흉골 자기공명영상 검사 시 호흡 등 환자 움직임에 의한 인공물 발생을 최소화하는 것은 어렵다. 하지만 자기공명영 상 검사는 타 영상 검사와 비교해 흉골 병변을 발견하는 데 있어 진단적 가치가 높은 장점이 있다. 따라서 본 연구에 서는 환자의 검사 자세 및 딥러닝 기법을 통해 최적의 검사 방법을 도출하고자 한다. 자세 별 영상 변화를 확인하기 위해 바로 누운 자세, 엎드린 자세, 유방 코일을 사용한 엎드린 자세로 진행하였으며, 고식적 기법의 영상과 Deep Resolve Boost(DRB) 기법을 적용한 영상을 비교 관찰하였다. 모든 대상에게 같은 조건으로 각 영상을 2회씩 획득 한 후 전반적인 영상 품질을 기준으로 정성적으로 평가하였고, DRB의 적용 여부에 따른 신호 대 잡음비의 변화 정도를 정량적으로 평가하여 개선 정도를 산출하였다. 정성적 평가에서 DRB 적용 여부와 무관하게 엎드린 자세, 유방 코일을 사용한 엎드린 자세, 바로 누운 자세 순으로 높은 점수를 얻었으며, DRB를 적용한 영상이 고식적 기법 의 영상보다 높은 점수를 얻었다. 또한 정량적 평가를 통해 유방 코일을 사용한 엎드린 자세, 엎드린 자세, 바로 누운 자세 순으로 높은 개선 정도를 확인하였다. 본 연구를 통해 흉골 검사 시 DRB 기법을 적용하는 것은 영상의 질을 높이는 방법임을 확인하였다. DRB를 적용하지 못하는 환경에서는 될 수 있으면 엎드린 자세를 적용하는 것을 권고하며, DRB를 적용할 수 있는 환경에서는 환자 측 인자를 고려하여 엎드린 자세와 유방 코일을 사용한 엎드린 자세를 모두 적용할 수 있다.

In the present numerical research, develop a high-efficiency fan model to improve the performance of the cooling fan, which accounts for a lot of weight in the efficiency of the cooling tower. For this purpose, analyze the shape of the existing cooling fan model and use CFD. The main variable set in the analysis of the cooling fan model is the pitch angle, and the range of the pitch angle was investigated in the range of 0° to 20°. The purpose of this research is to select the optimum driving condition by using CFD for setting the pitch angle that depends on the existing experience. The research results showed the best results when the pitch angle range was 15°~18°.

A sediment control dam is an artificial structure built to prolong sedimentation in the main dam by reducing the inflow of suspended solids. These dams can affect changes in dissolved organic matter (DOM) in the water body by changing the river flow regime. The main DOM component for Yeongju Dam sediment control of the Naeseongcheon River was analyzed through 3D excitation-emission matrix (EEM) and parallel factor (PARAFAC) analyses. As a result, four humic-like components (C1~C3, C5), and three proteins, tryptophan-like components (C2, C6~C7) were detected. Among DOM components, humic-like components (autochthonous: C1, allochthonous: C2~C3) were found to be dominant during the sampling period. The total amount of DOM components and the composition ratio of each component did not show a difference for each depth according to the amount of available light (100%, 12%, and 1%). Throughout the study period, the allochthonous organic matter was continuously decomposing and converting into autochthonous organic matter; the DOM indices (fluorescence index, humification index, and freshness index) indicated the dominance of autochthonous organic matter in the river. Considering the relative abundance of cyanobacteria and that the number of bacteria cells and rotifers increased as autochthonous organic matter increased, it was suggested that the algal bloom and consequent activation of the microbial food web was affected by the composition of DOM in the water body. Research on DOM characteristics is important not only for water quality management but also for understanding the cycling of matter through microbial food web activity.

This study deals with the design of the marine antenna stabilization for an efficient 6 Degrees of Freedom(DOF) motion of a ship. Marine antenna must have abilities to target center and at the same time to stabilize the antenna dish in order to maintain its orientation toward the communication center. In order to achieve such requirements, structure stability and dynamics analysis to role to set up the simulation model. Prototype model designed and implemented into the DMU(Digital Mock Up) and MBD(Multi Body Dynamics) analysis method. Those simulation method has been carried out to stabilize the antenna under the ship motion. Simulation results show that the verification of structural stability better performance for marine antenna

