본 연구는 전주시에 위치한 기린봉, 완산칠봉, 황방산 등 3개의 산지형 근린공원을 대상으로 이용행태, 이용권의 인구 통계학적 특성, 근린공원까지의 도달거리를 사용하여 유효이용수요를 예측한 것이다. 조사대상 3개 근린공원의 이용자는 주로 40대~60대 이상이었으며, 이용방법은 주로 도보로 근린공원에 도달하였다. 방문횟수는 주간 1~2회 정도로 나타났다. 조사대상 근린공원의 유효 이용권을 1,000m로 설정하여 변형 중력모델에 의해 이용수요를 예측한 결과 기린봉 근린공원은 4,500명/일, 완산칠봉 근린공원은 3,159명/일, 황방산 근린공원은 2,961명/일이었다. 전체 유효 이용수요는 기린봉 근린공원이 가장 많이 나타났으나, 면적대비 유효이용수요는 완산칠봉 근린공원이 가장 높게 나타났다.

Global warming has a major impact on the Earth’s precipitation and temperature fluctuations, and significantly affects the habitats and biodiversity of many species. Although the number of alien plants newly introduced in South Korea has recently increased due to the increasing frequency of international exchanges and climate change, studies on how climate change affects the distribution of these alien plants are lacking. This study predicts changes in the distribution of suitable habitats according to RCPs climate change scenarios using the current distribution of the invasive alien plant Conyza sumatrensis and bioclimatic variables. C. sumatrensis has a limited distribution in the southern part of South Korea. Isothermality (bio03), the max temperature of the warmest month (bio05), and the mean temperature of the driest quarter (bio09) were found to influence the distribution of C. sumatrensis. In the future, the suitable habitat for C. sumatrensis is projected to increase under RCP 4.5 and RCP 8.5 climate change scenarios. Changes in the distribution of alien plants can have a significant impact on the survival of native plants and cause ecosystem disturbance. Therefore, studies on changing distribution of invasive species according to climate change scenarios can provide useful information required to plan conservation strategies and restoration plans for various ecosystems.

Most of the predictions using machine learning are neutral predictions considering the symmetrical situation where the predicted value is not smaller or larger than the actual value. However, in some situations, asymmetric prediction such as over-prediction or under-prediction may be better than neutral prediction, and it can induce better judgment by providing various predictions to decision makers. A method called Asymmetric Twin Support Vector Regression (ATSVR) using TSVR(Twin Support Vector Regression), which has a fast calculation time, was proposed by controlling the asymmetry of the upper and lower widths of the ε-tube and the asymmetry of the penalty with two parameters. In addition, by applying the existing GSVQR and the proposed ATSVR, prediction using the prediction propensities of over-prediction, under-prediction, and neutral prediction was performed. When two parameters were used for both GSVQR and ATSVR, it was possible to predict according to the prediction propensity, and ATSVR was found to be more than twice as fast in terms of calculation time. On the other hand, in terms of accuracy, there was no significant difference between ATSVR and GSVQR, but it was found that GSVQR reflected the prediction propensity better than ATSVR when checking the figures. The accuracy of under-prediction or over-prediction was lower than that of neutral prediction. It seems that using both parameters rather than using one of the two parameters (p_1,p_2) increases the change in the prediction tendency. However, depending on the situation, it may be better to use only one of the two parameters.

