대한민국 기상청에서 사용하고 있는 UM (Unified Model, UM) 모델의 국지예측시스템(Local Data Assimilation and Prediction System, LDAPS)은 수치모델 모의 시 대기경계층 유형에 따라 물리과정을 다르게 계산하기 때문에 이 과정을 검증하는 것은 모델의 정확도 향상에 중요하다. 따라서, 본 연구에서는 수치모델의 대기경계층 유형을 관측자료 를 기반으로 검증하였다. 관측자료를 기반으로 대기경계층 유형을 분류하기 위해서 보성 표준기상관측소에서 수행한 여름철 집중관측자료(라디오존데, 플럭스관측장비, 도플러 라이다, 운고계)를 활용하였으며, 2019년 6월 18일 부터 8월 17일 까지 61일 동안에 총 201회의 관측자료를 분석하였다. 또한 관측자료와 수치모델 결과가 다른 경우를 보면, 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 2유형으로 분류되는 사례가 수치모델에서는 1유형으로 분류된 사례가 53회로 가장 많이 나타났다. 그 다음으로는 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 5유형과 6유형 으로 분류되는 사례가 수치모델에서는 3유형으로 분류된 사례가 많이 나타났다(각각 24회, 15회). 관측결과와 수치모델 모의 결과가 일치하지 않은 사례는 모두 층적운 접합 여부 및 적운 모의 등 수치모델의 구름물리 부분의 모의 성능에 기인하여 발생한 것이라고 분석된다. 따라서, 대기경계층 유형 분류의 구름물리과정의 모의 정확도를 개선하면 수치모델 성능이 향상 될 것으로 판단된다.

In recent years, there has been an increase in the morbidity of gastritis in Korea due to lifestyle factors mostly changes in eating habits and stress. Gastritis is more likely to progress to gastric cancer, and therefore it is important to prevent and manage gastritis through lifestyle adjustment and treatment at an early stage. In this study, cabbage, which was found to be effective in gastritis, was mixed and fermented with other crucifer plants such as kale and broccoli to evaluate the overall efficacy of fermented brassica puree on alcoholic acute gastritis. Based on our results, fermented brassica puree alleviated gastric injury induced by 150 mM HCl/60% ethanol. In addition, it was confirmed that PGE2, a gastric mucosal protective factor, was increased, and other positive effects such as an increase of MUC1 and regulation of PKC were observed. The results of this study suggest that fermented brassica puree can relieve acute alcoholic gastritis by regulating PGE and the expression of MUC1, a gene related to mucus secretion, and activating PKC, which is related to mucosal cell activity.

지난 수십 년간 발생한 강진으로 인해 철근의 내부 구속력이 부족한 철근 콘크리트(RC) 기둥에 수많은 심각한 피해가 발생하였다. 다양한 보수공법 중 형상기억합금(SMA)을 이용한 능동구속 기법은 지진에 취약한 RC기둥의 휨 연성을 높이는 데 유의미한 결과를 보였다. SMA로 구속된 RC기둥의 동적거동에 관한 연구는 선행 연구자들에 의해 실험적으로 수행되었지만 구조적인 모델 개발은 거의 수행되지 않았다. 따라서 본 연구에서는 다양한 조건에서 능동구속된 RC기둥의 지진 시 거동을 확보하기 위해 SMA와이어로 보강된 RC 기둥의 진동대 실험 결과를 바탕으로 한 능동구속된 RC 기둥의 해석 모델을 제안한다. 제안된 해석모델은 양방향 지진력에 의한 SMA- RC기둥의 동적 거동 및 손상 정도를 확인할 수 있는 것으로 나타났다.

