이 연구는 1세대 스마트 온실의 재배환경 데이터와 장미 절 화의 품질 특성 데이터를 수집하고 그 요인들 간의 상관 관계 를 분석하여 절화수명 예측 및 최적 환경 조성의 기초 자료를 얻고자 수행되었다. 이를 위해, 토경재배(SC) 및 암면배지경 양액재배(RWH) 하우스 각 1개소를 선정하여 1년간 기온, 상 대습도(RH) 및 수증기압차(VPD), 일적산광량(DLI), 근권온도 등의 환경 데이터와 매월 말 수확된 장미 ‘Miss Holland’ 절 화의 품질 특성 데이터를 수집하였으며, 이 데이터와 절화수 명과의 상관관계를 분석하였다. 절화수명은 10월과 11월을 제외하고는 SC 하우스에서 RWH 하우스보다 더 길었다. 절 화수명과 환경 및 생육 특성 간의 상관관계 분석에서 SC 하우 스의 상관계수는 RWH 하우스보다 조금 더 높았으며, 절화수 명 예측을 위한 요소들도 두 하우스 간에 차이가 있었다. SC 하우스의 절화수명 Y=0.848X1+0.366X2-0.591X3+2.224X4- 0.171X5+0.47X6+0.321X7+9.836X8-110.219(X1-X8: 최고 RH, RH 일교차, DLI, pH, Hunter’s b value, EC, 절화 장, 잎 두께; R2=0.544)로 예측되었고, RWH 하우스의 절화수명 Y=-1.291X1+52.026X2-0.094X3+0.448X4-3.84X5+0.624X6 - 8.528X7+28.45(X1-X7: 경경, 야간 VPD, 최고 근권온도, 최 저 근권온도, 기온 일교차, RH 일교차, 최고 VPD; R2=0.5243) 로 예측되었다. 이 두 모델식으로부터 SC 하우스에서는 RH, EC 및 pH가, 그리고 RWH 하우스에서는 근권 온도가 절화수명에 더 큰 영향을 미친다는 것을 추론할 수 있다. 따라서 각 재배 방법에 따라 장미의 절화수명에 더 큰 영향을 미치는 환경적 요인을 효율적으로 관리할 필요가 있다.

In this study, the thermal equilibrium of a motor operated in the sea and the temperature in the equilibrium were studied. To predict the equilibrium temperature in the sea, the cooling performance of the motor was studied by comparing results of analysis and experimental results in the air condition. By this study, the method of prediction of the cooling performance of a motor in various environments could be useful.

Conventional flipped learning instructional models are operated in a blended learning environment online and offline. In contrast, this study moved onto fully online systems and explored how a sense of presence worked for students’ learning outcomes at university English writing courses. The two research questions for this study are: 1) What is the relationship between a sense of presence (teaching, cognitive, social presence) and learning outcomes (group cohesion, class satisfaction)? and 2) What are the variables among a sense of presence that affect group cohesion and class satisfaction? For the purposes of this study, 46 university students from English composition courses answered student questionnaires in the spring of 2021. Correlation and multiple-regression analyses were conducted to look into the relationships among the variables. Additionally, focus-group interviews were conducted and teaching journals were analyzed. The major findings were revealed as follows: Firstly, a sense of presence was significantly related to group cohesion and satisfaction. Secondly, social presence and cognitive presence only had a predictive power of group cohesion. Thirdly, cognitive presence and teaching presence were significant predictors of class satisfaction. Pedagogical implications are discussed for those interested in applying flipped learning in a fully online setting.

Many manufacturers applying third party logistics (3PLs) have some challenges to increase their logistics efficiency. This study introduces an effort to estimate the weight of the delivery trucks provided by 3PL providers, which allows the manufacturer to package and load products in trailers in advance to reduce delivery time. The accuracy of the weigh estimation is more important due to the total weight regulation. This study uses not only the data from the company but also many general prediction variables such as weather, oil prices and population of destinations. In addition, operational statistics variables are developed to indicate the availabilities of the trucks in a specific weight category for each 3PL provider. The prediction model using XGBoost regressor and permutation feature importance method provides highly acceptable performance with MAPE of 2.785% and shows the effectiveness of the developed operational statistics variables.

