본 연구는 기상청 현업모델(LDAPS)로부터 예측된 서울의 도시열섬 강도와 지상 기온을 AWS 관측과 비교 평가하였다. 관측된 서울의 열섬 강도는 봄과 겨울동안 증가하며 여름동안 감소한다. 열섬 강도의 시간적 변동 경향은 새벽 시간 최대, 오후에 최소를 보인다. 기상청 국지기상예측시스템(LDAPS)으로부터 예측된 열섬 강도는 여름철 과대모의, 겨울철 과소모의 특징을 보인다. 특히 여름철은 주간에 과대 모의 경향이 증가하며, 겨울은 새벽 시간 과소 모의 오차가 크게 나타난다. LDAPS에서 예측된 지면 기온의 오차는 여름철 감소하며 겨울철 증가한다. 겨울철 열섬 강도의 과소 모의는 도시 기온의 과소 모의와 관련되었으며, 여름철 열섬 강도의 과대 모의는 교외 지역 기온의 과소 모의로부터 기인하는것으로 판단된다. 도시 열섬강도 예측성 개선을 위하여 도시효과를 고려하는 도시캐노피모델을 LDAPS와 결합하여 2017년 여름 기간동안 모의하였다. 도시캐노피모델 적용 후 도시의 지면 기온의 오차는 개선되었다. 특히 오전시간 과소모의되는 기온의 오차 개선 효과가 뚜렷하였다. 도시캐노피모델은 여름동안 과대 모의하는 도시열섬강도를 약화시키는 개선 효과를 보였다.

In this study, to develop the basis of damage prediction system for abutment type rigid-frame bridge, measurement data is generated by artificially expressing damage by Abaqus, a commercial structural analysis program, and applied to machine-learning. The rigid-rame bridge structural analysis model is expressed as closely as possible to the actual bridge condition considering the specification, damage expression, analysis method, boundary condition, and load. CNN(Convolutional Neural Network), one of the neural network algorithm, is used for machine-learning and accuracy is confirmed when there was no measurement error as a result of machine learning.

This study was aimed to find yield prediction model of Italian ryegrass using climate big data and geographic information. After that, mapping the predicted yield results using Geographic Information System (GIS) as follows; First, forage data were collected; second, the climate information, which was matched with forage data according to year and location, was gathered from the Korean Metrology Administration (KMA) as big data; third, the climate layers used for GIS were constructed; fourth, the yield prediction equation was estimated for the climate layers. Finally, the prediction model was evaluated in aspect of fitness and accuracy. As a result, the fitness of the model (R2) was between 27% to 95% in relation to cultivated locations. In Suwon (n=321), the model was; DMY = 158.63AGD –8.82AAT +169.09SGD - 8.03SAT +184.59SRD -13,352.24 (DMY: Dry Matter Yield, AGD: Autumnal Growing Days, SGD: Spring Growing Days, SAT: Spring Accumulated Temperature, SRD: Spring Rainfall Days). Furthermore, DMY was predicted as 9,790±120 (kg/ha) for the mean DMY(9,790 kg/ha). During mapping, the yield of inland areas were relatively greater than that of coastal areas except of Jeju Island, furthermore, northeastern areas, which was mountainous, had lain no cultivations due to weak cold tolerance. In this study, even though the yield prediction modeling and mapping were only performed in several particular locations limited to the data situation as a startup research in the Republic of Korea.

In this paper, we utilize a Gaussian process to predict the power consumption in the air-conditioning system. As the power consumption in the air-conditioning system takes a form of a time-series and the prediction of the power consumption becomes very important from the perspective of the efficient energy management, it is worth to investigate the time-series model for the prediction of the power consumption. To this end, we apply the Gaussian process to predict the power consumption, in which the Gaussian process provides a prior probability to every possible function and higher probabilities are given to functions that are more likely consistent with the empirical data. We also discuss how to estimate the hyper-parameters, which are parameters in the covariance function of the Gaussian process model. We estimated the hyper-parameters with two different methods (marginal likelihood and leave-one-out cross validation) and obtained a model that pertinently describes the data and the results are more or less independent of the estimation method of hyper-parameters. We validated the prediction results by the error analysis of the mean relative error and the mean absolute error. The mean relative error analysis showed that about 3.4% of the predicted value came from the error, and the mean absolute error analysis confirmed that the error in within the standard deviation of the predicted value. We also adopt the non-parametric Wilcoxon’s sign-rank test to assess the fitness of the proposed model and found that the null hypothesis of uniformity was accepted under the significance level of 5%. These results can be applied to a more elaborate control of the power consumption in the air-conditioning system.

