Earticle

The goal of this research is to apply the neural networks models for the disaggregation of the pan evaporation (PE) data, Republic of Korea. The neural networks models consist of generalized regression neural networks model (GRNNM) and multilayer perceptron neural networks model (MLP-NNM), respectively. The disaggregation means that the yearly PE data divides into the monthly PE data. And, for the performances of the neural networks models, they are composed of training and test performances, respectively. The training and test performances consist of the historic, the generated, and the mixed data, respectively. From this research, we evaluate the impact of GRNNM and MLP-NNM for the disaggregation of the nonlinear time series data. We should, furthermore, construct the credible data of the monthly PE from the disaggregation of the yearly PE data, and can suggest the methodology for the irrigation and drainage networks system.

미세먼지 농도는 국가의 중요한 환경 척도 중의 하나이다. 본 연구에서는 경기도 남부에 위치한 수원시 2003년-2009년 미세먼지 농도를 주위에서 쉽게 구할 수 있는 대기자료와 기상자료를 이용하여 자기회귀오차모형으로 월별로 분석하였다. 미세먼지 농도 분석을 위한 대기자료는 이산화황, 이산화질소, 일산화탄소, 오존 등을 사용했고, 기상자료로는 일 최고온도, 풍속, 상대습도, 강수량, 일사량, 운량을 사용하였다. 분석 결과, 자기회귀오차모형으로 월별 미세먼지 농도를 13%-49% 정도 설명할 수 있다.

The PM10 (Promethium 10) data is one of the important environmental data for measurement of the atmospheric condition of the country. In this article, the Autoregressive Error (ARE) model has been considered for analyzing the monthly PM10 data at the southern part of the Gyeonggi-Do, Suwon monitoring site in Korea. In the ARE model, six meteorological variables and four pollution variables are used as the explanatory variables for the PM10 data set. The six meteorological variables are daily maximum temperature, wind speed, relative humidity, rainfall, radiation, and amount of cloud. The four air pollution explanatory variables are sulfur dioxide ($SO_2$), nitrogen dioxide ($NO_2$), carbon monoxide (CO), and ozone ($O_3$). The result showed that the monthly ARE models explained about 13-49% for describing the PM10 concentration.

다중시기에 획득된 SAR 영상을 이용하여 지표에서 발생하는 변위의 시계열 관측을 위한 기법에 대한 비교 분석을 수행하였다. 고정산란체를 이용한 PSInSAR 기법은 구속화된 위상을 이용하기 때문에 알고리즘의 많은 부분이 비선형 방정식을 포함하고 있어, 알고리즘 적용에 많은 주의를 필요로 한다. 특히 알고리즘 첫 단계인 고정산란체 후보의 적합한 선택 여부에 따라 알고리즘의 실행이 크게 영향을 받음을 확인하였다. 한편 짧은 기선거리를 갖는 간섭쌍을 사용하는 SBAS 기법은 입력 자료인 불구속화된 간섭도의 정확도에 따라 결과의 신뢰성이 크게 영향을 받는다. 따라서 시계열 분석에 사용되는 차분간섭도 위상의 unwrapping이 적절하게 수행될 수 있을 경우 SBAS 방법을 사용한 시계열 분석이 적절하며, unwrapping 오차가 발생할 가능성이 높은 좁은 지역에서 발생하는 국지적인 변위 관측에는 고정산란체를 이용하는 PSInSAR 기법이 적절하다. 미국 라스베가스 지역에서 1992년부터 2000년 동안 획득된 51개의 ERS-1/2 SAR 영상을 PSInSAR 기법 및 SBAS 기법에 적용하여 지표변위도를 구하였으며, 이들 간의 비교 분석을 통해 두 방법의 결과는 매우 유사하나, 다소 국지적인 지표변위는 PSInSAR 기법의 관측이 유리한 것으로 판단되었다.