본 연구는 식물검역 분야에서 주요하게 사용되고 있는 메틸브로마이드 훈증제로 인해 발생하는 약해를 저감하기 위한 물질을 모델식물인 애기장대를 이용하여 스크리닝하였다. 사전연구를 통하여 메틸브로마이드 훈증제의 식물 독성 메커니즘으로 활성산소발생와 식물 성장 호르몬인 옥신의 식물체 내 분배억제효과가 발생하는 것을 바탕으로 하여, 약해 저감물질후보군으로 활성산소를 제거하는 역할을 하는 ROS scavenger 2종 (NAC, GSH)과 옥신을 훈증제 처리 전 애기장대에 처리한 후 약해의 저감 정도를 육안평가와 더불어 관련 유전자의 발현을 확인하였다. 연구 결과 메틸브로마이드에 의해 유도된 약해는 옥신보다는 활성산소를 저감시키는 물질후보군들에서 약해 저감효과가 나타났다. 이 중 GSH을 이용하여 농도구배하여 전처리하였을 때, 5 mM GSH 전처리 후 메틸브로마이드 훈증 시 약해 저감효과가 두드러졌다. GSH 전처리 시 식물체 내에 MBF1c와 HSP70 유전자 발현이 증가하는 것을 확인하였으며, 이는 메틸브로마이드 훈증으로 유도되는 약해를 방어하는 역할을 담당하였을 것이라고 평가된다. 따라서, 식물검역 훈증제 메틸브로마이드에 의해 발생하는 약해를 저감하는 데 GSH의 사용가능성을 평가하였으며, 이를 기반으로 다양한 식물체에 적용하여 수출입 시 약해로 인한 경제적 손실을 감소시킬 수 있기를 기대한다.

As the advent of the Fourth Industrial Revolution and Information Age, companies are in the state of infinite competition due to the rapidly changing technological environment and fierce competition. In this situation companies are making efforts to gain the competitive advantage by introducing information systems. Supply Chain Management (SCM) is considered a method to gain a competitive edge in rapid change. In fact, companies that already have introduced the SCM system are achieving company renovation with positive effects such as increase of sales stock reduction on-time delivery cost reduction and improved efficiency. This study was started to investigate the resistance that occurs in introducing the SCM system for small and medium-sized manufacturing industries that have not yet introduced the SCM system despite the importance of the SCM system, and to check the effect on the intention of the introduction. As the result of this study, the first is that the company has the higher technological innovation, the more positive the effect on Relative advantage Compatibility Perceived risk, Complexity. Second, The compatibility of the SCM system was rejected in innovation resistance, but it is adopted with the highest impact in the introduction intention. In addition, the mediating effect of innovation resistance was also rejected, confirming that if the SCM system is compatible for the company, it doesn’t affect the resistance and is the biggest factor to consider in the introduction of the SCM system. Third, the perceived risk of the SCM system doesn’t directly affect the intention to introduce, but has an indirect effect when mediation innovation resistance.

Recently, transfer learning techniques with a base convolutional neural network (CNN) model have widely gained acceptance in early detection and classification of crop diseases to increase agricultural productivity with reducing disease spread. The transfer learning techniques based classifiers generally achieve over 90% of classification accuracy for crop diseases using dataset of crop leaf images (e.g., PlantVillage dataset), but they have ability to classify only the pre-trained diseases. This paper provides with an evaluation scheme on selecting an effective base CNN model for crop disease transfer learning with regard to the accuracy of trained target crops as well as of untrained target crops. First, we present transfer learning models called CDC (crop disease classification) architecture including widely used base (pre-trained) CNN models. We evaluate each performance of seven base CNN models for four untrained crops. The results of performance evaluation show that the DenseNet201 is one of the best base CNN models.

To meet rapidly changing market demands, manufacturers strive to increase both of productivity and diversity at the same time. As a part of those effort, they are applying flexible manufacturing systems that produce multiple types and/or options of products at a single production line. This paper studies such flexible manufacturing system with multiple types of products, multiple Bernoulli reliability machines and dedicated buffers between them for each of product types. As one of the prevalent control policies, priority based policy is applied at each machines to select the product to be processed. To analyze such system and its performance measures exactly, Markov chain models are applied. Because it is too complex to define all relative transient and its probabilities for each state, an algorithm to update transient state probability are introduced. Based on the steady state probability, some performance measures such as production rate, WIP-based measures, blocking probability and starvation probability are derived. Some system properties are also addressed. There is a property of non-conservation of flow, which means the product ratio at the input flow is not conserved at the succeeding flows. In addition, it is also found that increased buffer capacity does not guarantee improved production rate in this system.

