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.

본 연구의 목적은 알츠하이머질환(Alzheimer’s disease: AD) 동물 모델을 대상으로 트레드밀 운 동(Treadmill exercise: TE)과 환경강화(environmental enrichment: EE) 처치가 인지기능, 근 기능, 및 밀 착연접 단백질 발현에 미치는 영향을 확인하는데 있다. AD 동물 모델을 제작하기 위해 aluminum chloride(AlCl3)를 90일간(40mg/kg/하루) 투여 하였으며 동시에 TE(10-12m/min, 40-60min/day) 혹은 EE에 노출시켰다. 그 결과 AlCl3 투여에 의한 인지기능 저하와 근 기능 감소가 TE와 EE에 의해 완화된 것 으로 나타났다. 또한, TE와 EE는 AD 질환에서 나타나는 β-amyloid(Aβ), alpha-synuclein 및 tumor necrosis factor-α(TNF-α) 단백질의 발현 증가를 감소시킨 것으로 나타났다. 게다가 TE와 EE는 AlCl3 투여에 의해 감소된 밀착연접 단백질(Occludin, Claudin-5 및 ZO-1)의 발현을 통계적으로 유의하게 증가시킨 것으로 나타났다. 마지막으로 Aβ 단백질과 밀착연접 단백질과의 상관분석을 실시한 결과 부적 상 관관계(Occludin: r=-0.853, p=0.001; Claudin-5 : r=-0.352, p=0.915; ZO-1 : r=-0.424, p=0.0390) 로 나타났다. 따라서 이를 종합해 보면 TE 혹은 EE 처치는 AD에 나타나는 병리학적 특징들을 일부 완화 시켜 인지기능과 근 기능을 일부 개선 시킬 수 있는 효과적인 운동 방법이라고 생각된다.

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.

PURPOSES : In this study, an empirical approach was established to estimate the parameters of the resilient modulus based on various geotechnical properties of subgrade soils. METHODS : Multiple regression analyses were performed to analyze the relationship between resilient modulus (k1) and deformation. The most important factors are the #200 sieve passing ratio, moisture content, and dry unit weight of the soil. The applicability of this approach was verified using selected field data and the literature. RESULTS : The correlation between the results predicted using the prediction equation of the model constant (k1) and the actual k1-value was high. The applicability of the prediction equation was considered high owing to its high suitability with the existing data. The range of values obtained using the constant prediction equation of the proposed model was also judged to be reasonable. In the comparison of the CBR value of the subgrade material of the actual design section and the predicted elastic modulus (k1), almost no relationship was observed between the CBR and the model coefficient (k1). Thus, the estimation of the elastic modulus through CBR is likely to contain errors. CONCLUSIONS : Based on these results, the parameters of the universal model can be predicted using the stress-dependent modulus model proposed in this study.

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.

이 연구에서는 Inception V3, SqueezeNet(local), VGG-16, Painters 및 DeepLoc의 다섯 가지 인공지능(AI) 모 델을 사용하여 차나무 잎의 병해를 분류하였다. 여덟 가지 이미지 카테고리를 사용하였는데, healthy, algal leaf spot, anthracnose, bird’s eye spot, brown blight, gray blight, red leaf spot, and white spot였다. 이 연구에서 사용한 소프트웨 어는 데이터 시각적 프로그래밍을 위한 파이썬 라이브러리로 작동하는 Orange3였다. 이는 데이터를 시각적으로 조작하여 분석하기 위한 워크플로를 생성하는 인터페이스를 통해 작동되었다. 각 AI 모델의 정확도로 최적의 AI 모 델을 선택하였다. 모든 모델은 Adam 최적화, ReLU 활성화 함수, 은닉 레이어에 100개의 뉴런, 신경망의 최대 반복 횟수가 200회, 그리고 0.0001 정규화를 사용하여 훈련되었다. Orange3 기능을 확장하기 위해 새로운 이미지 분석 Add-on을 설치하였다. 훈련 모델에서는 이미지 가져오기(import image), 이미지 임베딩(image embedding), 신경망 (neural network), 테스트 및 점수(test and score), 혼동 행렬(confusion matrix) 위젯이 사용되었으며, 예측에는 이미 지 가져오기(import image), 이미지 임베딩(image embedding), 예측(prediction) 및 이미지 뷰어(image viewer) 위젯 이 사용되었다. 다섯 AI 모델[Inception V3, SqueezeNet(로컬), VGG-16, Painters 및 DeepLoc]의 신경망 정밀도는 각 각 0.807, 0.901, 0.780, 0.800 및 0.771이었다. 결론적으로 SqueezeNet(local) 모델이 차나무 잎 이미지를 사용하여 차 병해 탐색을 위한 최적 AI 모델로 선택되었으며, 정확도와 혼동 행렬을 통해 뛰어난 성능을 보였다.