We carried out studies on InSAR techniques for time-series deformation monitoring using multi-temporal SAR. The PSInSAR method using permanent scatterer is much more complicate than the SBAS because it includes many non-linear equation due to the input of wrapped phase. It is conformed the PS algorithm is very sensitive to even PSC selection. On the other hand, the SBAS method using interferogram of small baseline subset is simple but sensitive to the accuracy of unwrapped phase. The SBAS is better method for expecting not significant unwrapping error while PSInSAR is more proper method for expecting local deformation within very limited area. We used 51 ERS-1/2 SAR data during 1992-2000 over Las Vegas, USA for the comparison between PSInSAR and SBAS. Both PSInSAR and SBAS show similar ground deformation value although local deformation seems to be detected in the PSInSAR method only.

한정된 기간의 짧은 유출량 기록을 갖는 댐 유역에서의 수자원 시스템 거동예측은 수문학적 지속성여부에 대한 판단이 선행 되어야 하며 가용한 시계열자료에 대한 추계학적 분석을 통하여 실시하여야 한다. 본 연구에서는 계절형 ARIMA모형을 통하여 안동댐 유역의 강우량, 증발량 및 유출량 시계열자료로 월별 수문시스템 거동을 예측하였으며, 예측된 결과를 토대로 TANK모형과 ARIMA+TANK결합모형에 의한 장기유출모의를 실시하였다. 분석결과 관측자료의 특성을 비교적 잘 반영 하였으며, 댐 유입량 예측을 위한 추계학적 결합모형의 적용가능성을 검토하였다. 이는 상대적으로 유출량자료의 보유년한이 짧은 대상유역의 시계열 수문인자 예측을 통한 유출모의의 적용으로 수자원의 중 장기 전략수립에 도움이 되리라 사료된다.

Hydrological system forecasting, which is the short term runoff historical data during the limited period in dam site, is a conditional precedent of hydrological persistence by stochastic analysis. We have forecasted the monthly hydrological system from Andong dam basin data that is the rainfall, evaporation, and runoff, using the seasonal ARIMA (autoregressive integrated moving average) model. Also we have conducted long term runoff simulations through the forecasted results of TANK model and ARIMA+TANK model. The results of analysis have been concurred to the observation data, and it has been considered for application to possibility on the stochastic model for dam inflow forecasting. Thus, the method presented in this study suggests a help to water resource mid- and long-term strategy establishment to application for runoff simulations through the forecasting variables of hydrological time series on the relatively short holding runoff data in an object basins.

최근 수자원의 공급중심에서 효율적 이용으로의 정책변화에 따라 도시화에 따른 지하수위 및 하천수위에 대한 연구는 더욱 중요시되고 있다. 현재 도시화로 인한 땅속으로 침투되지 못하고 유출되는 강우는 도시화 이전인 1962년의 5배가 넘는 수준이다. 1962년 당시엔 40%에 이르던 빗물 침투율도 23%로 떨어져 물 부족 가능국가이면서도 강우 침투율은 저조하다. 이것은 도시화의 심화로 인한 시가지의 확대, 토지이용 고밀도화로 인한 불투수층 증가에서 비롯된 것으로서 지하수가 메마르고 토양이 건조해져 매년 평균 지하수위는 하강하고 있고 이것은 하천수위의 하강과 밀접한 관계가 있다. 본 연구에서는 경기도지역을 대상으로 도시화가 진행된 지역의 수문시계열 자료들을 수집하고 분석하였다. 수문시계열자료로서는 지하수위, 하천수위자료를 수집하였고, 토지피복도를 참고하여 시가지 증가율을 확인하였다. 도시화가 진행된 도심지역 내 지하수위 관측소를 중심으로 하천수위 중 자료에 문제가 없는 곳을 선정하였다. 선정된 지역 중 5개 지역에서 지하수위의 하강 및 하천수위의 하강이 관측되었다. 각 지역마다 연평균 하천수위 연평균 지하수위, 토지피복도를 도시하고, 토지피복도의 변화에 따른 불투수층확산지역의 지하수위와 하천수위의 변화를 분석하였다. 대부분의 지역에서 시가지 증가율에 따른 불투수층이 증가함에 따라 지하수위와 하천수위는 하강하고 있었다. 그러므로 도시화가 진행되면서 지하수위와 하천수위에 수문학적으로 부정적인 영향을 준다고 설명할 수 있고 여기에 최근 한국의 기후변화가 수자원에 미치는 영향도 고려한다면 수위하강은 더욱 가속화 될 것이다.

