PURPOSES : This study develops a model that can estimate travel speed of each movement flow using deep-learning-based probe vehicles at urban intersections. METHODS : Current technologies cannot determine average travel speeds for all vehicles passing through a specific real-world area under obseravation. A virtual simulation environment was established to collect information on all vehicles. A model estimate turning speeds was developed by deep learning using probe vehicles sampled during information processing time. The speed estimation model was divided into straight and left-turn models, developed as fully-offset, non-offset, and integrated models. RESULTS : For fully-offset models, speed estimation for both straight and left-turn models achieved MAPE within 10%. For non-offset models, straight models using data drawn from four or more probe vehicles achieved a MAPE of less than 15%. The MAPE for left turns was approximately 20%. CONCLUSIONS : Using probe-vehicle data(PVD), a deep learning model was developed to estimate speeds each movement flow. This, confirmed the viability of real-time signal control information processing using a small number of probe vehicles.

신뢰성 있는 토양의 이산요소모델을 개발하기 위해서는 토양의 특성을 고려하여 매개변수를 교정해야 한다. 본 연구에서는 이산요소모델을 구성하는 각 매개변수가 토양 입자의 거동에 미치는 영향을 분석하였고, 분석된 결과를 이용하여 토양의 이산요소모델을 개발하였다. 민감도 분석의 대상이 되는 매개변수는 전단 계수, 마찰 계수, 표면 에너지 등으로 선정하였으며, 교정의 기준이 되는 토양의 특성은 가비중, 안식각, 점착력 및 내부마찰각으로 선정하였다. 또한, 토성이 서로 다른 해안가, 논 및 밭을 구성하는 토양을 대상으로 연구를 수행하여 다양한 토성에 대한 적용성을 확인하였다. 결과적으로 본 연구에서 수행한 민감도 분석 결과를 이용하여 각 토양의 거동을 모사할 수 있는 이산요소모델을 교정하였으며, 시험 결과와의 비교를 통해 교정된 이산요소모델을 검증하였다.

빠르게 발전하는 이미지 인식 기술에도 불구하고 표 형식의 문서와 수기로 작성된 문서를 완벽하게 디지털화하기에는 아직 어려움이 따른다. 본 연구는 표 형식의 수기 문서인 선박 항해일지를 작성하는 데에 사용되는 규칙을 이용하여 보정 작업을 수행함으로 써 OCR 결과물의 정확도를 향상시키고자 한다. 이를 통해 OCR 프로그램을 통하여 추출된 항해일지 데이터의 정확성과 신뢰성을 높일 것 으로 기대된다. 본 연구는 목포해양대학교 실습선 새누리호의 2023년에 항해한 57일간의 항해일지 데이터를 대상으로 OCR 프로그램 인 식 후 발생한 오류를 보정하여 그 정확도를 개선하고자 하였다. 이 모델은 항해일지 기재 시 고려되는 몇 가지 규칙을 활용하여 오류를 식별한 후, 식별된 오류를 보정하는 방식으로 구성하였다. 모델을 활용하여 오류를 보정 후, 그 효과를 평가하고자 보정 전과 후의 데이터 를 항차별로 구분한 후, 같은 항차의 같은 변수끼리 비교하였다. 본 모델을 활용하여 실제 셀 오류율은 약 11.8% 중 약 10.6%의 오류를 식 별하였고, 123개의 오류 중 56개를 개선하였다. 본 연구는 항해일지 중 항해정보를 기입하는 Dist.Run부터 Stand Course까지의 정보만을 대 상으로 수행하였다는 한계점이 있으므로, 추후 항해정보 뿐만 아니라 기상정보 등 항해일지의 더 많은 정보를 보정하기 위한 연구를 진 행할 예정이다.

