수질관리 : 형광 나노 입자를 이용한 MBR공정의 멤브레인 표면 손상 탐지 기술 개발

최수훈 ( Soo Hoon Choi ),양주희 ( Ju Hee Yang ),심규환 ( Kyu Hwan Shim ),조진우 ( Jin Woo Cho ) 한국물환경학회 ( 구 한국수질보전학회 ) 2009 공동 추계학술발표회 Vol.2009 No.-

해수중의 물질 분리 및 분석을 위한 Fl-FFF의 안정화 기법

최수훈 ( Soo Hoon Choi ),이상엽 ( Sang Youp Lee ),홍승관 ( Seung Kwan Hong ),문지희 ( Ji Hee Moon ) 한국물환경학회 2009 한국물환경학회지 Vol.25 No.2

실리카 나노입자가 활성슬러지에 미치는 영향에 관한 연구

최수훈 ( Soo Hoon Choi ),양주희 ( Ju Hee Yang ),최병규 ( Byeong Gyu Choi ),조진우 ( Jin Woo Cho ) 한국물환경학회 2010 한국물환경학회·대한상하수도학회 공동 춘계학술발표회 Vol.2010 No.-

농산물 도매시장 등급별 기준 가격 제시에 관한 연구

최수훈(Su Hoon Choi),최연주(Yeonju Choi),한상근(Sangkeun Han),김민수(Min Soo Kim) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.3

우리나라는 현재 33개의 공영도매시장이 운영되고 있으며 상장거래(경매) 방식을 통해 전체 생산 농산물의 50% 이상이 공영도매시장에서 거래되고 있다. 그러나 품질 등급별 가격 체계 기준이 시장별로 다르고, 품질 등급 또한 출하자가 임의로 책정하는 방식이기 때문에 도매시장 별경락데이터 비교·분석에 어려움이 있다. 따라서 본 연구에서는 거래량을 고려한 가격을 이용하여 새로운 등급 분류 방법 및 기준가격 산출을 제안하고자 한다. 전국의 모든 도매시장과 품목의 결과를 나타낼 수 없으므로 전국 5대 도매시장과 주요 채소류인 배추와 무를 기준으로 결과를 제시한다. 거래 데이터의 이상값 탐색을 위하여 사분위수 개념을 도입하였으며, 해당 일자에 거래 데이터가 존재하지 않는 경우 등급 분류 및 기준 가격 제시가 불가능하지만 인접 도매시장의 데이터와 과거 시점의 데이터를 활용하여 결측값을 대체하였다. 도매시장, 품종 등 상황에 맞는 가격 데이터의 평균을 이용한 기준가격을 산출하고 그에 따라 4개의 등급(S,A,B,C)으로 분류하여 대표가격을 각각 제시하였다. 그 결과 기존의 등급을 기준으로 가격을 책정하는 방식이 아닌 가격을 기준으로 등급을 분류하는 방법으로 객관적이고 신뢰성 있는 기준 제시가 가능한 방안으로 생각된다. 이로 인해 농가와 소비자에게 명확한 등급 분류 및 가격 현황을 제시할 수 있을 것으로 기대한다. There are currently 33 public wholesale markets in Korea, over 50% of all agricultural products are traded in the public wholesale market through listing(auction) system. However, it is difficult to compare and analyze auction price for each wholesale market because the price standards system for each quality grade is different for each market and the quality grade is also set arbitrarily by the shipper. Therefore, in this study, we propose a new classification method and base price calculation using the price in consideration of the transaction volume. Since it is not possible to represent the results of all wholesale markets and items nationwide, the results are presented based on the five major wholesale markets in the country and the main vegetables such as cabbage and radish. The concept of quartiles was introduced to search for outliers in transaction data, and if there is no transaction data on that date, it is impossible to classify and present a standard price replaced. The standard price was calculated using the average of price data suitable for the wholesale market and variety, and the representative prices were presented by classifying them into four grades (S,A,B,C) accordingly. As a result, it is considered as a method that can present objective and reliable standards by classifying grades based on price rather than setting prices based on existing grades. This is expected to provide clear classification and price status to farmers and consumers.