Due to advancements in technology and manufacturing capability, it is not uncommon that life tests yield no or few failures at low stress levels. In these situations it is difficult to analyse lifetime data and make meaningful inferences about product or system reliability. For some products or systems whose performance characteristics degrade over time, a failure is said to have occurred when a performance characteristic crosses a critical threshold. The measurements of the degradation characteristic contain much useful and credible information about product or system reliability. Degradation measurements of the performance characteristics of an unfailed unit at different times can directly relate reliability measures to physical characteristics. Reliability prediction based on physical performance measures can be an efficient and alternative method to estimate for some highly reliable parts or systems. If the degradation process and the distance between the last measurement and a specified threshold can be established, the remaining useful life is predicted in advance. In turn, this prediction leads to just in time maintenance decision to protect systems. In this paper, we describe techniques for mapping product or system which has degrading performance parameter to the associated classical reliability measures in the performance domain. This paper described a general modeling and analysis procedure for reliability prediction based on one dominant degradation performance characteristic considering pseudo degradation performance life trend model. This pseudo degradation trend model is based on probability modeling of a failure mechanism degradation trend and comparison of a projected distribution to pre-defined critical soft failure point in time or cycle.

국내 유입시 경제적 피해가 예상되는 주요 관심 침입우려 병해충에 대한 발생예찰모형을 개발하여 기후시나리오에 따른 국내 정착지역을 추정하고, 국내 기상환경에서 발생시기를 추정하여 기후변화에 대응한 검역해충 예찰 업무시 현장 활용이 가능한 예측시스템을 구축하였다. 대상 병해충으로는 감귤그린병매개충, 참나무역병, 과실파리류, 코드린나방, 자두애기잎말이나방, 유사코드린나방, 미국사과애기잎말이나방, 복숭아뿔나방이 구현되었다. 병해충의 생리적 기작에 기반한 발생예찰모형을 개발하고, 이 모형을 활용하여 국내 환경에서 병해충 발생 예측이 구현 가능하여 핵심 예찰시기를 결정할 수 있고, 정착 적합도를 이용하여 발견 가능성이 높은 지역을 선택할 수 있다. 미래 정착 가능성을 판단하기 위하여 기상청 RCP 8.5 기후변화 시나리오를 이용한 미래 병해충 정착 적합도를 계산하고 2010s~2090s까지의 년대별 국내 정착적합 분포지도를 제공한다. 정착시 국내 발생 예측은 기상청 자동기상관측자료를 이용한 국내 기상 환경에서의 일별 병해충 발생 예측 분포 지도를 조회하고 지도상의 임의 지점의 년간 병해충 발생 위험정도를 시계열 그래프로 조회할 수 있다. 예찰업무 지원을 위한 시스템으로 GIS 서비스 및 예찰지점의 병해충 발생 예측량 시계열 그래프를 통한 예찰 방제 모니터링 기능이 포함되었다. 또한 기후 예측인자·요소가 병해충 발생 위험수준에 도달하였을 경우 위험단계별 경보를 예찰요원의 휴대전화번호로 자동 발송하는 기능이 포함되었다.

전지구 해양 해빙 예측시스템인 NEMO-CICE/NEMOVAR의 해빙 초기조건의 특성을 2013년 6월부터 2014년 5월까지 북극영역에 대하여 분석하였다. 이를 위하여 관측 자료와 재분석 자료를 모델의 초기조건과 비교하였다. 모델 초기조건은 관측에서 나타나는 해빙 면적과 해빙 두께의 월 변동을 잘 보이는 반면, 분석 기간 동안 관측과 재분석 자료보다 북극의 해빙 면적을 좁게, 해빙 두께를 얇게 나타내었다. 모델 초기조건의 북극 해빙 면적이 좁은 것은 해빙의 경계 지역에서 해빙 농도 초기조건이 약 20% 정도 재분석자료보다 낮기 때문이다. 또한 북극 평균 해빙 두께가 얇게 나타나는 이유는 연중 두꺼운 해빙이 유지되는 그린란드 및 북극 군도와 인접한 북극해 영역에서 모델의 초기조건이 약 60 cm 정도 얇기 때문이다.