This study deals with the application of an artificial neural network (ANN) model to predict power consumption for utilizing seawater source heat pumps of recirculating aquaculture system. An integrated dynamic simulation model was constructed using the TRNSYS program to obtain input and output data for the ANN model to predict the power consumption of the recirculating aquaculture system with a heat pump system. Data obtained from the TRNSYS program were analyzed using linear regression, and converted into optimal data necessary for the ANN model through normalization. To optimize the ANN-based power consumption prediction model, the hyper parameters of ANN were determined using the Bayesian optimization. ANN simulation results showed that ANN models with optimized hyper parameters exhibited acceptably high predictive accuracy conforming to ASHRAE standards.

현대 해양 산업은 기술적 발전을 통해 신속한 발전을 이루고 있다. 이러한 발전을 주도하는 주요 기술 중 하나는 데이터 처리 기술이며, 이 중 자연어 처리 기법은 사람의 언어를 기계가 이해하고 처리할 수 있도록 하는 기술이다. 본 연구는 자연어 처리 기법을 통해 해양안전심판원의 재결서를 분석하여 이미 재결이 이루어진 선박 충돌사고의 원인 제공 비율을 학습한 후, 새로운 재결서를 입력 하면 원인 제공 비율을 예측하는 모델을 개발하고자 하였다. 이 모델은 사고 당시 적용되는 항법과 원인 제공 비율에 영향을 주는 핵심 키워드의 가중치를 이용하여 사고의 원인 제공 비율을 계산하는 방식으로 구성하였다. 이 연구는 이러한 방식을 통해 제작한 모델의 정 확도를 분석하고, 모델의 실무 적용 가능성을 검토함과 동시에 충돌사고 재발 방지 및 해양사고 당사자들의 분쟁 해결에 기여할 것으로 기대한다.

본 연구의 목적은 알츠하이머질환(Alzheimer’s disease: AD) 동물 모델을 대상으로 트레드밀 운 동(Treadmill exercise: TE)과 환경강화(environmental enrichment: EE) 처치가 인지기능, 근 기능, 및 밀 착연접 단백질 발현에 미치는 영향을 확인하는데 있다. AD 동물 모델을 제작하기 위해 aluminum chloride(AlCl3)를 90일간(40mg/kg/하루) 투여 하였으며 동시에 TE(10-12m/min, 40-60min/day) 혹은 EE에 노출시켰다. 그 결과 AlCl3 투여에 의한 인지기능 저하와 근 기능 감소가 TE와 EE에 의해 완화된 것 으로 나타났다. 또한, TE와 EE는 AD 질환에서 나타나는 β-amyloid(Aβ), alpha-synuclein 및 tumor necrosis factor-α(TNF-α) 단백질의 발현 증가를 감소시킨 것으로 나타났다. 게다가 TE와 EE는 AlCl3 투여에 의해 감소된 밀착연접 단백질(Occludin, Claudin-5 및 ZO-1)의 발현을 통계적으로 유의하게 증가시킨 것으로 나타났다. 마지막으로 Aβ 단백질과 밀착연접 단백질과의 상관분석을 실시한 결과 부적 상 관관계(Occludin: r=-0.853, p=0.001; Claudin-5 : r=-0.352, p=0.915; ZO-1 : r=-0.424, p=0.0390) 로 나타났다. 따라서 이를 종합해 보면 TE 혹은 EE 처치는 AD에 나타나는 병리학적 특징들을 일부 완화 시켜 인지기능과 근 기능을 일부 개선 시킬 수 있는 효과적인 운동 방법이라고 생각된다.

In order to present a predictive drift model, Jeju National University's training ship was tested for about 11 hours and 40 minutes, and 81 samples that selected one of the entire samples at ten-minute intervals were subjected to regression analysis after verifying outliers and influence points. In the outlier and influence point analysis, although there is a part where the wind direction exceeds 1 in the DFBETAS (difference in Betas) value, the CV (cumulative variable) value is 6%, close to 1. Therefore, it was judged that there would be no problem in conducting multiple regression analyses on samples. The standard regression coefficient showed how much current and wind affect the dependent variable. It showed that current speed and direction were the most important variables for drift speed and direction, with values of 47.1% and 58.1%, respectively. The analysis showed that the statistical values indicated the fit of the model at the significance level of 0.05 for multiple regression analysis. The multiple correlation coefficients indicating the degree of influence on the dependent variable were 83.2% and 89.0%, respectively. The determination of coefficients were 69.3% and 79.3%, and the adjusted determination of coefficients were 67.6% and 78.3%, respectively. In this study, a more quantitative prediction model will be presented because it is performed after identifying outliers and influence points of sample data before multiple regression analysis. Therefore, many studies will be active in the future by combining them.