해수상태에서 FI-FFF실험의 안정화 조건

최수훈 ( Soo Hoon Choi ),이상엽 ( Sang Youp Lee ),홍승관 ( Seung Kwan Hong ),문지희 ( Jee Hee Moon ) 한국물환경학회 ( 구 한국수질보전학회 ) 2008 공동 추계학술발표회 Vol.2008 No.-

영향권을 활용한 태풍정보에 따른 피해정도 예측 분석

최수훈(Su Hoon Choi),이상현(Sang-Hyun Lee),김민수(Min Soo Kim) 한국자료분석학회 2022 Journal of the Korean Data Analysis Society Vol.24 No.3

행정안전부에서 발표하는 재해연보에 의하면 태풍으로 인해 발생되는 피해는 연간 약 2,100억원에 달하는 것으로 나타나고 있다. 특히 태풍의 발생 시기는 농작물의 수확시기와 겹쳐 농가에 태풍으로 인한 피해가 큰 실정이다. 따라서 본 연구는 태풍정보에 따른 피해를 분석하여 향후 발생할 태풍의 피해정도를 예측하고자 한다. 태풍의 여러 시점을 분석에 활용하기 위하여 영향권의 개념을 도입하여 분석을 실시하였다. 분석 결과 랜덤 포레스트 모델에서 태풍정보의 대푯값으로 역거리 가중평균을 활용한 경우에서 가장 좋은 결과를 보여주었다. 변수 중요도 결과를 통해 해당 모델에서 가장 중요한 의미를 갖는 변수는 태풍 중심으로부터 주산지 시군까지의 거리인 것으로 나타났다. 앞으로 보다 정확한 피해정도를 제공할 수 있도록 다양한 관점에서 연구가 진행되어야 할 것으로 보이며 정확한 피해 예측을 토대로 상황에 맞는 적절한 대책 방안을 마련한다면 태풍으로부터 많은 농가의 피해를 줄일 수 있을 것으로 기대한다. According to the Disaster Yearbook, the damage caused by typhoon amounts to about 210 billion won per year. In particular, the occurrence period of typhoon overlaps with the harvest period of crops, causing great damage to farms. Therefore, this study aims to predict the degree of damage to typhoon that will occur in the future by analyzing the damage caused by typhoon information. In order to utilize various points of the typhoon for analysis, the concept of influential sphere was introduced and analyzed. As a result of the analysis, the best results were shown in the case where the inverse distance weighted average was used as the representative value of typhoon information in the random forest model. Through the results of variable importance, it was found that the most important variable in the model was the distance. Research should be conducted from various perspectives to provide a more accurate degree of damage in the future, and it is expected that if appropriate measures are prepared based on accurate damage prediction, many farmers will be reduced from typhoon.

NHISS를 이용한 폐암 환자의 생존분석 및 예후 연구

최수훈(Su Hoon Choi),양정화(Jeong Hwa Yang),김민수(Min Soo Kim) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.4

폐암은 5년 이상 생존하는 환자가 10∼15%에 불과한 예후가 좋지 않은 대표적인 병이며 환자 개개인의 특성에 따라 예후가 상이한 모습을 보이므로 예후에 대한 정확한 정보 제공이 중요하다. 본 연구에서는 국민건강보험자료 공유서비스(NHISS)에서 제공하는 의료 데이터를 통해 2012년부터 2018년까지의 진료 기록이 존재하는 폐암 환자 총 100,268명에 대하여 생존분석과 예후 예측을 실시하고자 한다. 콕스 비례위험 모형, 카플란 마이어 생존 곡선, 로그순위 검정을 통해 폐암 환자의 생존분석을 실시하였으며, 콕스 비례위험 모형으로 예후에 영향을 미치는 요인들을 살펴보고 카플란 마이어 생존 곡선으로 성별과 흡연여부에 따른 예후를 비교해보았다. 또한 개별 환자들의 잔여수명을 예측하여 실제수명과의 차이를 확인하였다. 평균절대오차(MAE)와 평균 제곱근오차(RMSE)를 계산한 결과 각각 575일, 658일의 차이를 보였으며 향후 더 정확한 예측을 위한 방안이 필요할 것으로 보인다. 환자에 대한 생존 분석을 통해 생존기간에 영향을 미치는 요소들을 발견하고 이를 토대로 환자들의 예후를 개선할 수 있는 방안 마련이 기대된다. Lung cancer is a representative disease with poor prognosis, with only 10∼15% of patients surviving for more than five years and it is important to provide accurate information on prognosis because the prognosis varies depending on the characteristics of each patient. Through medical data provided by NHISS this study aims to conduct survival analysis, prognosis prediction for a total of 100,268 lung cancer patients with medical records from 2012 to 2018. Survival analysis of lung cancer patients was conducted through Cox proportional hazard model, Kaplan-Meier curve, and Log-rank test. According to the analysis, the factors that affect the prognosis through the risk ratio of variables with the Cox proportional hazard model were examined and the prognosis according to gender and smoking were compared with the Kaplan-Meier curve. In addition, the residual life of individual patients was predicted and compared to the actual life. Calculating the MAE and RMSE showed a difference of 575 days and 658 days respectively, and it seems that a plan for more accurate predictions will be needed in the future. We hope to find factors that affect the survival period through survival analysis of patients and come up with ways to improve patients’ prognosis based on them.