오늘날 물류 서비스 산업에서는 수요예측을 통해 불확실성을 줄여나가는 것이 경영상 매우 중요한 이슈로 제기되고 있다. 비교적 시장 점유율이 견고하게 유지되는 제조산업과는 달리 물류 서비스 산업은 매우 빠른 속도로 시장이 성장하고 변화하기 때문에, 시장 환경의 변화를 반영하여 정확한 수요 예측에 기반한 적절한 물류 서비스 공급을 위한 운송 및 인력 공급 계획을 수립하여 운용하여야 한다. 본 연구는 물류 서비스 업계를 위하여 추세 요소, 계절 요소 등 수요에 영향을 미치는 요소를 분석하고, 영향 효과를 산출하여 물류 서비스 산업을 위한 수요예측 시스템에 반영하는 방안을 연구하였다. 특히 지역 특산물, 기상효과, 음력으로 발생하는 명절 효과 등 수요를 크게 변화시키는 중요 영향 요소에 의한 수요 변동을 수요 예측에 활용하는 방안을 도출함으로써, 물류 서비스 산업계의 수요 예측을 위하여 분해법(Decomposition Method)을 제시하였다.

현재 최고 수준의 대순환 모형에서 북동아시아 여름몬순 강도의 계절예측 능력은 낮으나 북서태평양 아열대 고기압 강도의 예측률은 상대적으로 높다. 북서태평양 아열대 고기압은 북서태평양 지역 및 동아시아 지역에서 가장 주된 기후 변동성이다. 본 연구에서 NCEP 계절예측시스템에서 예측된 북서태평양 아열대 고기압의 예측성에 대해 논의될 것이다. 한편, 북동아시아 여름몬순의 경년변동성은 북서태평양 아열대 고기압과 높은 상관성을 가지고 있다. 본 연구에서는 이 관계에 근거하여, NCEP 계절예측시스템과 정준상관분석을 이용한 계절예측 모형을 제안하고 그 예측률을 평가하였다. 이 방법은 북동아시아 지역 여름철 강수량 편차에 대한 계절예측에 있어 통계적으로 유의한 예측성능을 제공한다.

Virtual metrology(VM) is a promising technology which can convert off-line sampling inspection into on-line total inspection at the manufacturing process. This paper provides an economic evaluation model of VM system which predicts the defects of a target process with Bernoulli sampling inspection. For this purpose, we build M/G/1 queueing models of two systems. One is VM non-applied system and the other is VM applied one. We derive total costs per unit time of each system and conduct sensitivity analysis according to variations of input parameters such as defect rates, various process costs and VM prediction error rates. The proposed analysis model is expected to be used for evaluating economic values of VM system implementation projects.

농촌진흥청에서는 농작물 병해충 발생에 신속하게 대응하여 농가피해를 최소 화할 목적으로 ‘10년도부터 웹GIS (Geographical Information System)를 기반으 로 한 국가농작물병해충 관리시스템(National Crop Pest Management System, NCPMS)을 구축하였다. 본 시스템(http://ncpms.rda.go.kr)은 크게 병해충 예찰, 예 측, 진단, 동아시아병해충네트워크로 구성되어 있다. ‘12∼‘13년도 시스템 고도화 사업을 통하여 예찰작목을 16개에서 24개 작목으로 확대하였고, 이동·돌발성 7종 해충 발생 시 인접 행정구역의 시군농업기술센터에 발생경보 발송 및 발생조사자 료 입력·관리가 가능한 해충조기경보시스템을 신규로 구축하였다. 그리고 주요 농 작물 해충의 천적 30종에 대한 생태, 이미지, 이용방법 등 시험연구사업의 결과물 을 도감으로 구축하여 종합적인 해충 방제법에 대한 이해를 증진시켰다. FTA대응 농축산물 경쟁력 제고를 위한 병해충 예측모형 개발연구사업에서 개발된 15개 병· 해충 예측모형을 추가로 시스템에 탑재하였고, 중국에서 비래하는 장거리 이동성 벼 해충의 국내 비래시기 및 이동경로를 예측하여 사전에 국내에서 대응책을 수립 할 수 있도록 해충이동경로 예측모델(Blayer 모델)을 구축하였다. 또한 중국, 일본, 베트남 등 13개국의 벼 해충 발생밀도를 집계하고 공유하는 동아시아병해충네트 워크의 회원국 관리 기능 등을 추가하여 사용자 편리성을 제고하였다. 이러한 NCPMS의 예찰, 예측, 진단정보를 병해충 방제의사결정에 활용함으로써 병해충 피해를 최소화하고 농가소득에 이바지할 것으로 사료된다.