Recently, traffic accidents have continued to occur due to the failure to secure a safe distance for trucks. Unlike passenger cars, freight cars have a large fluctuation in the weight of the vehicle's shaft depending on the load, and the fatality of accidents and the possibility of accidents are high. In this study, a braking distance prediction model according to the driving speed and loading weight of a three-axis truck was implemented to prevent a forward collision accident. Learning data was generated based on simulation, and a prediction model based on machine learning was implemented to finally verify accuracy. The extra trees algorithm was selected based on the most frequently used R2 Score among regression analyses, and the accuracy of the braking distance prediction model was 98.065% through 10 random scenarios.

본 연구에서는 단면설계 및 열 교환 장치 위치 변경을 통해 온실의 구조 변경을 진행하였으며, 선행연구를 통해 개발된 모델을 근간으로 하여 개선 여부에 따른 온실 내부 환경을 예측하였다. 단면형상과 열 교환 장치의 개선 후 유속 변화에 따른 시뮬레이션 분석을 진행하였으며, 이 때 온도와 균일도는 각각 평균 0.65°C, 0.75%p 상승함을 확인하였다. 해석대상 온실과 같은 소규모 온실의 경우 방열관의 난방성능 개선보다 FCU에 의해 형성되는 공기 유동이 균일한 환경 조성에 더 큰 영향을 미치는 것으로 판단된다. 개선 전 ‧ 후 온실에 환기시스템 적용 시 공기 유동 특성 분석을 위해 시뮬레이션 분석을 진행하였다. 공기 유동과 공기령은 유사한 분포를 보였으며, 개선 후 온실의 공기령이 개선 전 온실 대비 18초 낮게 나타났다. 개선 전 ‧ 후 온실 시뮬레이션 분석 결과 전체적으로 개선된 온실에서의 평균온도 및 온도 균일도 상승, 최대편차 감소 등 내부 환경의 균일성이 향상됨을 확인하였다. 선행연구로 개발 된 모델은 형상 변경, 열 교환 장치 위치 변경 등에 따라 변화하는 온실 내부 환경을 예측할 수 있음을 확인하였으며, 온실 설계, 온실 내 난방시스템 설계 등의 분야에 적용 가능할 것으로 판단된다.

This study presents the estimation of crack depth by analyzing temperatures extracted from thermal images and environmental parameters such as air temperature, air humidity, illumination. The statistics of all acquired features and the correlation coefficient among thermal images and environmental parameters are presented. The concrete crack depths were predicted by four different machine learning models: Multi-Layer Perceptron (MLP), Random Forest (RF), Gradient Boosting (GB), and AdaBoost (AB). The machine learning algorithms are validated by the coefficient of determination, accuracy, and Mean Absolute Percentage Error (MAPE). The AB model had a great performance among the four models due to the non-linearity of features and weak learner aggregation with weights on misclassified data. The maximum depth 11 of the base estimator in the AB model is efficient with high performance with 97.6% of accuracy and 0.07% of MAPE. Feature importances, permutation importance, and partial dependence are analyzed in the AB model. The results show that the marginal effect of air humidity, crack depth, and crack temperature in order is higher than that of the others.

This study was conducted to investigate the quality of kimchi cabbages stored under a pallet unit-controlled atmosphere (PUCA), containing 2% O2 and 5% CO2, and to develop quality prediction models for cabbages stored under such conditions. Summer and winter cabbage samples were divided into PUCA-exposed groups and atmospheric airexposed control groups (in a cold storage). The control summer cabbages lost up to 8.31% of their weight, whereas the PUCA-exposed summer cabbages lost only 1.23% of their weight. Additionally, PUCA storage effectively delayed the reduction in cabbage moisture content compared with the control storage. After storage for 60 and 120 days of the summer and winter samples, respectively, the reducing sugar contents were higher in the PUCA groups than in the control groups. The linear regression analysis-derived equations for predicting the storage period, weight loss, and moisture content in the control groups, as well as those for predicting the storage period and weight loss in the PUCA groups, were appropriate according to the adjusted coefficient of determination, root mean square error, accuracy factor, and bias factor values. Therefore, this PUCA system would be useful for improving the shelf life of the postharvest summer and winter cabbages used in the commercial kimchi industry.

