여름철은 타 계절에 비해 장마와 불안정한 대기 등으로 인하여 빗길 교통사고의 위험성이 크게 증대될 수 있으며, 최근 5년 (2018~2022)간 여름철 빗길 교통사고는 전체 빗길 교통사고의 39%를 차지할 정도로 높은 수준이다. 이러한 빗길 운전은 노면의 배수 불량 및 미끄럼 저항 감소 등으로 인하여 수막현상을 발생시키게 된다. 이에 본 연구에서는 우천 시 도로의 안전성 강화 및 사고 위 험을 최소화하기 위한 요소인 수막두께를 산정하기 위하여 Manning의 평균 유속식을 기반으로 콘크리트 노면의 조도계수 예측 모델을 개발하는 것을 목표로 하였다. 조도계수의 영향인자를 고려하기 위하여 실외 강우 모의 장비를 이용하여 콘크리트를 타설한 뒤 실험 인자로 포장 경사, 배수거리, 강우강도, 노면 조직 특성을 고려하였으며, 이 중 노면 조직 특성은 타이닝 처리를 하지 않은 구간만 고 려한 타 연구의 기존 예측 모델 단점을 보완하기 위하여 16, 25mm 간격의 타이닝 표면 처리한 구간을 추가로 고려하였다. 수막두께 측정은 측정 범위 0.3~5mm의 수막두께 측정 게이지를 제작하여 강우가 모사된 조건에서 배수 거리 1~5m 이내 지점의 노면 조직 상 단과 수면이 접하는 수직 높이를 총 3회 측정하여 평균값을 사용하였다. 실측된 수막두께 데이터베이스를 기반으로 Manning 공식을 이용하여 조도계수를 역산한 결과, 강우강도가 증가함에 따라 조도계수는 감소하였으며, 이는 강우의 증가로 인해 물의 흐름과 콘크리 트 노면 사이의 마찰 저항 감소에 기인한 것으로 판단되었다. 또한 포장 경사가 높고 배수 거리가 짧을수록 배수성이 증가하여 마찰 저항의 지표인 조도계수가 증가하는 것으로 확인되었다. 평균 조직 깊이에 따른 조도계수 영향의 경우, 평균 조직 깊이가 증가할수록 콘크리트 표면에 노출되는 표면적이 증가하여 수막두께가 얕게 생성되고, 얕은 수심으로 인해 물의 흐름 저항이 감소하여 조도계수는 감소하는 것으로 산정되었다. 이후 135개의 데이터를 종합하여 조도계수를 종속변수로 하고 강우강도, 포장경사, 배수거리, 평균 조직 깊이, 수막두께를 독립변수로 하는 회귀분석을 수행하여 조도계수 산정식을 개발하였다.