비선형 동력학 시스템으로 구성된 전력 수요의 시계열 데이터를 예측하기 위해 적용된 신경망 및 퍼지 적응 알고리즘 등은 예측오차가 상대적으로 크게 나타났다. 이는 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질에 기인하며 이중 초기값에 민감한 의존성은 장기적인 예측을 더욱더 어렵게 하는 요인으로 작용한다. 전력수요 시계열 데이터가 가지고 있는 카오스적인 성질을 정량 및 정성적인 방식으로 분석 을 수행하고, 시스템 동력학적 특성의 정량분석에 이용되는 Lyapunov 지수를 이용하여 어트랙터 재구성, 다차원 카오스 시계열 데이터를 예측하는 방식으로 수요예측 시뮬레이션을 수행하고 결과를 비교 평가하여 기존 제안방식보다 실용적이며 효과적임을 확인한다.

Generally the neural network and the fuzzy compensative algorithm are applied to forecast the time series for power demand with a characteristic of non-linear dynamic system, but it has a few prediction errors relatively. It also makes long term forecast difficult for sensitivity on the initial condition. On this paper, we evaluate the chaotic characteristic of electrical power demand with analysis methods of qualitative and quantitative and perform a forecast simulation of electrical power demand in regular sequence, attractor reconstruction, time series forecast for multi dimension using Lyapunov exponent quantitatively. We compare simulated results with the previous method and verify that the purpose one being more practice and effective than it.

도시가스 수요량은 강한 계절성을 보이는 자료이다. 따라서 도시가스 수요량을 예측하기 위한 모형 구축에서 가장 중요한 요인은 계절성이다. 또한, 실제 도시가스 수요량에는 추가적 인 여러 요인들에 의하여 영향을 받을 수 있는데, 온도, 요일효과, 명절효과, 유효일 수, 수용가수 등이 영향 요인들이다. 본 연구에서는 이와 같은 요인들이 도시가스 수요량에 미치는 영향력의 정도를 파악하고 효율적으로 향후 도시가스 수요량 예측을 위한 시계열 모형을 구축하였다. 적용된 모형은 오차항이 자기상관을 따르는 시계열 회귀모형을 이용하였으며 실제 자료를 이용한 예측결과 매우 우수한 예측력을 보였다.

The city gas demand data has strong seasonality. Thus, the seasonality factor is the majority for the development of forecasting model for city gas supply amounts. Also, real city gas demand amounts can be affected by other factors; weekday effect, holiday effect, the number of validity day, and the number of consumptions. We examined the degree of effective power of these factors for the city gas demand and proposed a time-series model for efficient forecasting of city gas supply. We utilize the liner regression model with autoregressive regression errors and we have excellent forecasting results using real data.

GPD 모형은 수문학 극치확률량 해석에 주로 적용되어 왔다. 극치 통계의 주목적은 드문 사상의 예측이며, 주요 문제점으로는 임계값 또는 임계값 초과치들에 대한 정확한 산정방법이 없어 그 추정이 매우 어렵다는 것이다. 본 연구에서는 임계값 또는 임계값 초과치들을 산정하기 위하여 4가지 방법을 적용하였다. 그 비교를 위하여 GPD 모형에 적용하여 7개의 지속시간(1, 2, 3, 6, 12, 18 및 24시간)과 10개의 재현기간(2, 3, 5, 10, 20, 30, 50, 70, 80 및 100년)에 대한 매개변수 및 Quantile을 추정하였다. 3변수 GPD의 매개변수 및 Quantile을 추정하기 위하여 MOM, ML과 PWM을 적용하였다. 적합도를 추정하기 위하여 K-S, CVM 및 A-D 검정을 수행하였고 Monte Carlo 실험으로 상대 제곱근오차를 산정하였다. 이러한 방법들을 이용하여 임계값 산정방법들을 비교하여 최적화된 방법을 추정하였다.