본 연구는 선교사의 심리적 탈진 예방을 위한 새로운 접근 방식인 ‘자기성찰 디브리핑(Debriefing) 모델’의 제안에 초점을 두었다. 기존 의 디브리핑 모델의 외상 경험 이후의 정서 안정화에 초점을 둔 것과 달리 문제 상황 이전에 적응적 대처 전략을 세울 수 있는 예방 모델이다. 선교사의 과거 경험과 현재의 갈등 상황 간 상호 연관성을 강조하며 “미해결 정서”를 인지 및 감각적으로 이해하고 부적응적인 스키마와 대처 전략에 대한 교육을 통해 심리적 탈진을 예방하고 인지적인 변화를 촉진하는 것에 중점을 두고 있다. 이 모델은 기존 디브리핑 모델의 장점을 토대로 심리도식치료와 신경언어프로그래밍(NLP) 이론을 접 목하여 7개의 단계로 구성되었다. 각 단계는 안전지대 형성 단계, 현재 갈등 상황 파악 단계, 과거 미해결 정서 파악 단계, 해석과 통찰 단계, 교육과 인지전략 단계, 긍정적 자원 강화 단계, 그리고 전망 단계로 구성되며, 각각의 단계에서 활용 가능한 접근 방식을 제시한다. 본 연구는 선교사의 심리적 탈진 예방과 이 분야의 디브리핑 실천을 발전시키는 데 기여할 수 있다.

이 글은 한국어 학습을 위한 웹 기반 한자 사전 모델을 제시하기 위한 것이다. 중국 문화권 학습자를 대상으로 한 이 연구에서는 웹 기반 한자 사전의 필요성을 확인하고 기존 사전의 한자 단어 학습의 문제점 을 분석하였다. 한자 단어 학습 시 한자 원어 형태소 인식이 중요하다고 보고 이를 반영한 별도의 팝오버 (popover) 창을 개발하였다. 한자 사전의 미시구조에는 항목, 단어 유형, 발음, 한-베트남어 단어(있는 경우), 한자의 어원, 한-베 소리(voice)가 포함되며, 이밖에 베트남어 어원에 대한 설명, 한자의 원래 형태소 와 관련된 한-베 단어, 번역, 설명, 예시 등이 포함되어야 함을 밝혔다. 그런 다음, 한자어 형태소와 한자- 베트남어의 발음을 포함하는 어원 틀, 베트남어 및 한자어의 한자 형태소 의미를 포함한 웹 사전을 구성하 고 그 활용 방안을 보여주었다. 본 연구는 한자어 형태소와 관련된 베트남 단어에 대한 정보를 추가하고, 프로그래밍 기술, 데이터베이스 업데이트 과정, 300개 규모의 한자 사전 모델을 제시한 기초연구로써 이후 한국어 학습자를 위한 웹 한자 사전 구축에 보탬이 되고자 한다.

Sucralose는 식품 분야에서 sucrose 대체물로 사용되며 세계적으로 승인된 무열량 고강도 인 공 감미료이다. 하지만 감미료가 뇌에 미치는 영향에 대한 조사는 미비하여 본 연구에서 scopolamine으 로 유발된 기억력 손상 동물모델에서 sucralose 단기 섭취가 인지 및 기억 보호 효과를 가지는지 확인하 였다. Sucralose 2, 5, 10 mg/kg를 경구투여하였으며 30분 후 대조군, 약물군에 scopolamine (1mg/kg) 복강투여를 진행하였고 정상군에는 식염수로 복강투여 후 행동실험을 수행하였다. 결과적으로 Y-maze, passive avoidance, Morris water maze에서 대조군과 비교해 10% 이상의 인지기능이 회복되는 결과를 도출하였다. 또한, 전염증성 사이토카인을 측정한 결과 sucralose가 IL-6와 TNF-α를 30% 이상 억제 하는 것을 보였으며 세포 내 신호 메커니즘으로 ERK-CREB의 발현량을 관찰한 결과 농도 의존적으로 증가하였다. 따라서 sucralose는 건망증 환자의 예방과 치료를 위한 기능성 식품과 관련이 있다고 시사 된다.

본 글의 목적은 민주시민교육과 통일교육이 서로 충돌하지 않는 조화 로운 관계모델을 정립하기 위하여 이론적인 차원에서 민주시민교육과 통 일교육의 관계유형을 논의하고, 바람직한 유형을 <민주시민교육-통일교 육 상호보완형 모델>로 설정하여 이것에 대한 적절한 경험적 사례로 서 독 연방정치교육원의 정치교육 사례를 분석하여 이것이 우리에게 주는 시사점을 찾는 데 있다. <민주시민교육-통일교육 상호보완형 모델>이 강 조하는 내용은 다음과 같다. 우선 통일교육과 통일정책을 구분한 상태에 서 민주시민교육의 내용은 자유공화주의적 규범에 근거한 아시아 지역정 체성을 형성하는 ‘지역통합’을 강조하는 게 필요하다. 그리고 통일교육의 내용은 통일의 필요성을 강조하는 교육보다는 바람직한 통일의 방법론과 평화적 교류협력 같은 정책을 소개하는 교육이 필요하다.

