Earticle

기후변화로 인한 영향은 한반도뿐만 아니라 전 지구적으로 관찰되고 있다. 지난 100년간(1911 ∼ 2010년) 전 지구적으로 0.75℃가 상승한 반면, 한반도의 평균기온은 약 1.5℃가 상승하였다. IPCC(Intergovermental Panel on Climate Change)에서 발간한 5차 기술보고서에 수온의 증가와 홍수 및 가뭄을 포함하는 극한 수문 사상의 변화는 수질에 영향을 미쳐 여러 가지 형태의 수질 오염을 보다 악화시킬 것으로 전망되고 있다(KMA and MOLIT, 2009). 본 연구에서는 기후변화에 따른 강원도 북한강에 위치한 홍천강 유역의 수질 변화를 분석하기 위하여 기후변화 시나리오 자료를 적용하여 미래유량을 각 목표 기간별로(Obs : 2001 ∼ 2010년, TargetⅠ: 2011 ∼ 2040년, TargetⅡ: 2041 ∼ 2070년, TargetⅢ : 2071 ∼ 2100년) 산정하였다. 또한, 수질 변화를 예측하기 위하여 미래유량을 토대로 유황분석을 시행한 후 다중회귀분석모형과 인공신경망모형을 통해 미래 수질변화를 분석하였다. 홍천강 유역의 수질예측 결과, 21세기 말 여름철에 생물학적 산소요구량, 화학적 산소요구량, 부유물질이 최대 16%, 13%, 15% 증가할 것으로 예측되어, 지속적이며 장기적인 수질 모니터링과 관리가 필요할 것으로 판단된다. 또한, 본 연구에서 사용한 기후자료뿐만 아니라 사회적 시나리오를 고려한다면 보다 신뢰성 있는 미래 수질 모의가 이루어질 것으로 판단된다.

Impacts of climate change are being observed in the globe as well as the Korean peninsula. In the past 100 years, the average temperature of the earth rose about 0.75 degree in celsius, while that of Korean peninsula rose about 1.5 degree in celsius. The fifth Assessment Report of IPCC(Intergovermental Panel on Climate Change) predicts that the water pollution will be aggravated by change of hydrologic extremes such as floods and droughts and increase of water temperature (KMA and MOLIT, 2009). In this study, future runoff was calculated by applying climate change scenario to analyze the future water quality for each targe period (Obs : 2001 ∼ 2010, TargetⅠ: 2011 ∼ 2040, Target Ⅱ: 2041 ∼ 2070, TargetⅢ : 2071 ∼ 2100) in Hongcheon river basin, Korea. In addition, The future water quality was analyzed by using multiple linear regression analysis and artificial neural networks after flow-duration curve analysis. As the results of future water quality prediction in Hongcheon river basin, we have known that BOD, COD and SS will be increased at the end of 21 century. Therefore, we need consider long-term water and water quality management planning and monitoring for the improvement of water quality in the future. For the prediction of more reliable future water quality, we may need consider various social factors with climate components.

본 연구는 선형-선형 다중회귀모형을 통해 여과속도, 탈진압력, 탈진간격, 입구농도 등의 운전조건에서 벤츄리 설치가 압력손실에 미치는 영향을 예측하여 충격기류식 여과집진장치의 효율적인 운전조건과 경제적인 설계 기초자료로 활용하 고자 하였다. 여과면적 6 m2인 파이로트형 충격기류식 여과집진장치를 이용하여 제철소 coke분진으로 여과속도, 입구농 도, 탈진압력, 탈진간격 및 벤츄리 설치 유·무의 조건에 따라 여과포 압력손실을 측정하였으며, 여과포 압력손실(P)의 변화에 기여하는 여과속도(Vf), 입구농도(Ci), 탈진압력(PP), 탈진간격(Pi), 벤츄리 설치 유·무 등에 따른 영향력을 파악하 기 위해 SAS 9.4(SAS Institute, USA) 프로그램으로 통상적인 최소자승 추정법(Ordinary Least Square; OLS)인 선형-선 형의 다중회귀모형 함수를 이용하여 벤츄리가 압력손실에 미치는 영향을 예측하였다. 예측 결과를 종합해 보면 압력손실 최소화를 위해서 벤츄리를 설치할 경우 20.3% 효율 향상이 기대되며, 압력손실에 기여하는 순서는 여과속도(Vf) > 탈진 압력(Pp) > 입구농도(Ci) > 탈진간격(Pi)임을 알 수 있었다.