Generalized Pareto distribution (GPD) is frequently applied in hydrologic extreme value analysis. The main objective of statistics of extremes is the prediction of rare events, and the primary problem has been the estimation of the threshold and the exceedances which were difficult without an accurate method of calculation. In this paper, to obtain the threshold or the exceedances, four methods were considered. For this comparison a GPD model was used to estimate parameters and quantiles for the seven durations (1, 2, 3, 6, 12, 18 and 24 hours) and the ten return periods (2, 3, 5, 10, 20, 30, 50, 70, 80 and 100 years). The parameters and quantiles of the three-parameter generalized Pareto distribution were estimated with three methods (MOM, ML and PWM). To estimate the degree of fit, three methods (K-S, CVM and A-D test) were performed and the relative root mean squared error (RRMSE) was calculated for a Monte Carlo generated sample. Then the performance of these methods were compared with the objective of identifying the best method from their number.

In hydrology, it is a difficult task to deal with multivariate time series such as modeling streamflows of an entire complex river system. Normal distribution based model such as MARMA (Multivariate Autorgressive Moving average) has been a major approach for modeling the multivariate time series. There are some limitations for the normal based models. One of them might be the unfavorable data-transformation forcing that the data follow the normal distribution. Furthermore, the high dimension multivariate model requires the very large parameter matrix. As an alternative, one might be decomposing the multivariate data into independent components and modeling it individually. In 1985, Lins used Principal Component Analysis (PCA). The five scores, the decomposed data from the original data, were taken and were formulated individually. The one of the five scores were modeled with AR-2 while the others are modeled with AR-1 model. From the time series analysis using the scores of the five components, he noted "principal component time series might provide a relatively simple and meaningful alternative to conventional large MARMA models". This study is inspired from the researcher's quote to develop a multivariate simulation model. The multivariate simulation model is suggested here using Principal Component Analysis (PCA) and Independent Component Analysis (ICA). Three modeling step is applied for simulation. (1) PCA is used to decompose the correlated multivariate data into the uncorrelated data while ICA decomposes the data into independent components. Here, the autocorrelation structure of the decomposed data is still dominant, which is inherited from the data of the original domain. (2) Each component is resampled by block bootstrapping or K-nearest neighbor. (3) The resampled components bring back to original domain. From using the suggested approach one might expect that a) the simulated data are different with the historical data, b) no data transformation is required (in case of ICA), c) a complex system can be decomposed into independent component and modeled individually. The model with PCA and ICA are compared with the various statistics such as the basic statistics (mean, standard deviation, skewness, autocorrelation), and reservoir-related statistics, kernel density estimate.

본 논문에서는 시계열 예측 공정의 모델링을 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 기존의 Type-1 퍼지 논리 시스템(Fuzzy Logic System, FLS)은 외부의 노이즈와 같은 불확실성에 민감한 단점이 있다. 그러나 Type 퍼지 논기 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 효과적으로 취급할 수 있다. 여기서 불확실한 정보를 표현하기 위해 규칙의 전 후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부의 경우 HCM 클러스터링을 사용하여 입력 데이터들 간의 거리를 중심으로 멤버쉽 함수를 정의하고, 후반부는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘으로 멤버쉽 함수의 정점을 동조한다. 제안된 모델은 표준 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 특정 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치 석인 예를 보인다.