노면 마찰력은 포장 표면과 타이어의 마찰력으로 인해 발생하는 현상으로 높은 노면의 마찰력은 제동 중 차량의 안정성과 조종성을 향상시킨다. 노면 마찰력이 증가함에 따라 교통사고 횟수가 감소하는 것으로 알려져 있으며 습윤 상태의 노면에서 교통사고가 증가하 는 것으로 알려져있다. 따라서 교통사고 발생 억제와 도로 안전의 확보를 위해서는 적정 수준의 노면 마찰력, 특히 습윤 상태의 노면 마찰력을 확보하는 것이 중요하다. 노면 마찰력은 adhesion과 hysteresis로 분류되며 특히 습윤상태 도로에서 hysteresis가 중요한 역 할을 한다. hysteresis는 고무의 변형에 의해 발생하기 때문에 고무 변형에 영향을 미치는 노면 조직 변수를 선정하여 노면 마찰력을 예측하고자 한다. 노면 마찰력은 노면 조직 특성과 밀접한 관련이 있으며, 이에 따라 노면 조직 특성을 나타내는 지수 중 하나인 MTD(Mean Texture Depth)가 노면 마찰력 예측을 위한 인자로 사용되고 있는 실정이다. 하지만 MTD는 노면 조직 깊이만을 평가하 는 인자로 다양한 요소가 결합되어 있는 노면 조직 특성을 모두 설명할 수 없으며, 노면 마찰력 예측을 위해서는 복잡한 노면 조직을 설명할 수 있는 추가 변수의 선정이 요구된다. 본 연구에서는 노면 마찰력의 메커니즘 분석을 토대로 노면 마찰력에 영향을 미치는 노면 조직 특성을 분석하였고, wave-length와 노면 조직의 형태, 노면 조직 깊이가 노면 마찰력에 미치는 영향이 클 것으로 예상하였 다. 이를 검증하기 위해서는 3가지 노면 조직 특성이 노면 마찰력에 미치는 영향에 대한 검토가 요구되나 실제 도로의 노면은 노면 조직이 불규칙하게 형성되어 있어 노면 조직 특성의 개별적 영향을 검토하기 어렵다. 이를 위해서는 선정한 노면 조직 특성의 정량적 형성이 요구되며 3D 프린팅 시편을 제작해 노면 조직을 인위적으로 형성함으로써 실제 도로 노면 조직의 불규칙성을 개선하였다. 노 면 조직 특성을 시편에 반영하기 위해 노면 조직 깊이는 MTD, wave-length는 노출 골재의 개수를 뜻하는 EAN을 변수로 설정하였 다. 또한 EAN(Exposed Aggregate Number)은 노출 골재의 형성이 필수적이므로 골재의 형상을 제어하여 노면 조직의 형태를 시편에 반영하였으며 골재 형상과 노면 마찰력의 통계학적 분석을 위해 형상 지수를 산출하여 분석하였다. 3D 프린팅 시편은 크기에 제한이 있어 좁은 영역에서 측정이 용이한 BPT(British Pendulum Test)를 사용해 노면 마찰력을 측정하였고, 습윤한 노면에서는 수막으로 인해 노면 마찰력이 크게 감소하여 노면 조직의 영향이 커지므로 습윤 상태에서 노면 마찰력을 측정하였다. 측정 데이터를 통한 분석 결과 노면 조직 변수인 MTD가 증가할수록 BPN(wet)이 선형적으로 증가하는 것이 확인되었으며, EAN에 따라서 BPN이 증가했다가 감소하는 경향이 나타났다. 이는 EAN이 과도하게 많아지면 고무가 침투할 공간이 줄어들어 hysteresis가 감소하기 때문으로 사료된 다. 또한 골재 형상에 따라 노면 마찰력의 최댓값과 optuimum EAN의 변화가 있었다. 이는 골재 형상에 따른 고무 침투 부피의 변화 에 의한 것으로 사료된다. 위의 결과를 통해 MTD, EAN, 골재 형상과 BPN(wet)의 관계를 통계학적으로 분석하여 BPN(wet) 예측 모 델을 제안하였다.

아버지의 음주실태와 관련하여 문제음주군과 정상음주군을 조사하고, 로지스틱 회귀분석을 통해 문제음주를 유의미하게 예측할 수 있는 개인 적 특성, 가족관계 특성, 사회경제적 특성 요인을 분석하였다. 이를 위해 30-50대 아버지 149명을 대상으로 온라인 설문조사를 실행하였으며, 연 구의 목적과 활용방안 등에 대해 설명하고 연구에 대한 동의를 얻은 이 후 조사하였다. 아버지의 문제음주를 유의미하게 예측하는 개인적 특성 은 ‘자아존중감’이었고, 가족관계 특성은 ‘배우자의 정서적 지지와 도움’ 이었다. 아버지의 사회경제적 특성은 문제음주와 관련하여 유의미한 예 측변수가 아닌 것으로 나타났다. 연구 결과를 바탕으로 아버지 대상의 문제음주 개입상담 및 교육 프로그램 등에서 중점을 두어야 할 활동 내 용을 제안하였다.

The government is implementing a policy to expand eco-friendly energy as a power source. However, the output of new and renewable energy is not constant. It is difficult to stably adjust the power supply to the power demand in the power system. Therefore, the government predicts day-ahead the amount of renewable energy generation to cope with the output volatility caused by the expansion of renewable energy. It is a system that pays a settlement amount if it transitions within a certain error rate the next day. In this paper, Machine Learning was used to study the prediction of power generation within the error rate.

As a safety device, a rupture disc are used to control pressure to minimize the explosion risk once the internal pressure of high pressure equipment exceeds a critical level. In this paper, optimization method was developed to secure optimal design of domed Rupture disks. The parameter analysis was performed through design of experiment to parameter of Rupture disk made of AISI 316.The Diameter, Thickness and Hight of Rupture disk were selected as design parameters for design parameter analysis. The results of parameter analysis revealed that the Diameter, thickness and hight were burst pressure-sensitive design parameters. Based on the valid performance factors, a regression equation to predict its performance was deducted and using the equation, an optimal design. And a sample model was fabricated, followed by burst pressure testing, after optimal design and analytical verification. In this research, it is verified that the optimal design method and the credibility of the analysis of this study is deemed very high. Furthermore, utilizing this mechanism would inspect the effect of the design parameter performance and increase the credibility and efficiency of a design.