The aim of this study is to predict the pressure drop due to the presence or absence of Venturi under various operating conditions such as filtration velocity, pulse pressure and interval, and dust concentration using linear-linear regression model and use it as an efficient operating condition and economic data for a shock-type filter collection system. A pilot filtration collector with a filter area of 6 m2 was used, and the filtering pressure drop was measured according to filtration velocity, inlet concentration, pulse pressure, pulse interval, and the flow and absence conditions of the Venturi installation by a steel plant. The SAS 9.4 program (SAS Institute, USA) was used to predict and to determine the effects of filtration velocity (Vf), inlet concentration (Ci), pulse pressure (Pp) and interval (Pi), presence or absence of venturi, etc. and also analyze the changes in pressure drop according to the presence of Venturi using the linear-linear multiple regression model, and the least-squares estimation method (OLS). The results re shown below. In order to minimize the pressure drop, the improvement in efficiency is expected to be 20.3% when the Venturi is installed, and the order of contributing to the pressure drop is filtration rate> pulse pressure> inlet concentration> pulse interval.

Forecasting quality of complex products is a major concern for quality engineers and enterprises' decision-makers. But only a few researchers have investigated how multiple linear regression analysis can improve forecasts. This article presents a predictive control model for personalized forecasting system of complex product quality using multiple linear regression analysis. First, this paper compares the performance of personalized forecasting system for product quality which leads to a better understanding of the applicability of the forecasting model. Second, this paper identifies the effect of predictive control model of multiple linear regression analysis on forecasting accuracy. Then, an example shows the feasibility of using predictive control model in complex product quality personalized forecasting. Finally, it makes a conclusion that the approved prediction system embraces superiority over the prediction of the quality factors and manufacturing resources.

The feature of resolution enhancement by derivative operation is linked to one of the multivariate analysis, which is multiple linear regression with two options, all possible and stepwise regression. Examined samples were synthetic mixtures of 5 vitamins, thiamine mononitrate, riboflavin phosphate, nicotinamide, pyridoxine hydrochloride and ascorbic acid. All components in mixture were quantified with reasonably good accuracy and precision. Whole data processing procedure was accomplished on-line by the development of three computer programs written in APPLESOFT BASIC language.

Four kinds of $Si_3N_4$-based ceramic cutting tools with different sintering time were fabricated to investigante the effect of sintering time on the microstructure, mechanical properties, grain sizes and the cutting performance. An endeavor was also made to determine the relation among mechanical property, Brain size and tool life. $Si_3N_4$ home made cutting tool sintered for 1 hour under $1760^{\circ}$ temperature and 25MPa pressure showed the best cutting performance among selected ceramic tools during machining both Bray cast iron and heat treated SCM440. Multiple linear regression model was used to estimate the tool lift from mechanical property, grain size and showed good result. It was also shown that hardness imposed the biggest offect on tool life.

Quantitation of ethenzamide, isopropylantipyrine and caffeine takes about 41 hrs by conventional GC method. Quantitation of allylisoprorylacetylurea takes about 40 hrs by conventional UV method. But quantitation of them takes about 6 hrs by DRIFT developing method. Each standard and sample sieved, powdered and acquired DRIFT spectrum. Out of them peak of each component was selected and ratio of each peak to standard peak was acquired, and then linear stepwise multiple regression was performed with these data and concentration. Reflectance value, Kubelka-Munk equation and Inverse-Kubelka-Munk equation were modified by us. Inverse-Kubelka-Munk equation completed the deficit of Kubelka-Munk equation. Correlation coefficients acquired by conventioanl GC and UV against DRIFT were more than 0.95.