태풍에 따른 기상요소와 사과의 낙과 피해율 분석

최수훈(Su Hoon Choi),이상현(Sang-Hyun Lee),김민수(Min Soo Kim) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.2

매년 자연재해로 인한 농가의 직간접적인 피해가 끊임없이 발생하고 있다. 그중에서도 태풍으로 인한 피해는 전체 중 약 47%를 차지하는 만큼 큰 피해를 주는 것으로 나타난다. 본 연구는 기상청에서 제공하는 전국의 기상정보와 농작물 재해보험의 사고원인별 피해 내역을 활용하여 태풍 발생 시 기상요소와 낙과 피해율의 관계를 분석하고자 한다. 낙과 피해율은 0과 1 사이의 값을 갖는 비율 데이터이므로 오차항이 정규 분포를 따르고 일정한 분산을 가진다고 가정하는 표준적인 통계 기법을 활용하기에 적합하지 않다. 따라서 일반화 선형모형 중 이항 회귀모형과 베타 회귀모형을 통해 분석을 시행하고 결과를 제시하고자 한다. 그 결과 베타 회귀모형의 수정결정계수가 이항 회귀모형보다 높게 나타났으며 기상 변수 중 최대 기압, 최대 풍속, 최고 상대습도 변수가 유의한 것으로 나타났다. 기상요소와 낙과 피해율과의 관계로 최대 풍속이 빠를수록 최고 상대습도가 높을수록 낙과 피해율을 증가시키고 최저 기압은 증가할수록 낙과 피해율을 감소시키는 영향을 갖는 것으로 나타났다. 낙과 피해율에 영향을 주는 다양한 요소들의 분석을 통해 태풍 발생 시 적절한 사전 대응조치 방안을 마련하여 농가 피해를 예방 및 경감시킬 수 있을 것으로 판단된다. Every year, direct and indirect damage to farms caused by natural disasters continues to occur. In particular, damage caused by typhoons appears to cause great damage. This study aims to identify and analyze the relationship between weather factors and damage rate in the event of a typhoon by utilizing the weather information provided by the Korea Meteorological Administration and the damage caused by crop accident insurance. Since the damage rate is proportional data with values between 0 and 1, it is not suitable to utilize standard statistical techniques that assume that the error term follows a normal distribution and has a constant variance. Therefore the analysis is conducted through the binomial regression and the beta regression model. As a result the adjusted R square of the beta regression model was higher than that of the binary regression model. And the minimum air pressure, maximum wind speed, and maximum humidity variables were significant among the weather variables. Through this analysis of the damage rate, it is expected that damage to farms can be reduced by preparing appropriate countermeasures in the event of a typhoon.

태풍 정보에 따른 떫은 감 농가 피해율 분석

최수훈(Su Hoon Choi),양정화(Jeong Hwa Yang),이상현(Sang-Hyun Lee),김민수(Min Soo Kim) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.6