PURPOSES : To enhance the accuracy of predicting the compressive strength of practical concrete mixtures, this study aimed to develop a machine learning model by utilizing the most commonly employed curing age, specifically, the 28-day curing period. The training dataset consisted of concrete mixture sample data at this curing age, along with samples subjected to a total load not exceeding 2,350 kg. The objective was to train a machine learning model to create a more practical predictive model suitable for real-world applications. METHODS : Three machine learning models—random forest, gradient boosting, and AdaBoost—were selected. Subsequently, the prepared dataset was used to train the selected models. Model 1 was trained using concrete sample data from the 28th curing day, followed by a comprehensive analysis of the results. For Model 2, training was conducted using data from the 28th day of curing, focusing specifically on instances where the total load was 2,350 kg or less. The results were systematically analyzed to determine the most suitable machine learning model for predicting the compressive strength of concrete. RESULTS : The machine learning model trained on concrete sample data from the 28th day of curing with a total weight of 2,350 kg or less exhibited higher accuracy than the model trained on weight-unrestricted data from the 28th day of curing. The models were evaluated in terms of accuracy, with the gradient boosting, AdaBoost, and random forest models demonstrating high accuracy, in that order. CONCLUSIONS : Machine learning models trained using concrete mix data based on practical and real-world scenarios demonstrated a higher accuracy than models trained on impractical concrete mix data. This case illustrates the significance of not only the quantity but also the quality of the data during the machine learning training process. Excluding outliers from the data appears to result in better accuracy for machine learning models. This underscores the importance of using high-quality and practical mixed concrete data for reliable and accurate model training.

PURPOSES : In this study, an optimal model for compressive strength prediction was derived by learning and directly comparing several machine learning models based on the same data. METHODS : Approximately 478 pieces of concrete compressive strength data were obtained to compare the performance of the machine learning models. In addition, five machine learning models were trained based on the obtained data. The performance of the learned model was compared using three performance indicators. Finally, the performance of the model trained using additional data was reviewed. RESULTS : As a result of comparing the performance of machine learning models, the XGB(eXtra Gradient Boost) model showed the best performance. In addition, as a result of the verification based on additional data, highly reliable results can be obtained if the XGB model is used to predict the compressive strength of concrete. CONCLUSIONS : If a concrete strength prediction model is derived based on a machine learning model, a highly reliable model can be derived.

본 논문에서는 시간 의존적 거동을 고려하기 위한 크리프 거동 해석과 비탄성 해석법을 통해 기존의 설계기준 보다 정확하고 전 시 간 단계에서의 CFT 기둥의 해석을 가능하게 하는 수치 해석 모델을 제안하고, 기존의 CFT 기둥에 수행된 실험 결과와 비교하였다. 그 결과 본 논문에서 제안된 수치 해석 모델의 결과가 기존의 설계 기준의 결과보다 정확한 추세를 나타낸다는 것을 파악 할 수 있었다. 검증 이후 세장비에 따른 수치 해석을 수행하여 전반적인 CFT 기둥 부재의 단기 및 장기 지속 하중 거동에 대한 극한 하중의 정도를 확인하였다.