1998년부터 2008년까지 낙동강 물금지점의 수질, 수리 및 기상 인자를 통해 조류발생의 주요 영향인자를 평가하고 chlorophyll-a (chl-a) 예측 모델을 도출하였다. 분석 전 데이터의 신뢰도 향상을 위해 이상치를 제거하는 전처리 과정을 수행하였다. 국내 태풍영향기간을 산정하여 태풍영향기간에 포함된 데이터는 제외를 하였고 관리도 기법을 적용하여 이상치를 제거하였다. 이후 분석과정은 Method 1과 2 두 가지 방법으로 나뉘었다. Method 1은 전처리 과정을 거친 17개 항목의 데이터를 직접 이용하여 chl-a 예측모형을 도출 하였고, Method 2는 전처리 후 주요 영향인자를 도출하여 이를 통해 모형을 개발하였다. Method 2의 상관관계 분석결과 물금지역의 chl-a에 대한 주요영향인자는 수온, pH, DO, BOD, COD, T-N, $NO_3-N$, $PO_4-P$, 유량, 유속 및 수심으로 나타났다. Method 1, 2에 의한 chl-a 회귀모형은 각각 $R^2$ 값이 0.799 및 0.790의 높은 유의성을 나타내었고 2009~2010년의 데이터로 검증하였다. Method 1에 의한 chl-a 예측모형의 training period와 validation period의 RMSE 값은 각각 20.912와 24.423으로 나타났으며 Method 2를 통한 모델은 각각 21.422 및 26.277을 나타냈다. 예측 모형 도출 결과 Method 1 및 2 모두 BOD, DO 및 $PO_4-P$ 세 가지 인자가 주요한 역할을 한 것을 볼 때 향후 물금 지점의 조류 발생은 BOD, DO 및 $PO_4-P$를 중점적으로 관리할 필요가 있다고 판단된다.

In this study, Chlorophyll-a (chl-a) prediction model and multiple parameters affecting algae occurrence in Mulgeum site were evaluated by statistical analysis using water quality, hydraulic and climate data at Mulgeum site (1998~2008). Before the analysis, control chart method and effect period of typhoon were adopted for improving reliability of the data. After data preprocessing step two methods were used in this study. In method 1, chl-a prediction model was developed using preprocessed data. Another model was developed by Method 2 using significant parameters affecting chl-a after data preprocessing step. As a result of correlation analysis, water temperature, pH, DO, BOD, COD, T-N, $NO_3-N$, $PO_4-P$, flow rate, flow velocity and water depth were revealed as significant multiple parameters affecting chl-a concentration. Chl-a prediction model from Method 1 and 2 showed high $R^2$ value with 0.799 and 0.790 respectively. Validation for each prediction model was conducted with the data from 2009 to 2010. Training period and validation period of Method 1 showed 20.912 and 24.423 respectively. And Method 2 showed 21.422 and 26.277 in each period. Especially BOD, DO and $PO_4-P$ played important role in both model. So it is considered that analysis of algae occurrence at Mulgeum site need to focus on BOD, DO and $PO_4-P$.

최근 태양광의 발전 효율성과 경제성이 높은 발전소 부지를 확보하기 위해 특정 지역을 대상으로 태양광 발전량을 정확히 예측하기 위한 연구들이 수행되었다. 하지만 국내의 경우 기존 발전량 데이터가 부족함에 따라 정확한 발전량 추정에 문제가 발생할 수 있으며, 우리나라 기준으로 어떠한 기상조건을 나타내는 변수가 태양광발전에 어느 정도의 영향을 미치는지에 대한 연구가 부족한 실정이다. 따라서 본 연구는 지형 효과를 충분히 고려하여 제작된 태양복사에너지 지도와 미세먼지와 같은 기상조건을 추가하여 태양광 발전량 추정 회귀모델을 제시하고, 추정된 발전량과 실제 발전량을 비교 분석하였다. 그 결과, 습도를 제외한 태양복사에너지, 온도, 풍속, 운량, 강수량, 일조시간, 미세먼지가 발전 효율에 통계적으로 유의미한 영향을 미치는 것으로 나타났으며, 회귀 분석모델을 통해 추정된 발전량과 실제 발전량을 비교 분석하여 RMSE는 48.261(h), nRMSE는 1.592(%), MAPE는 11.696(%), 그리고 는 0.979이 도출되었다. 이러한 결과는 국내 태양광 발전 부지를 평가함에 있어서 고려해야 하는 중요한 기상 조건 등 태양광 발전량 추정 모델을 설계하는데 활용할 수 있으며, 이를 바탕으로 태양광 발전소 건설 부지를 선정함에 있어 중요한 지표인 발전량을 정확히 추정하는데 기여할 것으로 사료된다.