태풍은 지구 온난화로 인해 해수면 상승 및 대기와 해양 온도 증가 등 이상 현상이 증가함에 따라 더욱 빈번히 발생하는 자연재해로 그 피해가 해마다 늘어나고 있다. 특히 태풍의 발생 시기는 농작물의 수확기와 비슷하여 농가에 많은 피해를 발생시키기 때문에 태풍에 따른 정확한 분석이 필요하다. 본 연구에서는 태풍으로 인한 떫은 감 농가의 낙과 피해율을 예측하기 위해 농가 피해 데이터와 태풍 정보 데이터를 활용하였다. 2016년부터 2019년까지의 사고일자별 데이터를 활용하였으며 2016년부터 2018년까지의 데이터를 학습용 데이터 셋으로 2019년 데이터를 평가용 데이터 셋으로 설정하였다. 데이터 분석은 H2O 라이브러리의 AutoML(Automatic Machine Learning)을 통해 평균제곱근오차(RMSE : Root Mean Square Error)와 평균절대오차(Mean Absolute Error : MAE)를 기준으로 모형의 예측력을 비교하였다. 분석 결과 XGBoost 모형이 가장 좋은 성능을 보였다. 본 연구를 통해 향후 새로운 태풍 발생 시 농가들의 예상되는 피해율을 제시해 줄 수 있으며 태풍피해 저감방안을 마련하고 대응조치 지도를 통해 피해를 경감할 수 있을 것으로 기대된다. Typhoon is a natural disaster that occurs more frequently as abnormalities such as sea level rise and atmospheric and marine temperatures increase due to global warming, and the damage is increasing year by year. In particular, since the occurrence period of typhoons is similar to the harvest period of crops, it causes a lot of damage to farms, so accurate analysis according to typhoons is necessary. In this study, farm damage data and typhoon information data were used to predict the fall and damage rate of farmers due to typhoon. Data by accident date from 2016 to 2019 were used, and data from 2016 to 2018 were set as dataset for learning and dataset for evaluation in 2019. Data analysis compared the predictive power of the model based on Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) through Automatic Machine Learning (AutoML) in the H2O library. As a result of the analysis, the performance of the XGBoost model was found to be the best. Through this study, it is expected that it will be possible to suggest the expected damage rate for farms in the event of a new typhoon in the future, and to reduce the damage through reduction measures and guidance on countermeasures.

기상 및 토양 데이터를 활용한 장단기 메모리 모형 비교

양정화(Jeong Hwa Yang),최수훈(Su Hoon Choi),임남희(Namhui Im),이상현(Sang-Hyun Lee),김민수(Min Soo Kim) 한국자료분석학회 2021 Journal of the Korean Data Analysis Society Vol.23 No.2

토양 습도는 작물의 생장에 영향을 미치는 주요 요소 중 하나로 작물의 성장기에 토양습도를 정확하게 예측하고 모니터링 하는 것은 농업 생산량 증대에 큰 영향을 미친다. 하지만 토양습도는 복잡한 구조적 특성과 기상 요인의 영향으로 인해 정확한 예측을 위해서는 토양 습도와 기상데이터와의 연계성에 대한 연구가 필요하다. 본 연구에서는 국립농업과학원 기상정보서비스에서 제공하는 기상 및 토양 데이터를 활용했으며 데이터 수집은 결측값이 없고 충분한 데이터가 있는 세 지역을 선정했다. 관측기간은 2015년 1월 1일부터 2019년 12월 31일로 일자별 데이터로 구성되어 있다. 2015년 1월 1일부터 2018년 12월 31일까지의 데이터를 학습시켜 2019년 1월 1일부터 2019년 12월 31일까지의 토양습도를 예측한다. 예측 모형으로는 장단기 메모리(long short term memory : LSTM)와 장단기 메모리 오토인코더(LSTM Autoencoder : LSTM AE)를 사용한다. LSTM Autoencoder 모형은 극단적인 이벤트 발생에 영향을 주는 중요한 특징을 추출하는 특성이 있어 보다 정확한 토양습도를 예측하는 것이 가능할 것으로 판단했다. 두 모형 모두 시퀀스(sequence)를 변경해가며 다음 날 토양습도를 예측하여 평균제곱근오차(root mean square error : RMSE)와 평균절대오차(mean absolute error : MAE)를 통해 예측력을 비교한다. 그 결과, LSTM 모형에 비해 LSTM Autoencoder 모형의 예측력이 더 향상된 것으로 나타났다. 향후 다양한 딥러닝 기법을 활용한다면 예측력을 향상시킬 수 있을 것으로 기대된다. Soil humidity is one of the main factors affecting the growth of crops, and accurate prediction of soil humidity has a great impact on the increase in agricultural production. However, in order to accurately predict soil humidity due to the characteristics of complex structures and the influence of meteorological factors, it is necessary to study the linkage between soil humidity and meteorological data. In this study, we used meteorological and soil data provided by the Meteorological Information Service of the National Academy of Agricultural Sciences. For data collection, we selected three regions with no missing values and sufficient data. Train data from January 1, 2015 to December 31, 2018, and predict the soil humidity from January 1, 2019 to December 31, 2019. The prediction model uses long short term memory(LSTM) and long short term memory Autoencoder(LSTM AE). Predict the soil humidity for the next day, modifying all sequences in both models, and compare the predictive power using RMSE and MAE. As a result, it can be seen that the predictive power of the LSTM Autoencoder is further strengthened as compared with the LSTM. In the future, it is expected that the predictive power can be further improved by utilizing various deep learning techniques.