4차 산업혁명의 도래로 인한 기술혁신은 자율운항선박을 중심으로 해상 운송분야까지 활발한 발전을 불러왔다. 특히, 현재의 선원이 직접 운항하는 방식인 유인선박 사이에서 운항하게 될 자율운항선박은 자율도에 따라 원격제어를 통해 운항을 수행하며, 육상에 서 이를 제어할 원격운항자에 대한 관심 또한 늘어나고 있다. 하지만 아직 원격운항자가 개입이 필요한 상황이 동시에 발생하는 등을 고 려한 원격운항자 최소 인력 요구사항에 대한 연구는 부족한 상황이다. 본 연구는 특정 해역 구간의 누적된 항적데이터를 활용하여 선박 간에 발생할 수 있는 조우상황에서 원격운항자의 개입이 필요한 상황을 정의하고, 해당 구간을 특정 규모의 자율운항선박 선대로 운항하 였을 때, 원격운항자의 개입이 동시에 필요한 상황이 얼마나 발생하는지를 시뮬레이션을 통해 확인하였다. 연구의 결과는 향후 실제 자율 운항선박 선대를 운행할 원격운항센터의 원격운항자의 적정인력 배치 등의 계획 또는 정책 수립에 활용될 기초 자료로 활용될 것으로 기 대한다.

전 세계 선박 통행량의 증가에 따른 선박 충돌 사고의 증가는 큰 경제적, 환경적, 물리적 및 인간적 손해를 가져왔다. 선박 사 고의 원인은 선원의 판단 오류나 부주의, 항로의 복잡성, 기상 조건, 선박의 기술적 결함 등 다양한 요인이 겹쳐 작용하여 사고를 유발하 기 때문에 문장의 깊은 의미와 문맥 정보를 고려할 수 있는 방법론이 필요하다. 따라서, 본 연구는 부산해심 지역에서의 최근 20년 동안 의 선박 충돌사고 데이터를 포함하고 있는 해양안전심판 재결서를 SentenceBERT 모델을 활용해 분석하였다. 분석 결과 사고의 주요 원인 이 될 수 있는 키워드가 도출되었으며, 특정 키워드 출현 빈도를 바탕으로 군집 분석을 시행하고 시각화하였다. 추후 사고의 원인을 미리 파악함으로써, 이를 통해 선박 충돌 사고의 예방 및 사고 대응 전략 개발의 기초 자료로써 활용하고자 한다.

해상교통관제센터(VTS)의 관제사는 구역 내 교통 상황을 빠르고 정확하게 파악하여 관제가 필요한 선박에게 정보를 제공하는 역할을 수행한다. 그러나 교통량이 급격히 증가하는 경우 관제사의 업무 부하로 인해 관제 공백이 발생하기도 한다. 이러한 이유에서 관 제사의 업무 부하를 줄이고, 일관성 있는 관제 정보를 제공할 수 있는 관제 지원 기술의 개발이 필요한 실정이며, 본 논문에서는 구역 내 이상 운항 선박을 자동으로 식별하는 모델을 제안하였다. 제안하는 이상 운항 식별 모델은 규칙 기반 모델, 위치 기반 모델, 맥락 기반 모 델로 구성되며, 대상 해역의 교통 특성에 최적화된 교통 네트워크 모델을 사용하는 특징이 있다. 구현된 모델은 시범센터(대산항 VTS)에 서 수집되는 실해역 데이터를 적용하여 실험을 수행하였다. 실험을 통해 실해역의 다양한 이상 운항 상황이 자동으로 식별됨을 확인하였 고, 전문가 평가를 통해 식별 결과를 검증하였다.

