This study investigated the species composition and community structure of aquatic organisms captured using coastal beam trawling in Gomso Bay, Jeollabuk-do, from January to December 2022. Throughout the experimental period, a total of 20,246 individuals belonging to 94 marine species were captured, with a combined biomass of 602,828 g. Fish exhibited the highest abundance, comprising 56 species, followed by crustacea (21 species), bivalvia (8 species), cephalopoda (5 species), gastropoda (3 species), and holothuroidea (1 species). The dominant species was Leiognathus nuchalis, constituting 14.0% of the total individuals, followed by Portunus trituberculatus at 12.1%, Oratosquilla oratoria at 10.4%, Crangon hakodatei at 9.9%, and Metapenaeus joyneri at 7.9%. The diversity index ranged from 1.72 to 2.55, with the lowest diversity observed in March and the highest in July. Cluster analysis based on species composition of the 27 most common species showed that aquatic organisms were divided into three groups: spring and summer organisms (Group A) and summer organisms (Group B) and autumn and winter organisms (Group C).

PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

본 연구에서는 구조물의 재료, 구조물의 단면, 지진 하중등의 불확실성을 고려한 저형 전단벽의 최대 전단력를 예측하는 뉴 런-네트워크 모델을 개발하였다. 이를 위해 실험 데이터를 통해 검증된 박스타입 저형 전단벽 수치해석 모델을 구축하였고, 가정된 분 포를 통해 200개의 구조물의 재료, 단면변수를 라틴 하이퍼 큐브 샘플링을 통해 추출하였다. 또한 이전 연구에서 사용된 인공지진파를 데이터를 기반으로 10개의 다른 PGA 레벨별 총 200개의 인공지진파 데이터를 구축하였다. 뉴런-네트워크 모델의 Training 및 testing을 위해 200개의 데이터셋에 상응 수치해석 모델을 구축하고 최대 전단력을 산출하였다. 이렇게 구축된 데이터셋을 이용하여 최종적으로 뉴런-네트워크 모델을 확정하였다. 마지막으로 구축된 모델로부터 얻어진 취약도와 기존에 사용되는 방법들로부터 얻은 취약도를 비교, 분석하여 본 연구에서 구축된 모델의 정확도를 보여주었다.

이 연구에서는 경기교육종단연구 초등학교 4학년 패널의 7차년도, 9차년도 데이터를 사용하여 일반계 고등학생의 진로성숙도 잠재집단을 유형화하고, 각 잠재집단 간 전이 양상을 확인하며, 전이 양상에 영향 을 미치는 요인을 알아보고자 하였다. 연구 목적에 따라 잠재프로파일분석(Latent Profile Analysis: LPA) 을 실시하여 고등학교 1학년(7차년도), 3학년(9차년도) 시기 진로성숙도 잠재집단을 유형화하고, 잠재전 이분석(Latent Transition Analysis: LTA)을 통해 전이 패턴을 분석하였다. 추가로 로지스틱 회귀분석을 실시하여 전이패턴에 영향을 미치는 변인들을 분석하였다. 분석 결과 일반계 고등학생의 고1 시점(7차)에 서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로, 고3 시점(9차)에서 3개의 잠재 집단(높은 진로성숙, 중간 진로성숙, 낮은 진로성숙)으로 분류되었다. 두 시점의 잠재집단 간 전이확률 분 석 결과, 모든 잠재집단에서 절반가량의 학생들이 다른 잠재집단으로 전이하여 다양한 영향요인에 따른 진로성숙도 변화 가능성을 확인하였다. 집단 간 전이패턴은 전체 표본을 기준으로 􍾧중간 진로성숙􍾨 집단에 서 􍾧중간 진로성숙􍾨을 유지하는 경우가 31.1%로 가장 많았고, 다음으로 􍾧낮은 진로성숙􍾨 집단에서 􍾧낮은 진 로성숙􍾨을 유지하는 경우가 14.0% 순이었다. 전이 패턴을 􍾧상향􍾨, 􍾧유지􍾨, 􍾧하향􍾨으로 분석했을 때 유지 패턴 (57.5%)이 가장 많았았고 상향(22.5%) 패턴, 하향 패턴(20.0%) 순이었다. 학생의 개인적 특성, 진로활 동 도움 정도는 진로성숙도 잠재 집단 간 상향 및 하향 패턴에 영향을 미치는 것으로 나타났다. 이상의 연 구 결과를 토대로 일반계고 진로교육을 위한 결론 및 시사점을 제시하였다.