The estimation of available solar energy at particular locations is critical to find and assess suitable locations of PV sites. The amount of PV power generation is however affected by various geographical factors (e.g., weather), which may make it difficult to identify the complex relationship between affecting factors and power outputs and to apply findings from one study to another in different locations. This study thus undertakes a regression analysis using data collected from 172 PV plants spatially distributed in Korea to identify critical weather conditions and estimate the potential power generation of PV systems. Such data also include solar radiation, precipitation, fine dust, humidity, temperature, cloud amount, sunshine duration, and wind speed. The estimated PV power generation is then compared to the actual PV power generation to evaluate prediction performance. As a result, the proposed model achieves a MAPE of 11.696(%) and an R-squred of 0.979. It is also found that the variables, excluding humidity, are all statistically significant in predicting the efficiency of PV power generation. According, this study may facilitate the understanding of what weather conditions can be considered and the estimation of PV power generation for evaluating and determining suitable locations of PV facilities.

TBM 공법은 굴착면 안정성 확보 및 주변환경에 비치는 영향을 최소화하기 때문에 도심지나 하·해저터널 등에서 적용 사례가 증가하는 추세이다. 디스크 커터의 수명을 예측하는 대표적인 모델 중 NTNU모델은 커터수명지수(Cutter Life Index, CLI)를 주요 매개 변수로 활용하지만 복잡한 시험절차와 시험장비의 희귀성으로 측정에 어려움이 있다. 본 연구에서는 다중선형회귀분석과 트리 기반의 머신러닝 기법으로 암석물성을 활용하여 CLI를 예측하였다. 문헌 조사를 통해 암석의 일축압축강도, 압열인장강도, 등 가석영함량과 세르샤 마모지수 등을 포함한 데이터베이스를 구축하였고 파생변수를 계산하여 추가하였다. 다중선형회귀분석은 통계적 유의성과 다중공선성을 고려하여 입력 변수를 선정하였고 머신러닝 예측 모델은 변수 중요도를 기반으로 입력 변수를 선정하였다. 학습용과 검증용 데이터를 8:2로 나누어 모델 간 예측 성능을 비교한 결과 XGBoost가 최적의 모델로 선정되었다. 본 연구에서 도출된 다중선형회귀모델과 XGBoost모델을 선행 연구와 예측 성능을 비교하여 타당성을 확인하였다.

TBM (Tunnel Boring Machine) method is gaining popularity in urban and underwater tunneling projects due to its ability to ensure excavation face stability and minimize environmental impact. Among the prominent models for predicting disc cutter life, the NTNU model uses the Cutter Life Index(CLI) as a key parameter, but the complexity of testing procedures and rarity of equipment make measurement challenging. In this study, CLI was predicted using multiple linear regression analysis and tree-based machine learning techniques, utilizing rock properties. Through literature review, a database including rock uniaxial compressive strength, Brazilian tensile strength, equivalent quartz content, and Cerchar abrasivity index was built, and derived variables were added. The multiple linear regression analysis selected input variables based on statistical significance and multicollinearity, while the machine learning prediction model chose variables based on their importance. Dividing the data into 80% for training and 20% for testing, a comparative analysis of the predictive performance was conducted, and XGBoost was identified as the optimal model. The validity of the multiple linear regression and XGBoost models derived in this study was confirmed by comparing their predictive performance with prior research.