오늘날 게임 산업은 지속적으로 성장하고 있는 추세이다. 이런 배경에서 게임 이용자들은 다양한 게임 장르를 경험하고 있으며, 또한 게임 내의 승률을 높이기 위한 다양한 활동에 많은 관심을 가지고 있다. 게임 이용자 들은 자신이 즐기는 게임 캐릭터들의 승률 및 픽률과 같은 다양한 정보들을 인터넷 검색을 통해 수집하고 있 으며, 그에 따라 자신이 즐기는 게임 플레이어의 밸런스에 관해서 많은 관심을 나타내고 있다. 본 연구자는 밸런스 관련 다양한 연구를 탐색하는 과정에서 게임 속의 밸런스를 맞추는 기준이 있다면, 또한 그 기준에 대 한 예측이 가능하다면 그 기준을 중심으로 이용자들의 다양한 밸런스 패치 활용 및 게임 전략 수립에 도움이 될 수 있을 것으로 판단하였다. 본 연구에서는 플레이어들의 밸런스 패치가 중요하게 인식되고 있는 MOBA 장르 게임을 중심으로 밸런스 패치 예측 기준을 수립하는 데 초점을 맞추었다. 특별히 밸런스 패치를 진행할 때 캐릭터들의 특성 및 개발자의 패치 코멘트, 그리고 승률 및 픽률 변화에 따른 이후 패치 로드맵까지 고려 할 수 있는 체계를 제시한 점에서 큰 의의가 있다고 볼 수 있다. 이를 통해 개발자는 플레이어들의 밸런스를 더 쉽게 맞출 수 있도록 유도하고, 플레이어는 밸런스 패치를 예측하여 더욱 효율성 있는 게임 전략을 실행할 수 있도록 유도하여 MOBA 장르 게임의 이해관계자 모두에게 도움이 되는 정보를 전달할 것이다.

친환경 에너지원 개발에 관한 관심이 증가하면서, 해상풍력발전기 시장은 매년 높은 증가율을 보이면서 성장하고 있다. 이와 맞물려 대용량 해상풍력발전기를 설치할 수 있는 설치선의 수요 또한 급증하고 있다. 풍력발전기 설치 선박(Wind Turbine Installation Vessel)은 설치 및 해체를 위하여 레그(Leg)와 스퍼드캔(Spudcan)을 해저면에 관입시켜서 고정하며, 이때 스퍼드캔 구조 강도 안전성에 대 한 검토는 전체 시스템과 연관된 중요한 문제이다. 본 연구에서는 현재 선급에서 제시하고 있는 절차서를 분석하고, 실제 발생할 수 있는 하중 시나리오를 반영한 새로운 절차서를 제안하였으며, 유한요소해석을 통한 검증을 하였다. 기존 방식은 해저면의 기울기와 레그에 발 생하는 휨모멘트 그리고 형상에 따른 영향을 검토하지 않기 때문에, 허용응력보다 작은 최대 응력 값을 보이지만, 신규 절차에 따른 결과 는 대부분 구조보강이 발생하였다. 이러한 현상은 해상풍력발전기의 크기가 커지면 커질수록 차이가 크게 나타나며, 실제 관입(Pre-load) 조건을 고려하면 상당수의 부재에서 구조적 문제가 발생할 가능성이 있다. 따라서 본 연구에서는 더욱 실제적인 작업조건을 고려한 절차 서를 제안하였고, 적용 시 문제점들에 대해서 구조해석을 통한 검증을 수행하였다.

본 연구는 양계사내에서 작업자의 위치를 예측하기 위해 BLE 비콘을 이용한 위치 서비스 시스템을 제안한다. 애플리케이션을 개발하여 스마트 단말기로 비콘의 데이터를 수집하고, 수집한 데이터를 기반으로 핑거프린트 알고리즘을 이용한 스코어맵을 생성하였다. 작업자의 위치 예측은 스코어맵과 양계사내에서 실시간으로 수집한 데이터를 유사도 알고리즘을 이용하여 예측하였다. 실험대상 양계사에서 작업자 위치를 예측한 결과 일반 데이터는 위치 예측 시 많은 오차와 낮은 정확도를 보이고, 일반데이터에 필터링을 적용한 알고리즘을 적용 시 위치 예측 정확도가 개선됨을 알 수 있다. 따라서 양계사내에서 BLE 비콘을 이용한 위치기반 서비스 제공이 가능함을 확인하였고, 스코어맵 기반 위치 예측 시스템만 적용했을 때 위치예측 결과보다 필터를 적용한 결과가 더 나은 결과를 보였다. 본 연구는 양계사내에서 BLE 비콘을 이용한 위치 예측이 강점을 가질 수 있는 것으로 보인다.