PURPOSES : In this study, the applicability of the water content, suction, and suction stress in a resilient modulus prediction model for a subbase was reviewed. METHODS : To compare the applicability of water content, suction, and suction stress models for resilient modulus prediction, the suction stress was determined based on the soil water characteristic curve. The model parameters for each approach were derived from the measured resilient moduli. Finally, the relationships between the degree of saturation and resilient modulus were analyzed using the calculated model parameters. RESULTS : Prediction models of the resilient modulus based on water content and suction demonstrated high correlation with measured values, but overestimated the resilient modulus at saturation levels beyond the laboratory testing range. In contrast, the model accounting for suction stress effectively reduced this overestimation, likely owing to a decrease in suction stress as the suction increased. CONCLUSIONS : Based on the above results, the resilient modulus of subbase materials could be estimated through the change in the degree of saturation and the stress-dependent resilient modulus model using the suction stress proposed in this study.

일반적으로 적합직교분해(proper orthogonal decomposition, POD) 기반의 침습적(intrusive) 차수축소모델(reduced order model, ROM)을 활용하면 구조 시스템의 전체 자유도를 크게 줄이고 외연적 시간 적분법에서 해의 안정성을 만족하는 임계 시간 간격을 증가 시킬 수 있다. 따라서 본 연구에서는 POD-ROM을 활용하여 Voronoi-cell 격자 요소로 이산화된 구조 시스템의 축소와 이에 따른 외연 적 시간 적분법의 임계 시간 간격 및 해석 정확도 변화를 살펴보았다. 또한 지진하중과 같은 불규칙한 하중 이력을 받는 구조물 응답 해석에 POD-ROM을 적용하였다. 해석 결과 ROM을 통해 해의 정확도를 충분히 확보하면서 연산 시간을 크게 단축할 수 있음을 확인 하였다. 또한 POD-ROM과 VCLM의 연계 방안의 적절성을 확인하였다. 향후 해당 연구는 고정밀 대용량 동적 구조해석의 실용성을 높이고, 설계 변수에 따른 구조물 동적 거동의 실시간 예측을 위한 기반 연구로 활용될 수 있다.

PURPOSES : In this study, an empirical approach was established to estimate the parameters of the resilient modulus based on various geotechnical properties of subgrade soils. METHODS : Multiple regression analyses were performed to analyze the relationship between resilient modulus (k1) and deformation. The most important factors are the #200 sieve passing ratio, moisture content, and dry unit weight of the soil. The applicability of this approach was verified using selected field data and the literature. RESULTS : The correlation between the results predicted using the prediction equation of the model constant (k1) and the actual k1-value was high. The applicability of the prediction equation was considered high owing to its high suitability with the existing data. The range of values obtained using the constant prediction equation of the proposed model was also judged to be reasonable. In the comparison of the CBR value of the subgrade material of the actual design section and the predicted elastic modulus (k1), almost no relationship was observed between the CBR and the model coefficient (k1). Thus, the estimation of the elastic modulus through CBR is likely to contain errors. CONCLUSIONS : Based on these results, the parameters of the universal model can be predicted using the stress-dependent modulus model proposed in this study.

Occurrence of process environment changes, such as influent load variances and process condition changes, can reduce treatment efficiency, increasing effluent water quality. In order to prevent exceeding effluent standards, it is necessary to manage effluent water quality based on process operation data including influent and process condition before exceeding occur. Accordingly, the development of the effluent water quality prediction system and the application of technology to wastewater treatment processes are getting attention. Therefore, in this study, through the multi-channel measuring instruments in the bio-reactor and smart multi-item water quality sensors (location in bio-reactor influent/effluent) were installed in The Seonam water recycling center #2 treatment plant series 3, it was collected water quality data centering around COD, T-N. Using the collected data, the artificial intelligence-based effluent quality prediction model was developed, and relative errors were compared with effluent TMS measurement data. Through relative error comparison, the applicability of the artificial intelligence-based effluent water quality prediction model in wastewater treatment process was reviewed.

