http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
오광철,오희목,이진환,맹주선 ( Kwang Cheol Oh,Hee Mock Oh,Jin Hwan Lee,Jue Son Maeng ) 한국하천호수학회 1995 생태와 환경 Vol.28 No.4
Water quality, species and cellular composition of phytoplankton with depth were investigated at two sites in Daechung Reservoir to evaluate possible causes of dominance and vertical migration of blue-green algae. In the summer of 1993, thermal stratification was very weak as a result of lower water temperature than an ordinary year. Dissolved reactive phosphorus was gradually increased with depth, but there was no significant difference among the data examined with an interval of 4 hrs. Daechung Reservoir was an eutrophic lake in which the cyanobacterium Microcystis sp. was dominant(over 95% of total phytoplankton on the basis of number). The diurnal pattern of chlorophyll a concentration in the water column was very similar to that of Microcystis sp. at Site 2. Cell carbohydrate, presumably functioning as ballast, of Microcystis sp. in the epilimnion was expressed on the basis of protein content and revealed a maximum value of 1.52 at 10 a.m. and a minimum value of 0.32 at 2 a.m. Consequently, it is likely that Microcystis sp. in the surface water to a depth of 1 m increases up to 60∼70% of total population at 10 a.m. and 2 p.m., and migrates vertically to the deeper to a depth of 4 m after 2 p.m. due to the accumulation of carbohydrates, and returns to the surface water after 6 a. m.
데이터 특성에 따른 기계학습기반 온실 내부 환경 예측 모델개발
오광철 ( Kwang Cheol Oh ),김석준 ( Seokjun Kim ),박선용 ( Sunyong Park ),조라훈 ( Lahoon Cho ),전영광 ( Young Kwang Jeon ),이충건 ( Chunggeon Lee ),김대현 ( Daehyun Kim ) 한국농업기계학회 2022 한국농업기계학회 학술발표논문집 Vol.27 No.2
전 세계적으로 효율적인 농작물 생산 위하여 농업 자동화 및 전문화에 관한 다양한 연구가 수행되고 있다. 특히 시설농업은 실시간 생육환경 제어를 통한 농작물 생산효율 향상을 목표로 수행되고 있다. 이를 효과적으로 수행하기 위해서는 온실 내부 환경변화에 대한 정확하고 정밀한 예측기법이 요구된다. 기존의 시뮬레이션 기법을 활용한 예측 방법은 온실 시스템의 가외 변인(Extraneous variable)인 태양광, 외기 온·습도 및 생장 작물의 특성 등으로 인하여 분석의 한계점이 존재한다. 이러한 문제를 극복하기 위하여 빅데이터를 기반으로 한 인공지능(Artificial intelligence, AI)기술을 활용한 온실 내부 환경 예측을 수행하고자 한다. 기계학습 모델은 데이터수집, 특성분석, 학습을 통하여 개발되며 매개변수와 학습 방법에 따라 모델의 정확도가 크게 변화된다. 따라서 데이터특성에 따른 최적의 모델 도출방법이 필요하다. 인공지능 회기모델 중 가장 널리 활용되고 있는 LSTM(Long short term memory) 알고리즘을 통하여 분석이 이루어졌으며, Grid Search Mathod를 통하여 초매개변수 최적화가 수행되었다. 또한 데이터 특성에 따라 변화되는 모델 특성 분석이 수행되었으며 외부 온·습도, 일사량을 기반으로 모델개발이 이루어졌다. 분석 결과 본연구의 온실 시스템에서는 최소 14일간의 데이터가 요구됨이 도출되었으며 평균 모델 성능은 r2: 0.92 RMSE : 2.14 로 도출됐다. 본연구를 통하여 온실 외부 데이터를 활용한 온실 내부온도 예측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실 데이터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아가 기계학습모델의 예보단계로의 개선을 통한 온실 내부 환경 최적제어를 위한 연구가 필요할 것으로 판단된다.
전산유체역학을 이용한 바이오매스 반탄화(torrefaction) 모델 개발
오광철 ( Kwang Cheol Oh ),이상열 ( Sang Yeol Lee ),주상연 ( Sang Yeon Joo ),조라훈 ( La Hoon Cho ),박선용 ( Sun Yong Park ),이서현 ( Seo Hyeon Lee ),이충건 ( Chung Geon Lee ),김대현 ( Dae Hyun Kim ) 한국농업기계학회 2016 한국농업기계학회 학술발표논문집 Vol.21 No.2
목질계바이오매스는 오랜 세월 인류가 친숙하게 이용해온 열 에너지원이다. 하지만 화석연료가 발견되면서 바이오에너지를 있는 그대로 이용하는 농·임산연료의 사용량은 꾸준히 감소되었다. 이에 따라 2010년부터 본격적으로 농림에 잔재된 부산물을 우드 칩(Wood chip)과 목재펠릿(Wood pellet)으로 가공 후 보관 및 운송의 용의, 균질, 규격화를 통하여 효율적으로 활용하기 시작하였다. 하지만 에너지 이용과정에서 타르 및 미연소분으로 발생으로 인한 연소기기 고장 및 효율감소의 문제점을 지니고 있어 농업 및 임업부산물은 대부분 방치되거나 버려지고 있다. 따라서 본 연구에서는 반탄화(torrefaction) 공정을 이용한 효율적인 목질계바이오매스 활용방안을 제시하고자 한다. 반탄화 공정이란 산소가 희박하거나 없는 상태에서 비교적 짧은 시간(10 ~ 60분)동안 낮은온도(260 ~ 320℃)에서 바이오매스를 가열하는 전처리 단계이다. 반탄화시 고형 화석연료와 비슷한 수준의 H/C, O/C의 비율 변화로 발열량이 증대되며, 내수성 증대 및 중량감소를 통해 저장 및 운송에 이점을 가진다. 하지만 다양한 종류 및 넓게 산재된 발생량 특성을 지닌 농·임업부산물의 경우 일반적인 반탄화 공정을 통한 활용이 어렵다. 따라서 전산유체역학을 통하여 바이오매스의종류, 크기, 처리시간등의 조건에 따른 반탄화 공정의 예측모델을 개발을 통하여 최적의 이용방법을 제시하고자한다.