본 연구에는 가뭄의 유발 요인으로 강수량, 기온, 상대습도 등의 기상현상을 활용하고 가뭄 피해로 인한 대응 요소로서 대체수원, 제한급수, 운반급수 등의 비상급수를 적용하여 AI기반 가뭄 대응 정보 구축 방안을 구성하였다. AI 머신 러닝 기법 중 널리 사용되는 의사결정나무 모형을 통하여 예측 기법을 수립하였다. 연구 대상 지역은 비상급수 활용 빈도가 높고 종관기상관측소가 존재하는 충주시, 안동시, 의성군을 선정하였다. 자료 기간은 2014년부터 2019년까지의 자료를 이용하였으며, 가뭄 유발 기상요인으로 ASOS의 강수량 및 기온, 습도를 이용하고 가뭄 피해 요소로 국가 가뭄정보 포털의 비상급수 현황 자료를 활용하였다. 모형 학습 결과 정확도가 약 0.97, F1-Score가 약 0.5로 나왔으며, 이는 비상급수가 필요한 상황과 그렇지 않은 상황을 97%의 확률로 예측할 수 있음을 의미하며, 비상급수가 필요했던 표본만을 대상으로 했을 경우 약 50%의 확률로 예측이 가능한 것을 의미한다. 따라서 의사결정나무 모형을 적용하여 예측 정확도를 분석한 결과 가뭄 대응 비상급수 준비지역 예측을 위한 적용성이 높은 것으로 평가되었다. 그러나 본 연구에서는 기상 조건만을 가뭄 유발 요인으로 반영하였기 때문에, 공급수량 부족 등의 요인을 추가적으로 검토할 필요가 있으므로 가뭄과 연관된 요소인 저수지 용량 등을 추가하고 비상급수 이외의 피해 요소 역시 확장하여 연구를 개선하고자 한다.

Strawberry is a stand-out cultivating fruit in Korea. The optimum production of strawberry is highly dependent on growing environment. Smart farm technology, and automatic monitoring and control system maintain a favorable environment for strawberry growth in greenhouses, as well as play an important role to improve production. Moreover, physiological parameters of strawberry plant and it is surrounding environment may allow to give an idea on production of strawberry. Therefore, this study intends to build a machine learning model to predict strawberry’s yield, cultivated in greenhouse. The environmental parameter like as temperature, humidity and CO2 and physiological parameters such as length of leaves, number of flowers and fruits and chlorophyll content of ‘Seolhyang’ (widely growing strawberry cultivar in Korea) were collected from three strawberry greenhouses located in Sacheon of Gyeongsangnam-do during the period of 2019-2020. A predictive model, Lasso regression was designed and validated through 5-fold cross-validation. The current study found that performance of the Lasso regression model is good to predict the number of flowers and fruits, when the MAPE value are 0.511 and 0.488, respectively during the model validation. Overall, the present study demonstrates that using AI based regression model may be convenient for farms and agricultural companies to predict yield of crops with fewer input attributes.

정부는 공유수면 매립사업의 계획적인 관리를 위해, 10년 주기의 공유수면 매립기본계획을 수립하고 있다. 그러나 수시변경을 통한 매립사업을 추진하는 경우가 상당한 비중을 차지하고 있는 것으로 나타났다. 이에 기본계획의 실효성에 대한 의문이 제기되고 있으 며, 이를 보완하기 위한 장기 매립 수요 추세 분석에 대한 필요성이 증가하고 있다. 이에 본 연구에서는 그간의 연간 매립 실적 자료를 활용하여 매립 수요 추세 분석을 수행하였다. 분석 결과, 국내 공유수면 매립 수요는 지속적으로 하락하는 추세인 것으로 나타났으며, 특 히 매립기본계획 체제로 전환된 1990년대 이후에는 그 추세가 뚜렷하게 나타나고 있는 것으로 나타났다. 또한 2021-2030년까지 총 매립 수요는 최대 13.8 km2에서 최소 1.7 km2 수준으로 산정되었다.