본 연구에서는 공정 중에 민감하게 반응하는 플라즈마로부터 수집되는 이온에너지 분포(IED : Ion Energy Distribution)와 시계열 신경망 모델링을 결합한 플라즈마 감시 기술을 개발하였다. NIEA(Non-invasive ion analyzer)를 이용하여 IED를 측정하였으며, 모델링에 사용된 신경망은 자기 상관 시계열 신경망(A-NTS : Auto-Correlated Neural Time-Series)이다. 모델 개발을 위한 학습과 테스트 데이터로는 Duty ratio 100%에서 수집한 IED를 이용하였으며, 개발된 모델의 감시 성능은 60%에서 수집된 IED로 평가하였다. 학습인자 k와 m의 범위는 각각 1-3 으로 총 9종류의 (k, m) 조합에 대해서 모델 성능을 평가하였다. 신경망 은닉층 뉴런수는 2-9의 범위에서 최적화하였다. 최적화된 모델은 (2, 3)과 뉴런수 2에서 구해졌으며, 0.335의 예측 에러를 보였다. 60% IED 데이터로 평가한 결과 플라즈마 고장에의 민감도는 62% 이상이었다. 이는 IED의 A-NTS 모델이 플라즈마 고장의 감시에 효과적으로 적용될 수 있음을 의미한다.

본 연구에서는 경기도 설마천 지역에 위치한 독립사면에서 토양수분을 연속측정한 결과를 분석하였다. 관측망의 설계를 통하여 선정한 위치에 탐침을 매설하고 공간적인 분포를 가진 시계열 형태의 데이터를 10cm 깊이에서 수집하였다. 전이함수 모형을 사면에서의 토양수분 전이과정에 대응하고, 이를 실제 측정한 데이터에 의해서 분석한 결과와 비교해 보았다. 전이 함수 모형은 강우 데이터를 입력변수로 하고 토양수분 시계열 데이터를 반응 변수로 하여 전개하였고, 시계열 모형의 전개는 크게 자료전처리, 모형구조의 규명, 모수추정, 모형진단 등의 과정을 통해서 적합한 모형을 도출하였다. 산지 사면에서의 토양수분을 전이함수에 의하여 전개한 모형은 토양수분의 깊이별 변화와 지형적 분포 양상에 따라 특색을 나타내었다. 또한 2003년 가을과 2004년 봄의 전이함수 모형 추정을 통하여 계절별 특성이 나타남을 알 수 있는데, 봄의 토양수분의 분포는 가을의 토양수분에 비하여 큰 변동성과 고차항의 반응양상을 보인다. 본 연구는 전이함수를 이용한 토양수분의 시계열 분석이 사면에서의 토양수분 변동특성을 지형적, 계절적 특성과 연계하여 이해하고 특성화하는 과정의 적절한 도구가 될 수 있음을 보여주고 있다.

근래에 들어 급속한 산업화에 따라 하천 고유의 특성을 간과한 채 개발 위주의 하천 정비사업이 시행되고 있으며 이는 하천의 인공화 및 생태계의 교란 등 많은 문제점을 낳고 있다. 이에 따라 하천 및 하도 환경에 미치는 영향이 심각할 뿐만 아니라 홍수 피해 또한 급격히 증가하고 있다. 지금까지의 치수 위주의 하천 정비를 벗어나 친환경적인 하천으로의 복원 사업이 필요한 실정이며, 이는 새로운 하천 관리 기술의 도입이 필요함을 의미한다. 따라서 본 연구에서는 항공사진과 GIS기반의 하천 시계열 분석을 수행하여 새로운 하천 관리 기술 도입에 응용할 수 있는 방안을 제시하고자 하였다. 분석을 위하여 댐 하류의 하천교란 및 적응현장 시범지역을 선정한 후 대상 지역의 항공사진을 GIS화하여 하천 교란 실태를 분석하는 데에 필요한 저수로와 제방 및 기타 자료를 shape 파일 형태로 생성하였다. 생성된 자료를 바탕으로 하천의 사행도 및 유로 변동 현황 분석을 실시함에 따라 하천의 변화 양상을 확인하였으며 대상 하천의 사행도 및 저수의 구체적인 제반 수치를 제시할 수 있었다. 또한 분석 결과를 바탕으로 현재 이루어지고 있는 하천의 정비 및 복원 사업이 하천의 흐름에 어떠한 영향을 미치는 지 예측을 가능하게 하였다. 본 연구에서 규명된 경년별 하천 형태의 변화 추세와 하천 부지의 물리적 특성 변화 양상을 기본 자료로 한다면 하천 관리에 있어 수리 수문학적 분석이 용이하리라 사료된다. 향후 연구에서는 GIS기반의 하천 관리 방안 수립에 대한 심층 연구가 뒤따라야 할 것이다.