본 논문에서는 확률론적 처리기법을 적용하여 플랜트 시설물의 폭발 재현주기에 따른 폭발 위험도를 분석하였다. HSE에서 제공하 는 누출 데이터, DNV에서 제시한 플랜트당 연간 누출 빈도, 다양한 연구진이 제시한 점화 확률을 고려하여 누출량에 따른 폭발 재현 주기를 산정하였다. 산정된 폭발 재현주기를 통해 폭발 위험도를 증기운의 부피 및 반경, 폭발하중에 대하여 평가하였다. 재현주기에 따른 증기운의 반경과 과거 실제 증기운 폭발 사례, 내폭설계 가이드라인을 비교 분석하여 설계폭발하중 모델을 위한 기준거리를 제 시하였다. 멀티에너지법을 통하여 폭발 재현주기에 따른 폭발하중의 범위를 분석하였으며, 설계폭발하중 모델의 기준이 되는 재현주 기를 제안하였다. 본 연구의 결과로 플랜트 시설물에 대한 성능기반 내폭설계의 간략한 표준안으로 활용이 가능하다.

이 연구에서는 Inception V3, SqueezeNet(local), VGG-16, Painters 및 DeepLoc의 다섯 가지 인공지능(AI) 모 델을 사용하여 차나무 잎의 병해를 분류하였다. 여덟 가지 이미지 카테고리를 사용하였는데, healthy, algal leaf spot, anthracnose, bird’s eye spot, brown blight, gray blight, red leaf spot, and white spot였다. 이 연구에서 사용한 소프트웨 어는 데이터 시각적 프로그래밍을 위한 파이썬 라이브러리로 작동하는 Orange3였다. 이는 데이터를 시각적으로 조작하여 분석하기 위한 워크플로를 생성하는 인터페이스를 통해 작동되었다. 각 AI 모델의 정확도로 최적의 AI 모 델을 선택하였다. 모든 모델은 Adam 최적화, ReLU 활성화 함수, 은닉 레이어에 100개의 뉴런, 신경망의 최대 반복 횟수가 200회, 그리고 0.0001 정규화를 사용하여 훈련되었다. Orange3 기능을 확장하기 위해 새로운 이미지 분석 Add-on을 설치하였다. 훈련 모델에서는 이미지 가져오기(import image), 이미지 임베딩(image embedding), 신경망 (neural network), 테스트 및 점수(test and score), 혼동 행렬(confusion matrix) 위젯이 사용되었으며, 예측에는 이미 지 가져오기(import image), 이미지 임베딩(image embedding), 예측(prediction) 및 이미지 뷰어(image viewer) 위젯 이 사용되었다. 다섯 AI 모델[Inception V3, SqueezeNet(로컬), VGG-16, Painters 및 DeepLoc]의 신경망 정밀도는 각 각 0.807, 0.901, 0.780, 0.800 및 0.771이었다. 결론적으로 SqueezeNet(local) 모델이 차나무 잎 이미지를 사용하여 차 병해 탐색을 위한 최적 AI 모델로 선택되었으며, 정확도와 혼동 행렬을 통해 뛰어난 성능을 보였다.

본 연구는 선교사의 심리적 탈진 예방을 위한 새로운 접근 방식인 ‘자기성찰 디브리핑(Debriefing) 모델’의 제안에 초점을 두었다. 기존 의 디브리핑 모델의 외상 경험 이후의 정서 안정화에 초점을 둔 것과 달리 문제 상황 이전에 적응적 대처 전략을 세울 수 있는 예방 모델이다. 선교사의 과거 경험과 현재의 갈등 상황 간 상호 연관성을 강조하며 “미해결 정서”를 인지 및 감각적으로 이해하고 부적응적인 스키마와 대처 전략에 대한 교육을 통해 심리적 탈진을 예방하고 인지적인 변화를 촉진하는 것에 중점을 두고 있다. 이 모델은 기존 디브리핑 모델의 장점을 토대로 심리도식치료와 신경언어프로그래밍(NLP) 이론을 접 목하여 7개의 단계로 구성되었다. 각 단계는 안전지대 형성 단계, 현재 갈등 상황 파악 단계, 과거 미해결 정서 파악 단계, 해석과 통찰 단계, 교육과 인지전략 단계, 긍정적 자원 강화 단계, 그리고 전망 단계로 구성되며, 각각의 단계에서 활용 가능한 접근 방식을 제시한다. 본 연구는 선교사의 심리적 탈진 예방과 이 분야의 디브리핑 실천을 발전시키는 데 기여할 수 있다.