Odor is a type of sensory pollution that can stimulate the human sense of smell when it occurs, causing discomfort and making it difficult to create a pleasant environment. For this reason, there is a high possibility of complaints regarding odors if odors occur in pigsties near residential properties, and the number of such complaints is also increasing. In addition, odors emanating from pigsties around military installations can cause physical and psychological harm, not only to the soldiers living in these type of facilities but also to the families belonging to military personnel living there as well. Because the concentration of odors varies due to diverse factors such as temperature, humidity, wind direction, wind speed, and interaction between causative materials, predicting odors based on only one factor is not proper or appropriate. Therefore, in this work, we sought to construct models that are based on several regression techniques of machine learning using data collected in field. And we selected and utilized the model that has the highest-accuracy in order to notify and warn residents of odors in advance. In this work, 3672 data items were used to train and test the model. The several machine learning algorithms to build the models are polynomial regression, ridge regression, K-nearest neighbor regression (KNN Regression), and random forest. Comparing the performance of models based on each algorithm, the study found that KNN Regression was the most suitable model, and the result obtained from KNN regression was significant.

부공력감쇠는 풍직각방향의 와류공진을 예측하는데 있어서 매우 중요한 요소이다. 부공력감쇠는 진동유발하중 또는 피드백 하중을 구성하는 주요인자로 와류진동이 급격히 발현되는 현상을 설명하는 도구이기도 하다. 본 연구에서는 공력감쇠의 수학적 모델 을 제시하고 와류유발하중모델과 함께 와류진동을 예측하는 프러세스를 제안한다. 직사각형단면에 대한 공기력진동실험을 수행하여, 계측된 가속도로부터 공력감쇠와 와류유발하중을 추정하고 이에 기반하여 공력감쇠모델과 와류유발하중모델을 구축하는 과정을 다룬 다. 최종적으로 공력감쇠모델과 와류유발하중 모델에 대한 재해석을 통하여 가속도응답을 구하고 계측된 가속도와 비교하여 모델의 진동예측성능을 평가한다. 본 연구에서 제안된 와류하중모델의 진동예측성능을 평가한 결과 안정적이며, 신뢰도가 높은 와류진동예측 이 가능함을 알 수 있었다.

본 연구는 머신러닝 기법을 토대로 15개 환경 변수를 활용하여 소나무재선충병의 위험지역 분포를 예측하였다. 연구는 최대 엔트로피 모델을 머신러닝 기법으로 활용하였고, 연구 지역은 경주이며 연구 기간은 2018∼2020년이다. 모델의 평가에는 AUC(area under the curve)를 이용하였다. 연구 지역에서 소나무재선충병의 감염목 핵심 분포 지역은 2018년 대비 2019년과 2020년에 각각 2.5배와 4.7배 확대되었다. 소나무재선충병의 감염목 분포 추정 모델의 AUC는 모든 해에 최소 0.86 이상이었다. 모델에서 가장 중요한 변수는 직전 해의 감염목 근접도 이었다. 지형과 도로와의 인접성, 목조건물 인접성, 5월 평균 기온도 중요한 변수이었다. 인간 활동과 매개충의 생장 환경이 소나무재선충병의 공간적 분포에 중요한 역할을 한다는 것을 의미한다. 나아가 연구의 결과는 감염목 분포 정보의 지속적인 구축과 공유가 소나무재선충병 예방을 위한 정책과 연구에 중요하다는 것을 시사한다.