식생지수 시계열 자료를 이용한 식생 및 토지피복 모니터링을 수행하기 위해서는 구름으로 인한 누락 및 왜곡된 식생지수 문제를 먼저 해결해야만 한다. 특히 한반도와 같이 여름철 집중 호우기에 대부분의 영상에 구름이 존재하는 경우 이들 구름화소를 제거하거나 복원하지 않을 경우, 분석 결과에 상당한 왜곡이 발생하거나 특정 시기의 영상자료를 분석에 반영할 수 없는 경우가 발생하게 된다. HANTS 알고리즘은 이 같은 구름 화소 문제를 해결하기 위한 알고리즘으로 연중 식생지수의 변화는 비교적 단순한 반복적 주기함수의 형태를 가지므로 소수의 cos 함수를 이용한 푸리에 근사식으로 전체 연중 식생지수를 표현할 수 있다는 가정에서 출발한다. 이 때 구름화소로 인한 원식생지수와의 차이가 특정 임계값을 초과하였을 경우 해당 관측치를 근사과정에서 제외함으로써 구름의 영향을 받지 않은 식생지수 시계열 자료만을 이용하게 된다. 이 과정을 수행하기 위해서는 몇몇 제어변수의 설정이 필요한데, 본 연구에서는 한반도와 같이 특정 시기에 장기간 구름이 분포하는 상황에서 최적의 식생지수 복원을 위한 HANTS 알고리즘의 제어변수를 선정하고 재구축된 식생지수를 평가하였다. 이를 위한 실험으로 2002년 대전 지역의 MODIS Terra 식생지수 시계열 영상을 대상으로 HANTS 알고리즘을 주요 식생피복별로 적용해 보았다.

음악 데이타의 양이 급속히 증가함에 따라 음악 데이타베이스의 오디오 특정을 이용한 내용기 반 음악 장르의 효율적인 유사도 검색 방법이 요구되고 있다. 이러한 시스템을 구현하기 위해서는 시계열 패턴인 오디오 특징을 인덱싱 할 수 있는 인덱싱 기법과 데이터마이닝 기술이 필요하다. 본 논문에서는 인덱싱 기법을 기반으로 하는 유사 장르 음악 검색 시스템의 개발에 대하여 논의한다. 먼저, 시계열 패턴 인덱싱 기법과 데이터마이닝을 이용한 내용기반 음악장르 검색 시스템의 구조를 제안한다. 또한, 오디오 특정을 이용한 유사 장르 검색의 성능을 보이기 위하여 시계열 패턴 인덱스 화일을 구축하고 성능 분석 을 제시한다. 실제 데이타의 특정값을 이용한 실험을 통하여 제안한 기법의 성능을 확인하였다.

Rapid increase of the amount of music data demands for a new method that allows efficient similarity retrieval of music genre using audio features in music databases. To build this similarity retrieval, an indexing techniques that support audio features as a time-series pattern and data mining technologies are needed. In this paper, we address the development of a system that retrieves similar genre music based on the indexing techniques. We first propose the structure of content-based music genre retrieval system based on the time-series pattern index file and data mining technologies. In addition, we implement the time-series pattern index file using audio features and present performance analysis of the time-series pattern index file for similar genre retrieval. The experiments are performed on real data to verify the performance of the proposed method.