본 연구는 축구화 브랜드의 3i 모델의 효과성을 검증하여 브랜드의 3i 모델 중요성과 시사점을 도출하여 축구화 브랜드 전략의 기본 자료를 제공하고자 했다. 따라서 지난 3년 동안 축구화를 구매한 경험이 있는 대상자를 표본으로 선정했으며, 421부의 자료를 최종분석에 적용했다. 자료처리는 빈도분석, 내적일관성, 확인적 요인분석, 상관분석, 구조방정식 모형 분석을 실시했으며, 모든 분석은 SPSS 및 AMOS(ver. 21.0) 프로그램을 활용했다. 연구결과 첫째, 축구화 브랜드의 3i 모델이 브랜드 신뢰에 유의한 영향을 미치는 것으로 나타났다. 둘째, 브랜드 신뢰는 소비자 구매행동에 유의한 영향을 미치는 것으로 나타났다. 셋째, 축구화 브랜드의 3i 모델은 소비자 구매행동에 유의한 영향을 미치는 것으로 나타났다. 마지막으로, 축구화 브랜드3i 모델과 소비자 구매행동 간의 브랜드 신뢰는 부분적인 매개효과가 있는 것으로 나타났다.

본 연구는 PETTLEP 모델 기반 심상훈련을 기본간호학실습 교육에 적용하여 핵심기본간호술 수행자신감 및 수행능력, 자율실습 참여도에 미치는 효과를 규명하기 위한 비동등성 대조군 전후 유사실험연구 이다. 연구대상은 K도 소재 U대학교 간호학과 2학년 재학생 중 연구목적을 이해하고 연구참여에 자발적으로 동의한 74명을 무작위로 실험군과 대조군에 배정하여 자료 수집하였다. 수집된 자료는 SPSS Statistics 23.0 프로그램을 이용하여 대상자의 일반적 특성은 빈도와 백분율, 정규성검정은 왜도와 첨도를 이용하였으며, 실험처치의 효과측정을 위한 종속변수 검정은 paired t-test로 분석하였다. 연구결과 PETTLEP 모델 기반 심 상훈련은 핵심기본간호술 수행자신감(t=4.18, p<.001), 핵심기본간호술 수행능력(지식(t=2.241, p=.032), 간호술기(t=8.402, p<.001)), 자율실습 참여도(t=6.822, p<.001)에 통계적으로 유의한 차이가 있었다. 본 연구 결과를 토대로 PETTLEP 모델 기반 심상훈련은 기본간호학실습 교육에 적용 가능한 교수학습방법이 될 수 있음을 확인하였다. 따라서, 핵심기본간호술 중 난이도가 높은 항목의 수행능력 향상을 위해 PETTLEP 모델 기반 심상훈련을 활용할 수 있을 것으로 기대된다.

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.

The multi-layered heat source model is a model that can cover most of existing studies and can be defined with a simple formula. Based on the methodology performed in previous studies, the welding heat source was found through experiments and FEM under the welding power conditions of three cases and the parameters of the welding heat source were analyzed according to the welding power. In this study, parameters of fiber laser welding heat source according to welding power were searched through optimization algorithm and finite element analysis, and the correlation was analyzed. It was confirmed that the concentration of the welding heat source in the 1st layer was high regardless of the welding power, and it was confirmed that the concentration of the welding heat source in the 5th layer (last layer) increased as the welding power increased. This reflects the shape of the weld bead that appears during actual fiber laser welding, and it was confirmed that this study represents the actual phenomenon.