2017년 7월 15일 서울과 수도권에 집중호우를 발생시킨 깊은 대류운과 강수 발달에 대한 종관 기상 메커니즘 을 규명하고 중국 동부지역으로부터의 PM2.5 에어로졸의 간접효과를 WRF-Chem 실험을 통해 분석하였다. WRF-Chem 모델에 에어로졸과 복사의 피드백, 구름 화학 과정, 습식 세정을 모두 포함한 ARI (Aerosol Radiation Interaction) 실험 과 에어로졸과 복사의 피드백을 제외하고 구름 화학 과정, 습식 세정만을 포함한 ACR (Aerosol Cloud Radiation interaction) 실험 결과의 차이로부터 PM2.5 에어로졸 간접효과를 산출하였다. 2017년 7월 15일 새벽에 황해와 한반도에 서는 동아시아 대륙에서 저기압-북서 태평양의 고기압 분포로 인해 중국 남동 지역과 동중국해로부터 덥고 습한 기류 가 수렴하고 있었다. 이러한 황해의 종관 기상에 의해 발달하는 대류운은 높이 12 km 이상이며 고체 수상체를 형성하 고 있었는데, 이는 주로 대륙 위에서 발달하는 한랭운(많은 빙정을 형성하며 운정고도가 8 km 이상)의 특성을 나타내고 있었다. 특히, WRF-Chem 모델 실험을 통해 중국 동부지역으로부터 확산하는 PM2.5 에어로졸이 구름물 형성에 5.7%, 고체 수상체 형성에 10.4%, 그리고 액체 수상체 형성에 10.8%로 대류운이 한랭운으로 발달하는 데 기여하고 있었다. 본 연구는 황해 위에서 깊은 대류운이 발달하는 과정에 대한 기상적 메커니즘과 더불어 중국 동부지역으로부터 에어로 졸에 의한 간접효과의 영향을 제시하였다.

In this study, we analyzed how the revenue water ratio(RWR) is affected by changes in conditions of the water supply area, such as the ratio of aging pipes, maintenance conditions, and revenue water. As a result of analyzing the impact of pipe aging and maintenance conditions on the RWR, it was confirmed that the RWR could be decreased if the pipe replacement project to improve the aging pipe ratio was not carried out and proper maintenance costs were not secured. It was also confirmed that an increase in the revenue water could be operated to facilitate the achievement of the project’s target RWR. In contrast, a decrease in the revenue water due to a population reduction could affect the failure of the target RWR. In addition to analyzing the causes of variation in the RWR, the calculation of estimated project costs was considered by using leakage reduction instead of RWR from recent RWR improvement project cost data. From this analysis, it was reviewed whether the project costs planned to achieve the target RWR of the RWR improvement project in A city were appropriate. In conclusion, the RWR could be affected by variations in the ratio of aging pipes, maintenance conditions, and revenue water, and it was reasonable to consider not only the construction input but also the input related to RWR improvement, such as leakage reduction, when calculating the project cost.

This study was conducted to investigate the growth characteristics of domestic 'Sulhyang' strawberry (Fragaria × ananassa Duch.) seedlings and to analyze their relationships in order to develop a growth prediction model. Fresh weight, dry weight, and leaf area were measured to validate the newly developed growth model. The relative growth rate (RGR) of ‘Sulhyang’ seedlings’ dry weight was an average of 0.026 g·g-1·d-1, and it increased to 0.066 g·g-1·d-1 on the 49th day after transplanting (DAT). The relationship between DAT and RGR was represented as RGR (dry weight)(g·g- 1·d-1) = 0.0392/(1 + exp(–(DAT – 34.9940)/5.8662)). The crop growth rate (CGR) was an average of 0.060 g·m-2·d-1, and it increased to 0.211 g·m-2·d-1 on the 70th DAT. The relationship between DAT and CGR was calculated as CGR (dry weight)(g·m-2·d-1) = 0.1293/(1 + exp(–(DAT – 49.3917)/6.0928)). The relationship between shoot fresh weight (y) and shoot dry weight (x) per plant showed a linear relationship of y = 4.3189x + 0.7812 (R2 = 0.9976). Fresh weight, dry weight, and leaf area with respect to DAT and cumulative temperature increased exponentially, and sigmoid curve models were developed based on these data. The model with the highest coefficient of determination was found for the relationship between shoot dry weight (y) and cumulative temperature (x), represented as y = 14.2285/(1 + exp(–(x – 1590.1295)/377.8112)) (R2 = 0.9715). The results of this study can be utilized as valuable information for establishing a systematic management system for seedling production using strawberry cutting propagation methods. For the development of a more precise growth prediction model in the future, it is necessary to analyze and apply a wider range of growth indicators and meteorological factors related to strawberry seedlings.

of hazardous risk factors, risk estimation and determination steps by reflecting the trend of overseas risk assessment. METHODS : In deriving, estimating and determining risk factors, comparing the procedures presented by the ILO with the domestic guidline to find out the differences in procedural. and, According to the domestic manual, after setting the criteria for determining a deterministic perspective, analyze the risk assessment data of a specific domestic company and three overseas risk assessment research data to analyze the differences in methodology domestic and abroad. RESULTS : Within the country, there is a possibility that a deterministic view may be applied to all stages of procedure, and certain corporate data to the risk estimation and determination stage. In the case of overseas, the trend of applying deterministic perspectives to the risk determination stage was confirmed. CONCLUSIONS : Present the need for a standard model for improving deterministic methods in the other two stages, excluding risk determination in the domestic evaluation procedure.