하둡은 대용량 자료의 분산 저장 및 병렬 처리 작업을 지원하는 자바 기반 오픈 소스 소프트웨어 플랫폼이다. RHadoop은 R 프로그래밍 환경에서 하둡의 핵심 프로젝트인 HDFS와 맵리듀스에 접속할 수 있는 인터페이스를 제공하여 R 사용자들에게 대용량 자료 분석에 효율적인 분산 컴퓨팅 환경을 지원한다. 본고에서는 변수의 수에 비해 자료의 수가 훨씬 더 많은 대용량 자료에 QR분해를 사용하여 다중선형회귀모형을 추정하는데 사용할 수 있는 RHadoop 기반 맵리듀스 프로그래밍 모델을 제안한다. 본 연구에서 제안하는 알고리즘은 Benson, Gleich, Demmel(2013)이 제안한 DirectQR 방법을 활용하되 대용량 자료를 사용하여 반복 연산하는 과정 없이 맵리듀스 단일 과정을 통해 모형을 추정하며, 컴바인 단계를 통해 맵 단계의 중간 결과물을 취합하여 네트워크를 통해 리듀스 단계로 전송할 중간 결과물의 양을 축소시킨다. 본 연구에서 제안하는 알고리즘의 성능을 측정하기 위해 이전 연구를 통해 제안된 알고리즘과 비교 평가하는 모의실험을 수행한다. 실제 자료와 유사한 모의자료를 생성하기 위해 뉴욕 도시 택시·리무진 위원회에 보고되는 뉴욕 엘로우 택시 운행 자료를 활용하며, 변수 간의 상관관계 및 오차항에 대한 여러 가정 하에서 각 알고리즘의 모수 추정 속도와 정확도를 평가한다.

RHadoop enables R users to perform big data analytics under R programming environment by integrating R with Hadoop that supports distributed storing and parallel processing of large-scaled data. This article proposes a RHadoop-based MapReduce programming model for estimating multiple linear regression models utilizing QR factorization. Our proposed algorithm accommodates the most common type of big data that has a vast number of data points with only a few hundred variables. For QR factorization over massive-scaled data, our algorithm employs DirectQR method proposed by Benson, Gleich, Demmel(2013); however, it does not necessitate its iterative steps to estimate regression coefficients. Through a comparative simulation study, our algorithm is compared with a MapReduce-based algorithm proposed in the previous studies. For generating realistic synthetic data, we utilize NYC(New York City) yellow taxi trip data reported to NYC Taxi and Limousine Commission. In the simulation, we measure estimation time and accuracy of each algorithm under several assumptions with respect to the strength of association between independent variables and the noise level of error terms in the regression models.

Radio Frequency (RF) repeater is a wireless device which transmits signal from base transceiver station to mobile station. Local RF repeater is operating only in one frequency band, whereas international RF repeater is operating in several frequency bands. For this reason, quality inspection for international RF repeater is complex and its cost is also high compared with local RF repeater. To overcome this difficulty, we propose an algorithm for the quality inspection of the international RF repeater. The proposed method is based on multiple linear regression analysis and ensures the quality of the whole bands by using only few metrology data. We build prediction models for the whole bands of RF repeater by using proposed method. In this procedure, we suggest a linear programming model to resolve multicollinearity issues which are common in quality inspection for RF repeater. We ensure the utility of the proposed method through some case studies.

In the plastic extrusion process, product quality is influenced by work condition for temperature of cylinders and dies. The work conditions are various, so it is difficult to standardization of the work conditions. Therefore, the work conditions are depended on the workers of experience and skill. In the plastic extrusion process, it has five control heating points on the cylinder and three control heating points on the die. In addition, there is one control point on the extrusion process. It is extrusion speed. In this case, we don't know how these affect product quality. We structure the multiple linear regression equation with the temperature of cylinders and dies as independent variables and the product weight as dependent variable. We solve this equation using statistic computer package named Juse-Qcas.