This study explored the usefulness and implications of the Bayesian hyperparameter optimization in developing species distribution models (SDMs). A variety of machine learning (ML) algorithms, namely, support vector machine (SVM), random forest (RF), boosted regression tree (BRT), XGBoost (XGB), and Multilayer perceptron (MLP) were used for predicting the occurrence of four benthic macroinvertebrate species. The Bayesian optimization method successfully tuned model hyperparameters, with all ML models resulting an area under the curve (AUC) > 0.7. Also, hyperparameter search ranges that generally clustered around the optimal values suggest the efficiency of the Bayesian optimization in finding optimal sets of hyperparameters. Tree based ensemble algorithms (BRT, RF, and XGB) tended to show higher performances than SVM and MLP. Important hyperparameters and optimal values differed by species and ML model, indicating the necessity of hyperparameter tuning for improving individual model performances. The optimization results demonstrate that for all macroinvertebrate species SVM and RF required fewer numbers of trials until obtaining optimal hyperparameter sets, leading to reduced computational cost compared to other ML algorithms. The results of this study suggest that the Bayesian optimization is an efficient method for hyperparameter optimization of machine learning algorithms.

본 연구의 대상은 신축이음장치를 설치하지 않고 상부구조와 교대를 일체화하는 무조인트 교량이다. 무조인트 교량은 국내에 2009년 이후 본격적으로 도입되었다. 공용기간이 짧고 설계, 시공 및 유지관리 경험이 부족하여 장기거동에 대한 신뢰도가 아직은 부족하다. 수치해석을 통해 다수의 교량을 분석하는 경우 수치해석 모델은 안정적인 정확성 유지와 모델 구축의 편의성이 확보되어야 한다. 본 연구에서는 다양한 형식을 가진 무조인트 교량의 수치해석 모델을 선정하기 위해 민감도 해석을 수행하였다. 민감도 해석은 상용 유한요소 프로그램인 MIDAS Civil과 ABAQUS를 사용하여 수행하였다. solid 요소 기반인 모델을 기준으로 하여 구조모델간 평균 및 최대 상대오차를 분석하였다. 해석결과 beam 요소 기반인 모델은 상대오차가 크게 발생하였고 shell 요소 기반인 모델은 상대오차가 아주 미소하였다. 따라서 무조인트 교량의 최적 수치해석 모델은 상대오차에 의한 변위 형상의 유사성과 정밀도를 유지하면서 실용적인 모델인 shell 요소 기반 모델이 가장 적합한 것으로 판단하였다.

PURPOSES : This study aims to develop and evaluate computer vision-based algorithms that classify the road roughness index (IRI) of road specimens with known IRIs. The presented study develops and compares classifier-based and deep learning-based models that can effectively determine pavement roughness grades. METHODS : A set road specimen was developed for various IRIs by generating road profiles with matching standard deviations. In addition, five distinct features from road images, including mean, peak-to-peak, standard variation, and mean absolute deviation, were extracted to develop a classifier-based model. From parametric studies, a support vector machine (SVM) was selected. To further demonstrate that the model is more applicable to real-world problems, with a non-integer road grade, a deep-learning model was developed. The algorithm was proposed by modifying the MNIST database, and the model input parameters were determined to achieve higher precision. RESULTS : The results of the proposed algorithms indicated the potential of using computer vision-based models for classifying road surface roughness. When SVM was adopted, near 100% precision was achieved for the training data, and 98% for the test data. Although the model indicated accurate results, the model was classified based on integer IRIs, which is less practical. Alternatively, a deep-learning model, which can be applied to a non-integer road grade, indicated an accuracy of over 85%. CONCLUSIONS : In this study, both the classifier-based, and deep-learning-based models indicated high precision for estimating road surface roughness grades. However, because the proposed algorithm has only been verified against the road model with fixed integers, optimization and verification of the proposed algorithm need to be performed for a real road condition.