경제정책과 관련하여 경제시계열을 작성하는 중요한 목적중 하나는 순환변동을 파악할 수 있는 정보를 제공하는 것이다. 그런데 월별 또는 분기별로 작성되는 경제시계열은 계절변동 및 불규칙변동으로 인해 순환변동 등 기조적 변화를 잘못 파악하기 쉽다. 경제시계열의 기조적 변화를 파악하기 위해서는 원래의 경제시계열에서 계절변동, 불규칙변동을 분해 후 제거해서 분석해야 한다. 이 논문에서는 웨이블렛(wavelet)을 이용하여 시계열을 분해하고 이를 통해 경제시계열의 순환변동 등을 구하고 분해 요소들을 따로 예측한 후 결합된 예측을 시도한다.

목적 : 본 연구는 외부에서 고 농도$(30\%)$의 산소 공급이 공간 인지 능력에 어떠한 변화를 유발하는지 뇌기능 자기공명영상의 시계열 신호 분석을 통해 관찰하고자 한다. 대상 및 방법 : 비슷한 난이도의 공간 인지 과제 두 세트를 제작하기 위해 집단 검사를 실시하였다. 집단검사는 263명의 대학생을 대상으로 수행되었다. 그 결과 공간 인지 능력 측정을 위해 20 문항을 포함하는 두 개의 문제지를 제작하였다. 8명의 오른손잡이 남자 대학생(평균 23.5세)이 뇌기능 자기공명영상 실험의 피험자로 참여하였다. $21\%$와 $30\%$의 산소를 공급하면서 공간 인지 과제를 수행하는 두 번의 실험이 설계되었다. 각 실험은 네 개의 블록으로 구성되고, 각 블록은 통제 및 공간 과제로 구성되었다. 37 MRI 기기를 사용하여 single-shot EPI 방법으로 뇌기능 영상을 획득하였다. 감산법을 이용하여 공간 과제 수행 시 활성화되는 뇌 영역을 추출하였다. 활성화 영역의 시계열 신호 분석을 위해 대표적인 네 영역(소뇌, 후두엽, 두정엽, 전두엽)을 선정하였다. 결과 : 평균 정답률은 $21\%$와 $30\%$ 산소 농도에서 각각 $50.63{\pm}8.63$와 $62.50{\pm}9.64$ 이었고, 두 농도간의 통계적 유의차가 발생하였다 (p<0.05). $21\%$에 비해 $30\%$ 산소 농도에서 소뇌 후두엽, 두정엽, 전두엽 영역에서 신경 활성화의 면적이 증가하였다. 소뇌, 후두엽, 두정엽 영역의 신경 활성화 면적의 증가율은 약 $17\%$이었고, 전두엽은 약 $50\%$ 이었다. 특히, 공간 인지 처리와 가장 밀접한 관련이 있는 두정엽 영역에서는 신경 활성화 강도도 증가하였다. 좌 두정엽에서 신경 활성화 강도의 증가율은 약 $1.4\%$ 이었고, 우 두정엽은 약 $1.7\%$ 이었다. 결론 : 고농도의 산소가 과제수행에 필요한 산소 공급을 충분하게 하여 과제수행에 필요한 신경망을 보다 활성화시켰다. 그리고 그 결과로 과제 수행 능력도 증가시킨다는 결론을 도출할 수 있다.