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.

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.

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.

1개월과 3개월 장기 예보를 지원하기 위해 기상청에서 현업운용 중인 GloSea6 기후예측시스템에는 대기 중 대 기화학-에어로졸 물리과정(UKCA)이 연동되어 있지 않다. 본 연구에서는 저해상도의 GloSea6와 여기에 대기화학-에어로 졸 과정을 연동시킨 GloSea6-UKCA를 CentOS 기반 리눅스 클러스터에 설치하여 2000년 봄철에 대한 예비적인 예측 결과를 살펴보았다. 현업 고해상도 GloSea6 모델이 방대한 전산자원을 필요로 한다는 점을 고려할 때, 저해상도 GloSea6와 GloSea6-UKCA 모델은 대기화학-에어로졸 과정의 연동에 따른 효과를 살펴보기에 적합하다. 저해상도 GloSea6와 GloSea6-UKCA는 2000년 3월 1일 00Z부터 75일 간 구동되었으며, 두 모델이 예측한 2000년 4월 지상 기온과 일평균 강수량의 공간 분포를 ERA5 재분석자료와 비교하였다. GloSea6-UKCA가 예측한 기온과 강수 분포는 기존 GloSea6에 비해 ERA5 재분석자료에 보다 더 유사해졌다. 특히 우리나라를 포함한 동아시아 지역에 대해 과대 모의 경 향이 있던 봄철 지상 기온과 일평균 강수량의 예측 결과의 개선이 주목할 만하다. 또한 적분 시간에 따른 예측된 기온 과 강수량의 시계열에서도 GloSea6-UKCA가 GloSea6보다 재분석자료에 더 가까워진 시간 변화 경향을 살펴볼 수 있었 다. 이는 대기화학-에어로졸 과정이 GloSea6에 연동되었을 때 동아시아지역 봄철 예측 성능이 개선될 수 있음을 보여준다.

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.

This study investigated the noise reduction effect according to the structure of the sound-absorption and insulating materials in order to maximize the noise reduction effect in various noise environments. For this purpose, the transmission loss according to the change in hole size of the performated plate in sound-absorption and insulating board was predicted using an CAE model. The sound-absorption and insulating board was modeled and the computation of the transmission loss was performed after applying the physical properties and boundary conditions. The pure sounds of 32Hz to 4,000Hz were generated, and the analysis was performed by changing the diameter and pitch of the perforated plate. It was confirmed that the influence of the diameter and pitch of the perforated plate is closely related to the structure that make up the sound-absorption and insulating material. In order to effectively reduce the variously changing noises, it is believed that a method of improving transmission loss for each frequency band of interest is needed by changing the structure of the sound-absorption and insulating material so that the diameter and pitch of the perforated plate can be changed.

최근 국민 삶의질 향상, 여가 활동 다변화, 인구구조의 변화 등으로 관광수요 증가 및 관광활동이 다양화되고 있다. 특히 연안 도시의 경우, 육상 관광 요소와 해양관광 요소가 공존하는 지역으로 다양한 요인이 관광수요에 영향을 미치고 있다. 본 연구 목적은 본 연구는 행위자 기반의 데이터를 활용하여 관광규모의 시계열 분석을 통해 예측 정확도를 향상시키고, 영향요인을 탐색하고자 한다. 연구 대상은 부산 지역 내 기초자치단체이며, 데이터는 월단위의 관광객수와 관광소비금액을 활용하였다. 연구방법으로 확정적(결정적) 모형 인 단변량 시계열 분석과 영향요인을 파악하기 위해 SARIMAX 분석을 수행하였다. 영향요인은 관광소비성향을 설정하였으며, 업종별 소 비금액과 SNS 언급량을 중심으로 설정하였다. 연구결과 COVID-19를 고려하지 않은 시계열 모형과 고려한 모형 간의 정확도(RMSE 기준) 차이가 지역별로 최소 1.8배에서 최대 32.7배 향상되었다. 또한 영향요인을 보면 관광소비업종과 SNS 트렌드가 관광객수와 관광소비금액 에 유의한 영향을 미치고 있다. 따라서 미래 수요예측을 위해서는 외적 영향을 고려하고, 관광객의 소비성향과 관심도가 지역관광 측면에 서 고려 대상이 된다. 본 연구는 연안도시인 부산 지역의 미래 관광수요 예측과 관광규모에 미치고 있는 영향요인을 파악하여 정부 관광 정책 및 관광추세를 고려한 관광수요태세 마련을 위한 정책 의사결정에 기여하고자 한다.