In this study, the machine learning which has been widely used in prediction algorithms recently was used. the research point was the CD(chudong) point which was a representative point of Daecheong Lake. Chlorophyll-a(Chl-a) concentration was used as a target variable for algae prediction. to predict the Chl-a concentration, a data set of water quality and quantity factors was consisted. we performed algorithms about random forest and gradient boosting with Python. to perform the algorithms, at first the correlation analysis between Chl-a and water quality and quantity data was studied. we extracted ten factors of high importance for water quality and quantity data. as a result of the algorithm performance index, the gradient boosting showed that RMSE was 2.72 mg/m³ and MSE was 7.40 mg/m³ and R² was 0.66. as a result of the residual analysis, the analysis result of gradient boosting was excellent. as a result of the algorithm execution, the gradient boosting algorithm was excellent. the gradient boosting algorithm was also excellent with 2.44 mg/m³ of RMSE in the machine learning hyperparameter adjustment result.

The effect of the process conditions of high-velocity oxygen fuel (HVOF) thermal spray coating on the porosity of the coating layer is investigated. HVOF coating layers are formed by depositing amorphous FeMoCrBC powder. Oxygen pressure varies from 126 to 146 psi and kerosene pressure from 110 to 130 psi. The Microstructural analysis confirms its porosity. Data analysis is performed using experimental data. The oxygen pressure-kerosene pressure ratio is found to be a key contributor to the porosity. An empirical model is proposed using linear regression analysis. The proposed model is then validated using additional test data. We confirm that the oxygen pressure-kerosene pressure ratio exponentially increases porosity. We present a porosity prediction model relationship for the oxygen pressure-kerosene pressure ratio.

Due to the global climate change, Korean peninsula is has been experiencing flooding and drought severely. It is hard difficult to manage water resources sustainably, because due to intensive precipitation in short periods and severe drought has increased in Korea. Reused water from the wastewater treatment plant (WWTP) could be a sustainable and an alternative water source near the urban areas. In order to understand the patterns of water reuse in Korea, annual water reuses data according to the times and regional governments were investigated from 2008 to 2019. The reused water from WWTP in Korea has been mainly used for river maintenance flow and industrial use, while agricultural use of water reuse has decreased with time. Metropolitan cities in Korea such as Seoul, Busan, Daegu, Ulsan, and Incheon have been mainly used reused reusing water for river maintenance flow. Industrial water reuse has been limitedly applied recently for the planned industrial districts in Pohang, Gumi, Paju, and Asan. By using the collected annual water reuse data from the domestic sewerage statistics of sewerage, the optimistic and pessimistic future estimations of for future annual water reuse were suggested from 2020 to 2040 on a five year interval for every five years.

Algal bloom is an ongoing issue in the management of freshwater systems for drinking water supply, and the chlorophyll-a concentration is commonly used to represent the status of algal bloom. Thus, the prediction of chlorophyll-a concentration is essential for the proper management of water quality. However, the chlorophyll-a concentration is affected by various water quality and environmental factors, so the prediction of its concentration is not an easy task. In recent years, many advanced machine learning algorithms have increasingly been used for the development of surrogate models to prediction the chlorophyll-a concentration in freshwater systems such as rivers or reservoirs. This study used a light gradient boosting machine(LightGBM), a gradient boosting decision tree algorithm, to develop an ensemble machine learning model to predict chlorophyll-a concentration. The field water quality data observed at Daecheong Lake, obtained from the real-time water information system in Korea, were used for the development of the model. The data include temperature, pH, electric conductivity, dissolved oxygen, total organic carbon, total nitrogen, total phosphorus, and chlorophyll-a. First, a LightGBM model was developed to predict the chlorophyll-a concentration by using the other seven items as independent input variables. Second, the time-lagged values of all the input variables were added as input variables to understand the effect of time lag of input variables on model performance. The time lag (i) ranges from 1 to 50 days. The model performance was evaluated using three indices, root mean squared error-observation standard deviation ration (RSR), Nash-Sutcliffe coefficient of efficiency (NSE) and mean absolute error (MAE). The model showed the best performance by adding a dataset with a one-day time lag (i=1) where RSR, NSE, and MAE were 0.359, 0.871 and 1.510, respectively. The improvement of model performance was observed when a dataset with a time lag up of about 15 days (i=15) was added.