Because the inner environment of greenhouse has a direct impact on crop production, many studies have been performed to develop technologies for controlling the environment in the greenhouse. However, it is difficult to apply the technology developed to all greenhouses because those studies were conducted through empirical experiments in specific greenhouses. It takes a lot of time and cost to develop the models that can be applicable to all greenhouse in real situation. Therefore studies are underway to solve this problem using computer-based simulation techniques. In this study, a model was developed to predict the inner environment of glass greenhouse using CFD simulation method. The developed model was validated using primary and secondary heating experiment and daytime greenhouse inner temperature data. As a result of comparing the measured and predicted value, the mean temperature and uniformity were 2.62°C and 2.92%p higher in the predicted value, respectively. R2 was 0.9628, confirming that the measured and the predicted values showed similar tendency. In the future, the model needs to improve by applying the shape of the greenhouse and the position of the inner heat exchanger for efficient thermal energy management of the greenhouse.

이 연구는 강원대학교 학술림 내의 산지계류를 대상으로 2년간(2017∼2018)의 현지 모니터링에 기초하여 수온과 강우, 유량 및 기온 등 환경인자간의 관계를 분석하고, 계절별 산지계류의 수온변화 예측기법에 대하여 검토하였다. 동절기를 제외한 봄, 여름 및 가을철로 구분하여 단계적 다중선형회귀분석을 실시하였으며, 계절별 산지계류의 수온변화에 미치는 환경인자의 영향을 분석하였다. 그 결과, 산지계류의 일평균 수온은 봄철 6.9∼17.7℃로 기온과 유의적 관계를 나타내었고, 여름철 12.2∼26.3℃로 기온, 유량과 유의적 관계를 나타냈으며, 가을철 3.6∼19.3℃로 기온 및 유량과 유의적 관계를 나타내는 등 계절별로 산지계류의 수온에 미치는 영향인자는 다르게 나타났다. 다중선형회귀식은 봄철 (0.553×기온)+(0.086×유량)+4.145(R2=0.505; p<0.01), 여름철 (0.756×기온)+(-0.072×유량)+2.670(R2=0.510; p<0.01), 가을철 (0.738×기온) +(0.028×강우)+2.660(R2=0.844; p<0.01)이었다. 도출된 모든 회귀식의 결정계수(R2)는 기온만으로 예측한 경우보다 높게 나타났고, 봄철에서 가을철로 갈수록 증가하였다. 향후 정밀도 높은 산지계류의 수온변화 예측을 위해서는 지속적인 현지 모니터링과 함께 시･공간적 데이터의 확보가 중요하다고 판단된다.

지속가능한 국토의 보전과 이용을 위해 데이터 기반의 과학적이고 객관적인 분석 결과를 기반으로 국토계획 및 환경계획의 수립이 필요하다. 그리고 과거와 현재의 데이터를 기반으로 미래를 예측하고 분석한 분석 결과는 다양한 분야의 환경정책에 활용할 수 있다. 특히 국토의 환경성을 5개 등급으로 평가하여 매년 평가 결과를 제공해주는 국토환경성평가지도는 2005년부터 구축되어왔기 때문에 국토의 환경성 평가와 관련하여 과거 현황을 기반으로 미래의 국토 변화를 예측하기 위한 분석에 있어 중요한 데이터라고 할 수 있다. 이러한 국토환경성평가지도는 7개 환경생태적 평가항목과 57개 법제적 평가항목을 이용하여 우리나라 전체를 대상으로 국토환경성 평가등급을 도출하게 되며, 1년에 2회씩 갱신하고 있지만 이러한 국토환경성평가지도는 현재 파일시스템으로 관리되고 있어 저장, 갱신, 일관성, 공동이용, 그리고 속도 등 관리 및 활용적 측면에서 제약이 있다. 이에 본 연구에서는 기존 파일시스템으로 관리되고 있는 국토환경성평가지도의 효율적 관리와 활용을 위해 데이터 모델을 설계하고, 공간 DBMS 기반의 데이터 저장과 관리 및 활용 방안을 제시했다. 그리고 활용 가능성을 검토하기 위해 쿼리를 적용해 분석에 이용할 정형데이터를 도출하고, 로지스틱 회귀분석을 이용하여 우리나라 전체를 대상으로 도시지역 확장을 예측했다. 이러한 공간 DBMS 기반의 데이터 저장, 관리, 활용의 서비스 제공은 지속적으로 구축 및 갱신되는 공간정보들을 효율적으로 관리할 수 있을 뿐만 아니라 국토 및 환경계획을 위한 정책적 활용을 포함한 다양한 분야에서에 활용할 수 있을 것이라 판단된다.