해운 시황을 예측하는 것은 중요한 문제이다. 투자 방식의 결정, 선대 편성 방법, 운임 등을 결정하기 위한 판단 근거가 되며 이는 기업의 이익과 생존에 큰 영향을 미치기 때문이다. 이를 위해 본 연구에서는 기계학습 모델인 장단기 메모리 및 간소화된 장단기 메모리 구조의 Gated Recurrent Units를 활용하여 컨테이너선의 해상운임 예측 모델을 제안한다. 운임 예측 대상은 중국 컨테이너 운임지수 (CCFI)이며, 2003년 3월부터 2020년 5월까지의 CCFI 데이터를 학습에 사용하였다. 각 모델에 따라 2020년 6월 이후의 CCFI를 예측한 후 실 제 CCFI와 비교, 분석하였다. 실험 모델은 하이퍼 파라메터의 설정에 따라 총 6개의 모델을 설계하였다. 또한 전통적인 분석 방법과의 성 능을 비교하기 위해 ARIMA 모델도 실험에 추가하였다. 최적 모델은 두 가지 방법에 따라 선정하였다. 첫 번째 방법으로 각 모델을 10회 반복 실험하여 얻은 RMSE의 평균값이 가장 작은 모델을 선정하는 것이다. 두 번째 방법으로는 모든 실험에서 가장 낮은 RMSE를 기록한 모델을 선정하는 것이다. 실험 결과 전통적 시계열 예측모델인 ARIMA 모델과 비교하여 딥러닝 모델의 정확도를 입증하였으며, 정확한 예측모델을 통해 운임 변동의 위험관리 능력을 제고시키는데 기여했다. 반면 코로나19와 같은 외부 효과에 따른 운임의 급격한 변화상황이 발생한 경우, 예측모델의 정확도가 감소하는 한계점을 나타냈다. 제안된 모델 중 GRU1 모델이 두 가지 평가 방법 모두에서 가장 낮은 RMSE(69.55, 49.35)를 기록하며 최적 모델로 선정되었다.

본 연구에서는 2020년 6월에서 9월까지 4개월 동안 우리나라 하천 중 금강 백제보에 주로 서식하는 말조개, 펄조개와 대칭이를 채집하여 서식처 특성을 살펴보았고, 이들의 여과율을 실내 실험을 통하여 측정하여 검량선을 산출하였다. 백제보에서 채집된 말조개, 펄조개, 대칭이는 24시간 동안 평균 154.84 μg L-1의 Chl-a를 제거하였으며, 이는 실내 수조 (2 L) 내의 식물플랑크톤 C. vulgaris (초기 Chl-a=168.34 μg L-1)를 약 24시간 만에 제거할 수 있는 것으로 나타났다. 따라서, 본 연구에서 사용한 말조개, 펄조개, 대칭이가 연평균 4 만 마리가 서식할 경우 (Lee et al., 2020), 6월 한달 동안 예상되는 Chl-a의 저감 효과는 10.55%으로 예측되고 7월의 경우 34.88%, 8월의 경우 20.14%, 9월의 경우 46.21%로 평균 27.94%의 저감 효과를 예상할 수 있다. 이러한 결과는 간접적으로 이매패류가 서식지에서 효과적으로 Chl-a를 제거 할 수 있을 가능성을 제시한다. 실제로 이매패류를 통하여 수생태계의 조류 제어능력을 평가하기 위해서는 이매패류뿐만 아니라 식물플랑크톤, 수생식물, 저서생물, 퇴적물, 유속 등의 작용들을 종합적으로 고려해야 하지만 본 연구에서는 이매패류의 여과율과 이에 따른 Chl-a에 저감율에 기반하여 수생 태계 조류 제어능력을 산정하였다. 본 연구 결과들은 차후 다양한 요인과 관점에서의 통합된 연구에 기초적인 정보를 제공할 것으로 사료된다.

본 연구의 목적은 Neural Network Regression 모델을 활용하여 선박의 가치평가 모델을 개발하는 것이다. 가치평가의 대상은 중고 VLCC선이며, 선행연구를 통해 선박의 가치 변화를 유발하는 주요 요인들을 선별하여 변수를 설정하고, 2000년 1월부터 2020년 8 월까지의 해당 데이터를 확보하였다. 변수의 안정성을 판단하기 위해 다중 공선성 검사를 수행하여 최종적으로 6개의 독립변수와 1개의 종속변수를 선정하고 연구 구조를 설계하였다. 이를 바탕으로 Linear Regression, Neural Network Regression, Random Forest Algorithm을 활용하여 총 9개의 시뮬레이션 모델을 설계하였다. 또한 각 모델간의 비교검증을 통해 평가결과의 정확성을 제고시켰다. 평가 결과, VLCC실제값과의 비교를 통해 2층으로 구성된 Hidden Layer의 Neural Network Regression 모델이 가장 정확도가 높은 것으로 나타났다. 본 연구의 시사점은 첫째, 기존 정형화된 평가기법에서 벗어나 기계학습기반 모델을 선박가치평가에 적용하였다는 점이다. 둘째, 해운시 장 변화요인을 동태적 관점에서 분석하고 예측함으로써 연구결과의 객관성을 제고시켰다고 할 수 있다.

This study deals with the design of the Stewart platform for an efficient 6 Degrees of Freedom (DOF) motion of a ship. The general methods of study of the Stewart platform – forward and inverse kinematics – are complex in nature, and are only applicable in limited and specific cases. In order to study the reduction of design time of the Stewart platform, the (please write the full form) DMU module supported by 3D CAD is used. The results show that the DMU module can easily identify the Stewart platform's clash and movements. In addition, it was also possible to calculate motor control data necessary for the prototype manufacturing process. Comparing the Upper plate angle displacement error of the prototype and the DMU results, the error range was found to be 1.5%.