순환신경망 모델 활용 온실 내부환경 최적 제어 방법 연구
오광철 ( Kwang Cheol Oh ),김석준 ( Seokjun Kim ),박선용 ( Sunyong Park ),조라훈 ( Lahoon Cho ),전영광 ( Young Kwang Jeon ),이충건 ( Chunggeon Lee ),김대현 ( Daehyun Kim ) 한국농업기계학회 2023 한국농업기계학회 학술발표논문집 Vol.28 No.2
최근 국내 농업 형태는 첨단 기술의 발전과 인공지능 기술의 등장으로 인하여 노지재배에서 시설재배로 변화되고 있다. 시설재배는 통제된 시설에서 재배환경을 인위적으로 조성하여 작물을 기르는 농업으로 내부환경 예측이 필수적으로 요구된다. 하지만 일사량 및 외부 온·습도 등의 가외변인(extraneous variable)으로 인하여 기존의 분석 방법은 한계가 존재한다. 이러한 한계를 극복하기 위해 인공지능을 통한 경험적 시뮬레이션 분석 방법을 적용하고자 한다. 개발모델의 미래 예보범위는 10분에서부터 단위로 증가하며 이루어졌으며, 모델 평균 정확도와 정밀도는 r2 0.9527, RMSE 0.5582로 나타났다. 예보 모델을 기반으로 열원 공급방식을 개선하여 온실 내부환경 예보하여 난방 부하를 효과적으로 제어하여 작물에 피해를 주지 않는 범위에서 약 2%의 에너지 절감이 가능함을 알 수 있었다. 이러한 방법을 통하여 시설농업 온실 시스템 냉난방 에너지 사용량을 절감할 수 있다. 또한, 최신 스마트팜 기술과 융합하여 모델의 전역적 최적화 달성하여 다양한 실제 온실 시스템 에너지를 효과적으로 사용할 수 있을 것으로 사료된다.
오광철 ( Kwang Cheol Oh ),권혁원 ( Hyukwon Kwon ),노지원 ( Jiwon Roh ),최영렬 ( Yeongryeol Choi ),박현도 ( Hyundo Park ),조형태 ( Hyungtae Cho ),김정환 ( Junghwan Kim ) 한국화학공학회 2020 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.58 No.4
본 연구는 증류탑 분리공정 시스템 최적화를 위하여 인공지능 머신러닝이 적용된 소프트웨어 플랫폼을 개발하였다. 증류탑 분리공정은 석유화학 산업의 대표적이고 핵심적인 공정이다. 하지만 다양한 운전조건과 연속식공정 특성으로 인하여 안정적인 운전이 어려우며 운전자 숙련도에 의하여 공정효율에 차이가 발생된다. 이를 해결하기 위하여 이론적 시뮬레이션을 활용한 제어방법이 개발되어 사용되고 있지만 특수하거나 복잡한 반응이 포함된 공정에는 적용이 어려우며, 거대한 시스템에 대하여 분석이 이루어질 경우 계산비용 증대로 인하여 실시간 제어와 연동이 어려운 한계점을 지니고 있다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위하여 머신러닝을 기반으로 한 경험적 시뮬레이션 모델을 개발하고 이를 통하여 최적의 공정운영방법을 제시하고자 한다. 경험적 시뮬레이션 개발은 실제 공정에서 수집된 빅 데이터, 데이터마이닝을 통한 특성추출, 공정을 대표하는 데이터 선별, 화학공정 특성에 맞는 모델 선정으로 이루어졌으며, 현장검증 및 테스트를 통하여 증류탑 분리공정 플랫폼이 개발되었다. 최종적으로 개발된 플랫폼을 통하여 운전 조작변수의 예측이 가능하며, 최적화된 운전조건을 제공하여 효율적인 공정운영을 달성할 수 있다. 본 논문은 머신러닝 기법을 화학공정에 적용한 기초연구로서 이후 다양한 공정에 적용하여 4차 산업의 스마트 팩토리의 초석이 되어 널리 활용될 수 있을 것이라 판단된다. This study developed a software platform using machine learning of artificial intelligence to optimize the distillation column system. The distillation column is representative and core process in the petrochemical industry. Process stabilization is difficult due to various operating conditions and continuous process characteristics, and differences in process efficiency occur depending on operator skill. The process control based on the theoretical simulation was used to overcome this problem, but it has a limitation which it can’t apply to complex processes and real-time systems. This study aims to develop an empirical simulation model based on machine learning and to suggest an optimal process operation method. The development of empirical simulations involves collecting big data from the actual process, feature extraction through data mining, and representative algorithm for the chemical process. Finally, the platform for the distillation column was developed with verification through a developed model and field tests. Through the developed platform, it is possible to predict the operating parameters and provided optimal operating conditions to achieve efficient process control. This study is the basic study applying the artificial intelligence machine learning technique for the chemical process. After application on a wide variety of processes and it can be utilized to the cornerstone of the smart factory of the industry 4.0.