온도와 상대습도는 작물 재배에 있어서 중요한 요소로써, 수량과 품질의 증대를 위해서는 적절히 제어 되어야 한다. 그리고 정확한 환경 제어를 위해서는 환경이 어떻게 변화할지 예측할 필요가 있다. 본 연구의 목적은 현 시점의 환경 데이터를 이용한 다층 퍼셉트론(multilayer perceptrons, MLP)을 기반으로 미래 시점의 기온 및 상 대습도를 예측하는 것이다. MLP 학습에 필요한 데이터는 어윈 망고(Mangifera indica cv. Irwin)을 재배하는 8 연동 온실(1,032m2)에서 2016년 10월 1일부터 2018년 2 월 28일까지 10분 간격으로 수집되었다. MLP는 온실 내부 환경 데이터, 온실 외 기상 데이터, 온실 내 장치의 설정 및 작동 값을 사용하여 10~120분 후 기온 및 상대습도를 예측하기 위한 학습을 진행하였다. 사계절이 뚜렷한 우리나라의 계절에 따른 예측 정확도를 분석하기 위해서 테스트 데이터로 계절별로 3일간의 데이터를 사 용했다. MLP는 기온의 경우 은닉층이 4개, 노드 수가 128개일 때(R2 = 0.988), 상대습도는 은닉층 4개, 노드 수 64개에서 가장 높은 정확도를 보였다(R2 = 0.990). MLP 특성상 예측 시점이 멀어질수록 정확도는 감소하 였지만, 계절에 따른 환경 변화에 무관하게 기온과 상대 습도를 적절히 예측하였다. 그러나 온실 내 환경 제어 요소 중 분무 관수처럼 특이적인 데이터의 경우, 학습 데이터 수가 적기 때문에 예측 정확도가 낮았다. 본 연구에서는 MLP의 최적화를 통해서 기온 및 상대습도를 적절히 예측하였지만 실험에 사용된 온실에만 국한되었다. 따라서 보다 일반화를 위해서 다양한 장소의 온실 데이터 이용과 이에 따른 신경망 구조의 변형이 필요하다.

PURPOSES : Previously, airport concrete pavement was designed using only aircraft gear loading without consideration of environmental loading. In this study, a multiple-regression model was developed to predict maximum tensile stress of airport concrete pavement based on finite element analysis using both environmental and B777 aircraft gear loadings. METHODS: A finite element model of airport concrete pavement and B777 aircraft main gears were fabricated to perform finite element analysis. The geometric shape of the pavement, material properties of the layers, and the loading conditions were used as input parameters for the finite element model. The sensitivity of maximum tensile stress of a concrete slab according to the variation in each input parameter was investigated by setting the ranges of the input parameters and performing finite element analysis. Based on the sensitivity analysis results, influential factors affecting the maximum tensile stress were found to be used as independent variables of the multi regression model. The maximum tensile stresses predicted by both the multiple regression model and finite element model were compared to verify the validity of the model developed in this study. RESULTS: As a result of the finite element analysis, it was determined that the maximum tensile stress developed at the bottom of the slab edge where gear loading was applied in the case that environmental loading was small. In contrast, the maximum tensile stress developed at the top of the slab center situated between the main gears in the case that the environmental loading got larger. As a result of the sensitivity analysis and multiple regression analysis, a maximum tensile stress prediction model was developed. The independent variables used included the joint spacing, slab thickness, the equivalent linear temperature difference between the top and bottom of the slab, the maximum take-off weight of a B777 aircraft, and the composite modulus of the subgrade reaction. The model was validated by comparing the predicted maximum tensile stress to the result of the finite element analysis. CONCLUSIONS : The research shown in this paper can be utilized as a precedent study for airport concrete pavement design using environmental and aircraft gear loadings simultaneously.