Purpose : This study attempted to investigate the effects of supply of highly concentrated $(30\%)$ oxygen on human ability of visuospatial cognition using time course data analysis of functional Magnetic Resonance Imaging (fMRI). Materials and Methods : To select an item set in the visuospatial performance test, two questionnaires with similar difficulty were developed through group testing. A group test was administered to 263 college students. Two types of questionnaire containing 20 questions were developed to measure the ability of visuospatial cognition. Eight college students (right-handed male, average age of 23.5 yrs) were examined for fMRI study. The experiment consisted of two runs of the visuospatial cognition testing, one with $21\%$ level of oxygen and the other with $30\%$ oxygen level. Each run consisted of 4 blocks, each containing control and visuospatial items. Functional brain images were taken from 37 MRI using the single-shot EPI method. Using the subtraction procedure, activated areas in the brain during visuospatial tasks were color-coded by t-score. To investigate the time course data in each activated area from brain images, 4 typical regions (cerebellum, occipital lobe, parietal lobe, and frontal lobe) were selected. Results : The average accuracy was $50.63{\pm}8.63$ and $62.50{\pm}9.64$ for $21\%\;and\;30\%$ oxygen respectively, and a statistically significant difference was found in the accuracy between the two types of oxygen (p<0.05). There were more activation areas observed at the cerebellum, occipital lobe, parietal lobe and frontal lobe with $30\%$ oxygen administration. The rate of increase in the cerebellum, occipital lobe and parietal lobe was $17\%$ and that of the frontal lobe, $50\%$. Especially, there were increase of intensity of BOLD signal at the parietal lobe with $30\%$ oxygen administration. The increase rate of the left parietal lobe was $1.4\%$ and that of the right parietal lobe, $1.7\%$. Conclusion : It is concluded that while performing visuospatial tasks, high concentrations of oxygen administration make oxygen administration sufficient, thus making neural network activate more, and the ability to perform visuospatial tasks increase.

현대사회는 인간 활동 범위의 다양함과 영역확대에 따른 급속한 도시화로 자연환경의 파괴와 천연자원의 고갈이라는 문제에 봉착되었다. 이러한 상황에서 국토의 효율적인 관리와 이용 계획을 위해서 광범위한 토지이용에 따른 변화를 신속하고 정화하게 탐지할 수 있는 변화탐지기술이 요구되었다. 본 연구에서는 원격탐사 영상의 변화탐지를 실시하기 위해 지형공간정보 시스템이 갖고 있는 공간분석기법을 적용하여 새로운 변화탐지 알고리즘과 검색, 질의 및 분석 등의 기능을 수행할 수 있는 소프트웨어를 제작하였다. 이 소프트웨어는 그래픽 사용자 인터페이스를 기본으로 하여 파일변환, 그리드연산, 통계계산, 디스플레이, 검색 등의 기능이 포함되어 있다. 본 연구의 수행 결과 다중시기의 위성영상에 대한 변화탐지를 동시에 수행할 수 있었으며, 네 시기에 대한 통합된 변화영상을 제작할 수 있었다. 또한 사용자가 토지피복에 대한 년도별 변천 내용을 질의하고 검색할 수 있게 함으로써 특정지역의 토지피복에 대한 변천 정보를 획득할 수 있었다. 마지막으로 변화탐지 수행을 위한 개개 응용프로그램의 각 모듈을 윈도우 기반의 Visual Basic으로 통합함으로써 사용자 편의 제공과 자동화를 가져올 수 있었다.

The diversity, expansion of human activity and rapid urbanization make modem society to faced with problems like damage of nature and drain of natural resources. Under these circumstances rapid and accurate change detection techniques, which can detect wide range utilization changes, are needed for efficient management and utilization plan of national territory. In this study to perform change detection from remote sensing images, space analysis technique contained in Geographic Information System is applied. And from this technique, the software. that can execute new change detection algorithm, query, inquiry and analysis, is produced. This software is on the basis of graphic user interface and has many functions such as format conversion, grid calculation, statistical processing, display and reference. In this study, simultaneously change detection for multi-temporal satellite images can be performed and integrated one change image about four different periods was produced. Further more software user can acquire land cover change information for an specific area through querying and questioning about yearly changes. Finally making of every application module for change detection into one window based visual basic program, can be produced user convenience and automatic performances.

This study investigated changes in the household expenditure for food outside home using the time-series family expenditure data during 1982-2002. Major findings were as following: first, expenditure for food outside home had been increasing, while over all level of the food expenditure had been decreasing; second, two thirds of the total amount of expenditure for food outside home were for regular meals; the proportion of food outside home which were paid to alcohols and other beverages have been decreasing since 1999; lastly, over the half of the total expenditure for food outside home had been spent on Korean food. Based on the results implications for consumer trends for food and food industry were provided.