본 연구에서는 SCM성과 지표 중에서도 회계 정보를 통해 계산이 가능한 현금화주기(cash-to-cash cycle time)와 재무성과와의 상관관계를 연구하였다. 구체적으로 다중회귀분석을 활용하여 현금화주기 및 이의 구성요소들인 재고일수, 매출채권 회수기간, 매입채무 변제기간과 재무성과를 나타내는전통적인 지표들인 총자산수익률(Return On Asset, ROA), 매출액영업이익률, 매출액순이익률과의관계를 분석하였다. 데이터는 국내 상장기업 중 제조업과 도소매업에 속한 기업들의 2000년~2008년회계정보를 활용하였으며, 다중회귀분석 모형은 해당 재무성과와 연관된 통제변수들을 적절히 활용하여 강건성을 높이고 모형의 신뢰성을 제고하였다. 먼저 세 가지 재무지표와 현금화주기 사이에 통계적으로 유의한 음의 상관관계를 확인하였다. 또한 구성요소들과 재무지표와의 관계는 총자산수익률의 경우 통상적으로 기대하는 상관관계인재고일수와 매출채권 회수기간의 경우 음의 관계, 매입채무 변제기간의 경우 양의 관계를 나타내었으며 이들은 모두 통계적으로 유의하게 나타났다. 매출액영업이익률, 매출액순이익률의 경우재고일수와의 관계를 제외하고는 통상적으로 기대되는 결과를 얻어내었다. 또한 식음료, 화학,전기전자, 자동차, 도소매 산업 등 5대 대표 산업을 선정하여 산업별 분석을 시도하였으며, 자동차산업을 제외하고는 대체로 전체 산업군과 동일한 결과를 얻어냈다. 본 연구는 해외 연구에서는 제시되었지만 국내기업을 대상으로 한 기존 연구들에서는 실증하지못했던 현금화주기와 재무성과의 관계를 상당히 명확히 실증하였다. 즉, 매출증가율 등 적절한통제변수로 사용한 강건성이 우수한 회귀모형과 여러 산업을 포괄하는 안정화된 많은 데이터를활용하여 통해 현금화주기와 재무성과 간의 관계를 보다 섬세하게 분석할 수 있었고, 이를 활용하여과거 국내 문헌들이 얻을 수 없었던 통계적으로 유의한 결과를 얻을 수 있었다.

This paper studies the relationship between cash-to-cash (C2C) cycle time, which can be obtained by using accounting data, and companies’ financial performance. Specifically,we use the multiple regression analysis to investigate the relationship between C2C cycle time including its components such as days of inventory, days sales outstanding, and days payable outstanding and financial performance metrics such as return on asset, operating profit rate, and net profit rate. Accounting data from 2000 to 2008 of manufacturing and wholesale/retail companies listed in Korea Exchange(KRX) are used for the analysis. In order to improve robustness of the model, we include several control variables which are known to be relevant to the financial performance metrics. The results indicate that there exists statistically significant negative relationship between the C2C cycle time and financial performance. Also, we found that there exist commonly known correlations between the components and ROA such as negative for days of inventory and days sales outstanding and positive for days payable outstanding. For the operating profit rate and net profit rate, we found similar results except for days of inventory. Further, we analyzed five different industries such as food and beverage,chemicals, electronics, automobile, and wholesale/retail and found the similar results except for the automobile industry. This study clearly shows the negative relationship between C2C time and companies’financial performance and this kind of result has not been found by previous studies in Korea. In other words, we could study the relationship better based on superiority of the statistically more robust regression model and the reliable dataset covering various industries, and this leads to more meaningful results which other previous could not achieve.

Recently, the engine calibration technique has been much more complicated than that of the past engine case in order to satisfy the strict emission regulations. The current calibration method for the diesel engine which has an increasing market is both costly and time-consuming. New engine calibration method is required to develop for high-quality diesel engines with low cost and release it at the appropriate time. This study provides the optimal calibrating technique for complex engine systems using statistical modeling and numerical optimization. Firstly, it design a test plan based on Design of Experiments, a V-optimality methodology which is suitable looking for set-points, and determine the shape of test engine response. Secondly, it uses functions to make linear regression model for data analysis and optimization to fit the models of engines behavior. Finally, it generates the optimal calibrations obtained directly from empirical engine models using Grey Relational Analysis and compares the calibrations with data. This method can develop a process for systematically identifying the optimal balance of engine emissions.