본 연구는 최근 국내에서 발생한 산사태를 중심으로 수량화이론을 이용하여 산림환경인자가 발생면적에 미치는 영향 분석을 통해 예방적인 측면에서 산사태 발생 위험성에 대한 예측기준을 작성하였다. 산사태 재해로 발생면적에 영향을 미치는 각 인자의 기여도는 토심(0.3350)로서 가장 높았으며, 다음으로 임상(0.1741), 표고(0.1416), 사면위치(0.1266), 종단사면(0.1236), 모암(0.1146), 경사(0.1133), 방위(0.1084)으로 높게 나타났다. 산사태 발생 위험 기여도가 높은 8개 인자의 category별 상대점수 범위는 0점에서 1.2372점 사이에 분포하고 있었고 중앙값은 0.6186점이었다. 이 점수를 기준으로 산사태 발생 위험성을 4개 등급으로 구분한 예측 판정표를 작성하였다. Ⅰ등급의 점수는 0.9280 이상, Ⅱ등급은 0.6187∼0.9279, Ⅲ등급은 0.3094∼0.6186, IV등급은 0.3093 이하로 나타나 Ⅰ등급, Ⅱ등급, Ⅲ등급에서 산사태 발생 비율이 97.4%로서 비교적 높은 적중률을 보였다. 따라서 본 판정표는 산사태발생 위험도 판정에 유용하게 활용할 수 있을 것으로 판단된다.

본 연구는 사과 ‘후지’의 과실 횡경 예측 모델을 개발 하고 검증하고자, 수원지역에서 2000년부터 2014년까지의 연차간 과실 생장과 기상을 포함한 환경요인들을 분석하였다. 2000년부터 2014년까지의 평균 만개일은 4월 28일이었고, 만개 후 수확일까지의 성숙일수는 평균 181 일이었다. 만개 후 약 36일 이후부터의 과실 생장은 단일 S자 곡선이었으며, 과실 횡경에 영향을 미치는 환경 요인들은 BIO2, 9월강수량, 4월 최고·최저·평균기온, 8월 최저기온, 그리고 4월의 생육도일이었다. 그 중에서, 서로 간의 요인이 교차 상관관계를 나태내지 않는 BIO2와 9월 강수량을 각각 다른 요인들과 조합하여 모델을 만들었다. 선발된 모델 중에서 AICc가 92.61이며 보정된 R2 값이 0.53으로 가장 적합도가 높았던 모델을 선택하였으 며 그 최종 모델식은 19.33095+(5.76242×BIO2)-(0.01891×9월강수량)+(2.63046×4월최저온도)이었다. 이 모델을 2000 년부터 2014년까지의 실측치와 비교하였는데, 사과 ‘후지’과실 횡경의 실측치와 예측치의 평균차이는 ±2.9mm, 표준편차는 3.54였다.

Weight loss that influences quality and farmer incomes is affected by the storage environment of agricultural products. The interior of storage should be maintained at high humidity to prevent the weight loss of products which contain a lot of moisture. The research had constantly proceeded with change in the heat exchanger surface areas, humidity systems, and weight loss forecast to maintain high humidity within storage. Relative humidity that exerts an effect weight loss of crop is influenced by storage temperature, leak state, and volume of product. When weight loss is predicted, different conditions of these factors are derived. In case of CA storage, ways of forecasting the weight loss become easier compared to cold storage due to sealed storage with external environment during storage period. In this study, apples were stored in purge-type CA storage and weight loss has been predicted by using operating characteristics and environmental conditions. As a result, humidity variation in the storage fluctuates with the operation of the unit-cooler. Furthermore, unit-cooler operation factor is influenced by outside temperature and respiration heat. Prediction value of weight loss according to temperature and humidity has been most accurately predicted. Prediction value through defrosting water measured shows unit-cooler work quality. K-value needs verification to calculate the VPD method.