해양공간계획(Marine spatial planning)은 해양의 합리적인 이용과 지속 가능한 해양 공간 활용을 위한 중요한 요소이다. 특히 어업활동 보호구역은 지속 가능한 어업을 위한 핵심 용도구역으로, 해양공간계획 경계 내에서 약 45.6%를 차지한다. 그러나, 현재 어업활동보호구역의 지정 과 평가는 미래 수요와 잠재적 가치를 충분히 반영하지 못하고 있으며, 중장기 계획 수립을 위한 보다 합리적인 평가 방법과 예측 도구가 필요한 상황이다. 이러한 문제를 해결하기 위해, 본 연구는 어업활동보호구역 내 주요 어종인 고등어, 갈치, 멸치, 참조기를 대상으로 어종 분포 예측을 시도하고, 현재 용도구역과의 비교를 통해 예측 도구의 가능성을 평가하였다. 한편, IPCC 6차 기후변화 시나리오(SSP1-2.6 및 SSP5-8.5)를 적용한 종분포 모델(MaxEnt)을 사용하여 미래 기후변화에 따른 어종의 이동 및 분포 변화를 분석한 결과, 고등어, 갈치, 참조기의 분포 면적은 현재보다 약 28~86% 증가했으나, 멸치의 분포 면적은 약 6~11% 감소했다. 이 결과를 바탕으로 주요 4종의 종풍부도 지도를 작성하였으며, 해양공간계획 경 계 내에서 ‘높음’으로 평가된 종풍부도 해역과 어업활동보호구역이 중복되는 비율은 약 15%, SSP1-2.6 시나리오에서 21%, SSP5-8.5 시나리오에서 34%로 증가하였다. 연구 결과는 향후 용도구역 평가나 유보구역 변경 시 과학적 근거로 활용될 수 있으며, 어종의 현재 종분포와 기후변화에 따 른 분포 예측을 통해 현재 용도구역 평가의 한계를 보완하고, 지속 가능한 유용 해양 자원의 이용을 위한 계획 수립에 기여할 것으로 판단된다.

본 연구에서는 레이더 관측 영역 내에 강수 에코(echo)가 없는 지역을 비강수 정보라고 정의하고 자료 동화에 활용하였다. 비강수 정보는 레이더로 관측할 수 있는 최대 영역 내에서 강수에 의한 에코가 나타나지 않고 레이더에서 관측할 수 없을 정도로 약한 강수나 구름 입자가 있거나, 강수 자체가 없다는 것을 의미한다. 기존의 레이더 자료를 동 화한 연구가 강수에 의한 반사도와 시선속도를 동화하여 모델 내의 강수를 만들어내는 것에 초점을 두었다면, 본 연구 에서는 에코가 없다는 것도 하나의 정보로 고려하고 이를 동화함으로써 모델 내에서 잘못 예측한 강수를 억제하였다. 비강수 정보를 자료동화에 적용시키기 위해 레이더 비강수 정보를 수상체와 상대습도로 변환하는 관측 연산자를 제시 하고 이를 Weather Research and Forecasting (WRF) 모델의 자료동화 시스템인 WRF Data Assimilation system (WRFDA)에 적용하였다. 또한 비강수 정보를 효과적으로 활용하기 위한 레이더 자료의 처리 방법을 제시하였다. 비강 수 정보가 모델 내에서 잘못 예측한 강수를 억제할 수 있는지 확인하기 위해 단일 관측실험을 수행하였으며 비강수 정 보가 수상체와 습도 그리고 기온을 낮춤으로써 대류가 억제될 수 있는 환경을 만들었다. 비강수 정보의 동화 효과를 실제 사례에 적용한 2013년 7월 23일 대류 사례 실험을 통해 9시간 예측을 수행하여 결과를 분석하였다. 레이더 비강 수 정보를 추가로 동화한 실험이 비강수 정보를 제외한 실험보다 Fractional Skill Score (FSS)가 증가하고 False Alarm Ratio (FAR)는 감소하여 모델의 강수 예측성을 향상시켰다.