이 글은 한국어 학습을 위한 웹 기반 한자 사전 모델을 제시하기 위한 것이다. 중국 문화권 학습자를 대상으로 한 이 연구에서는 웹 기반 한자 사전의 필요성을 확인하고 기존 사전의 한자 단어 학습의 문제점 을 분석하였다. 한자 단어 학습 시 한자 원어 형태소 인식이 중요하다고 보고 이를 반영한 별도의 팝오버 (popover) 창을 개발하였다. 한자 사전의 미시구조에는 항목, 단어 유형, 발음, 한-베트남어 단어(있는 경우), 한자의 어원, 한-베 소리(voice)가 포함되며, 이밖에 베트남어 어원에 대한 설명, 한자의 원래 형태소 와 관련된 한-베 단어, 번역, 설명, 예시 등이 포함되어야 함을 밝혔다. 그런 다음, 한자어 형태소와 한자- 베트남어의 발음을 포함하는 어원 틀, 베트남어 및 한자어의 한자 형태소 의미를 포함한 웹 사전을 구성하 고 그 활용 방안을 보여주었다. 본 연구는 한자어 형태소와 관련된 베트남 단어에 대한 정보를 추가하고, 프로그래밍 기술, 데이터베이스 업데이트 과정, 300개 규모의 한자 사전 모델을 제시한 기초연구로써 이후 한국어 학습자를 위한 웹 한자 사전 구축에 보탬이 되고자 한다.

Sucralose는 식품 분야에서 sucrose 대체물로 사용되며 세계적으로 승인된 무열량 고강도 인 공 감미료이다. 하지만 감미료가 뇌에 미치는 영향에 대한 조사는 미비하여 본 연구에서 scopolamine으 로 유발된 기억력 손상 동물모델에서 sucralose 단기 섭취가 인지 및 기억 보호 효과를 가지는지 확인하 였다. Sucralose 2, 5, 10 mg/kg를 경구투여하였으며 30분 후 대조군, 약물군에 scopolamine (1mg/kg) 복강투여를 진행하였고 정상군에는 식염수로 복강투여 후 행동실험을 수행하였다. 결과적으로 Y-maze, passive avoidance, Morris water maze에서 대조군과 비교해 10% 이상의 인지기능이 회복되는 결과를 도출하였다. 또한, 전염증성 사이토카인을 측정한 결과 sucralose가 IL-6와 TNF-α를 30% 이상 억제 하는 것을 보였으며 세포 내 신호 메커니즘으로 ERK-CREB의 발현량을 관찰한 결과 농도 의존적으로 증가하였다. 따라서 sucralose는 건망증 환자의 예방과 치료를 위한 기능성 식품과 관련이 있다고 시사 된다.

본 글의 목적은 민주시민교육과 통일교육이 서로 충돌하지 않는 조화 로운 관계모델을 정립하기 위하여 이론적인 차원에서 민주시민교육과 통 일교육의 관계유형을 논의하고, 바람직한 유형을 <민주시민교육-통일교 육 상호보완형 모델>로 설정하여 이것에 대한 적절한 경험적 사례로 서 독 연방정치교육원의 정치교육 사례를 분석하여 이것이 우리에게 주는 시사점을 찾는 데 있다. <민주시민교육-통일교육 상호보완형 모델>이 강 조하는 내용은 다음과 같다. 우선 통일교육과 통일정책을 구분한 상태에 서 민주시민교육의 내용은 자유공화주의적 규범에 근거한 아시아 지역정 체성을 형성하는 ‘지역통합’을 강조하는 게 필요하다. 그리고 통일교육의 내용은 통일의 필요성을 강조하는 교육보다는 바람직한 통일의 방법론과 평화적 교류협력 같은 정책을 소개하는 교육이 필요하다.