본 연구에서는 서울지역의 지상 미세먼지($PM_{2.5}$) 농도를 산출하기 위하여 경험적인 모델들을 개발하였다. 연구에 이용한 자료는 2012년 1월 1일부터 2013년 12월 31일까지이며 Terra와 Aqua위성의 MODIS센서에서 산출되는 에어로졸 광학두께, 옹스트롬 지수, 기상변수들과 행성경계층두께와 관련된 6개의 다중 선형 회귀모델들의 차이를 분석하였다. 그 결과 에어로졸 광학두께와 옹스트롬 지수, 상대습도, 풍속, 풍향, 행성경계층두께, 기온 자료를 입력 자료로 사용한 $M_6$모델이 가장 좋은 결과를 보였다. 통계적인 분석에 따르면 $M_6$ 모델을 사용하여 계산된 $PM_{2.5}$와 관측된 $PM_{2.5}$농도 사이의 결과는 상관계수(R=0.62)와 평균제곱근오차($RMSE=10.70{\mu}gm^{-3}$)이다. 또한 산출된 계절별 지표면 $PM_{2.5}$농도는 여름철(R=0.38)과 겨울철(R=0.56)보다 봄(R=0.66)과 가을철(R=0.75)에 상대적으로 더 좋은 상관 관계를 보였다. 이러한 결과는 에어로졸 광학두께의 계절별 관측 특성으로 인한 것으로써 다른 계절에 비하여 여름과 겨울철 에어로졸 광학두께 관측이 구름과 눈/얼음 표면에 의한 관측 제한과 오차를 가져온 것으로 분석되었다. 따라서 본 연구에서 사용한 경험적 다중선형회귀 모델은 위성에서 산출된 에어로졸 광학두께 자료가 지배적인 변수로 작용하며 $PM_{2.5}$산출 결과들을 향상시키기 위해서는 추가적인 기상 변수를 이용해야 할 것이다. 또한 경험적 다중선형회귀 모델을 이용하여 $PM_{2.5}$를 산출한 결과는 인공위성 자료로부터 대기환경 감시를 가능하게 하는 방법이 될 수 있어 유용할 것이다.

In this study, the empirical models were established to estimate the concentrations of surface-level $PM_{2.5}$ over Seoul, Korea from 1 January 2012 to 31 December 2013. We used six different multiple linear regression models with aerosol optical thickness (AOT), ${\AA}ngstr{\ddot{o}}m$ exponents (AE) data from Moderate Resolution Imaging Spectroradiometer (MODIS) aboard Terra and Aqua satellites, meteorological data, and planetary boundary layer depth (PBLD) data. The results showed that $M_6$ was the best empirical model and AOT, AE, relative humidity (RH), wind speed, wind direction, PBLD, and air temperature data were used as input data. Statistical analysis showed that the result between the observed $PM_{2.5}$ and the estimated $PM_{2.5}$ concentrations using $M_6$ model were correlations (R=0.62) and root square mean error ($RMSE=10.70{\mu}gm^{-3}$). In addition, our study show that the relation strongly depends on the seasons due to seasonal observation characteristics of AOT, with a relatively better correlation in spring (R=0.66) and autumntime (R=0.75) than summer and wintertime (R was about 0.38 and 0.56). These results were due to cloud contamination of summertime and the influence of snow/ice surface of wintertime, compared with those of other seasons. Therefore, the empirical multiple linear regression model used in this study showed that the AOT data retrieved from the satellite was important a dominant variable and we will need to use additional weather variables to improve the results of $PM_{2.5}$. Also, the result calculated for $PM_{2.5}$ using empirical multi linear regression model will be useful as a method to enable monitoring of atmospheric environment from satellite and ground meteorological data.

빈혈의 유병률은 매년 증가하고 있으나 이를 가벼운 질병으로 인식해 치료 시기를 놓치는 환자들이 존재한다. 빈혈의 발생원인으로 혈액 내 헤모글로빈 및 헤모글로빈 내 철 부족이 있으며, 헤모글로빈 측정기술의 경우 채혈 이외에 사람의 신체 및 건강 정보를 적용한 사례는 찾아보기 어렵다. 본 논문에서는 신체(키, 몸무게 및 허리둘레) 및 건강 정보(혈청지오티, 이완기 혈압 및 감마지티피 등)가 포함된 건강검진 빅데이터를 이용하여 단일 특징에 대해 선형회귀분석을 수행하고, 다중 특징에 대해 다중회귀분석을 수행하여 회귀분석 식을 산출, 산출된 회귀분석 식을 통해 헤모글로빈을 추정하여 실제 헤모글로빈값과 오차율을 계산하고 비교한다. 실험 결과, 선형회귀분석 식을 통해 헤모글로빈을 추정하였을 때 평균 8.124%의 오차율이 계산되었으며, 다중회귀분석의 경우 선형회귀분석보다 낮은 6.767%의 오차율이 계산되었다.