합성곱 신경망과 장기-단기 기억 신경망이 결합된 알고리즘(CNN-LSTM: Convolutional Neural Networks-Long Short-Term Memory Networks) 기반 하이퍼파라미터 튜닝 과정을 소개한다. 본 논문에서 제안하는 예측 모델은, 각 시간별 24개 포인트에서 2%의 평균 절대비율 오차(MAPE: Mean Absolute Percentage Error)를 보인다. 단순히 예측 알고리즘만을 적용한 모델과는 달리, 단계적 방법을 통해 최적화된 예측 모델을 사용하여 단일 전력 입력 변수만을 사용해서 높은 예측 정확도를 도출한다. 이 예측 모델은 모바일 에너지관리시스템(Energy Management System: EMS) 어플리케이션에 적용되어 관리자나 소비자에게 최적의 전력 사용 방안을 제시할 수 있으며 전력 사용 효율 개선에 크게 기여할 것으로 기대된다.
-
Three unrecorded fungal species from the National Archives of Korea
김예인,서희주,김예은,김성환 한국냄새환경학회 2023 실내환경 및 냄새 학회지 Vol.22 No.4
Fungal contaminant in the indoor air is one of risk factors that could damage valuable paper-based records preserved in libraries. In the process of monitoring airborne fungi at the Nara Repository, the National Archives, Seoul, Korea, three fungal strains, DUCC 16098, DUCC 17764, and DUCC17767 were isolated from the archive’s air samples. Fungal identification was performed based on the morphological characteristics and phylogenetic analysis of the internal transcribed spacer (ITS), the 28S LSU rDNA, and β-tubulin gene (BenA), and TEF1-α gene. These DUCC 16098, DUCC 17764 and DUCC17767 strains were identified as Clonostachys farinosa, Penicillium cosmopolitanum, and Cephalotrichum purpureofuscum. These species have not been recorded before in Korea. Information on these fungi will help the monitoring and management of airborne fungi in the archival facilities.
-
-
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