본 연구는 여름 및 초가을(6-9월)에 한반도에서 관측된 레윈존데 사운딩을 분석하여 대류가용잠재에너지와 대류 억제도가 깊은 습윤 대류 및 강수 발생 예측에 유용성이 있는지를 확인해보았다. 레원존데 사운딩은 열역학적으로 깊은 습윤 대류가 발생할 가능성이 높은 고 대류가용잠재에너지 저 대류억제도 그룹과 대류 발생을 억제시킬 수 있는 저 대 류가용잠재에너지 고 대류억제도 그룹으로 분류하였다. 이후, 두 그룹의 12시간 누적 강수량, 12시간 평균 최저운고, 12시간 평균 중하층운량의 분포 차이가 유의미한지 여부를 통계적 가설검정을 통해 확인하였다. 그 결과, 무강수인 경 우 21:01-09:00 KST 시간대의 12시간 평균 최저운고를 제외하고 두 그룹은 통계적으로 유의미한 차이가 있음이 검증 되었다. 이 결과는 고 대류가용잠재에너지 저 대류억제도 그룹이 저 대류가용잠재에너지 고 대류억제도 그룹보다 깊은 습윤 대류 및 강수 발생에 더 유리함을 시사한다.

최근 소셜미디어 이용이 심리적 웰빙에 미치는 영향이 부각되고 있으나 어떤 요소가 소셜미디어 상에서의 관계 의 질을 예측할 수 있는지에 대한 연구는 상대적으로 드물다. 본 연구는 머신러닝 기법을 이용하여 COVID-19로 인한 자가격리 동안 인스타그램 활동과 외로움, 우울 등의 심리 상태가 소셜미디어 상에서의 관계의 질을 예측할 수 있는지 알아보고자 하였다. 성인 95명을 대상으로 자가격리 중과 자가격리 해제 후 시점에서 외로움, 인스타그 램 활동, 소셜미디어 상에서의 관계, 우울 등에 대해 자기보고식 설문에 응답하도록 하였다. 그 후, 다차원 척도법과 표상유사성분석, 분류분석을 각 시점에 대해 수행하였다. 다차원척도법 결과, 1차원에서 인스타그램 이용 시간과 우울이 다른 변인들과 구별되었으며, 2차원에서 외로움과 수동적 이용이 다른 변인들과 구별되었다. 그 후 소셜미 디어 상에서의 관계의 질의 고,저 집단에 대해 표상유사성분석을 실시한 결과, 소셜미디어 상에서의 관계의 질이 높은 집단은 낮은 집단보다 자가격리의 영향을 더 많이 받는 것으로 나타났다. 분류분석 결과에서도 소셜미디어 상에서의 관계의 질 예측 변인이 사회적 고립의 여부에 따라 달라지는 것으로 나타났다. 따라서 본 연구의 결과는 사람들이 사회적 고립 상황에 있지 않을 때 인스타그램 이용 변인과 심리적 변인이 소셜미디어 상에서의 관계를 더 잘 예측할 수 있음을 시사한다.

Numerous studies have established a correlation between sociodemographic characteristics and water usage, identifying population as a primary independent variable in mid- to long-term demand forecasting. Recent dramatic sociodemographic changes, including urban concentration-rural depopulation, low birth rates-aging population, and the rise in single-person households, are expected to impact water demand and supply patterns. This underscores the necessity for operational and managerial changes in existing water supply systems. While sociodemographic characteristics are regularly surveyed, the conducted surveys use aggregate units that do not align with the actual system. Consequently, many water demand forecasts have been conducted at the administrative district level without adequately considering the water supply system. This study presents an upward water demand forecasting model that accurately reflects real water facilities and consumers. The model comprises three key steps. Firstly, Statistics Korea’s SGIS (Statistical Geological Information System) data was reorganized at the DMA level. Secondly, DMAs were classified using the SOM (Self-Organizing Map) algorithm to consider differences in water facilities and consumer characteristics. Lastly, water demand forecasting employed the PCR (Principal Component Regression) method to address multicollinearity and overfitting issues. The performance evaluation of this model was conducted for DMAs classified as rural areas due to the insufficient number of DMAs. The estimation results indicate that the correlation coefficients exceeded 0.9, and the MAPE remained within approximately 10% for the test dataset. This method is expected to be useful for reorganization plans, such as the expansion and contraction of existing facilities.