교정시설의 과밀화 수용, 개별교정처우, 출소 후 재범예방 등을 위해서 수형자 분류 지표에 대한 논의는 지난 10여 년간 꾸준히 논의되어 온 주제이다. 현 교정본부에서는 교정재범예측지표를 활용하여 수형자의 가석방심사를 비롯하여 개벌적인 교정처우와 프로그램참여 등을 수행하고 있다. 수형자 분류는 수용시설에서 범죄성에 대한 억제와 재사회화를 위한 프로그램 설계 및 운영하는데 있어서 가장 중요한 도입단계라 볼 수 있다. 수형자의 재범억제와 성공적인 재사회화를 위해서 수형자 분류와 관련된 지표를 활용하고자 한다면, 이 지표에 대한 과학적 근거를 바탕으로 한 효과성 및 타당성 등의 평가가 뒷받침 되어야 한다. 우선 이 연구에서는 수형자 분류 지표에 대한 효과성을 검증하기 앞서 탐색적 연구를 수행하고자 하였다. 현재 국내 수형자 재범위험성 평가 도구를 파악하고, 내용 및 각 요인들을 살펴보았다. 다음으로 국내외 수형자 또는 범죄자의 위험성 등을 분류할 수 있는 평가도구를 자세히 살펴보았다. 마지막으로 개별처우, 수형자 분류 등의 중요성이 강조되어야 하는지를 뒷받침 할 수 있는 국내외 선행연 구를 검토하였다. 이 연구를 통해 현재 국내에서 수행되고 있는 수형자 분류와 관련된 지표를 살펴보고, 분산된 관련 자료들을 정리하여 추후 실증연구를 진행할 수 있는 근거자료로 활용하고자 하였다.

본 연구는 우리나라 소나무림을 대상으로 지위지수를 기반으로 한 잠재수확량을 예측하여 직관적인 임분 생산력 지표를 제시하고자 하였다. 분석 자료는 2016~2019년에 실시한 제7차 국가산림자원조사(National Forest Inventory: NFI)와 2016~2017년에 실시한 전국 소나무 실태조사 (Korea forest service, 2016; Korea forest service, 2017)를 통해 획득된 총 1,610 표본점 조사자료를 이용하였다. 지위지수 분류곡선과 임분밀도관 리도를 이용하여 각 표본점의 지위 추정 및 기준임령 60년에 대한 생장예측을 실시하여 수확이 예상되는 평균 흉고직경과 임분재적을 추정하였다. 분석 결과, 예측된 재적 수확량은 전체 표본점 중 80.9%가 150~300m3 ha-1의 재적 수확이 가능한 것으로 분석되었고, 300m3 ha-1이상의 재적을 수확할 수 있는 표본점은 223개소(13.9%)에 불과하였다. 수확이 예상되는 평균 흉고직경 예측값은 평균 흉고직경 30cm 이상의 목재를 수확할 수 있는 표본점은 전체 20.9%에 불과하였고, 절반 이상인 55.4%가 20~30cm급의 목재 수확이 가능한 것으로 확인되어 현실림의 생장 특성을 반영한 시업체계의 개선이 필요할 것으로 판단되었다. 또한 현장에서 지위지수에 따라 잠재수확량을 가늠할 수 있도록 지위지수별 잠재수확량 표를 작성하여 제공하였다. 본 연구의 결과는 앞으로 조림적지 평가 및 조림지 경영계획 수립에 활용성이 높을 것으로 사료된다.