Given the significant social and economic impact caused by heat waves, there is a pressing need to predict them with high accuracy and reliability. In this study, we analyzed the real-time forecast data from six models constituting the Subseasonal-to-Seasonal (S2S) prediction project, to elucidate the key mechanisms contributing to the prediction of the recent record-breaking Korean heat wave event in 2018. Weekly anomalies were first obtained by subtracting the 2017- 2020 mean values for both S2S model simulations and observations. By comparing four Korean heat-wave-related indices from S2S models to the observed data, we aimed to identify key climate processes affecting prediction accuracy. The results showed that superior performance at predicting the 2018 Korean heat wave was achieved when the model showed better prediction performance for the anomalous anticyclonic activity in the upper troposphere of Eastern Europe and the cyclonic circulation over the Western North Pacific (WNP) region compared to the observed data. Furthermore, the development of upper-tropospheric anticyclones in Eastern Europe was closely related to global warming and the occurrence of La Niña events. The anomalous cyclonic flow in the WNP region coincided with enhancements in Madden- Julian oscillation phases 4-6. Our results indicate that, for the accurate prediction of heat waves, such as the 2018 Korean heat wave, it is imperative for the S2S models to realistically reproduce the variabilities over the Eastern Europe and WNP regions.

Most of automobile steering parts are manufactured through the multi-stage cold forging process using round-bar drawn materials. The same process is applied to the ball stud parts of the outer ball joint, and various research activities are being carried out to reduce the extreme manufacturing cost in order to survive in the limitless competition. In this paper, we present a quantitative prediction method for the limiting life of the die as a method for cost reduction in the multi-stage cold forging process. The load on the die was minimized by distributing the forming load based on process optimization through finite element analysis. In addition, based on the quantitative prediction algorithm of the limiting life of the die, the application of the split die and the optimization of the phosphate treatment of the material surface are presented as a conclusion as a method to improve the limiting life of the die.

본 연구에서는 유한요소해석 D/B를 기반으로 보간식을 산출하여 개활지 폭발현상에 의해 기둥에 작용하는 폭압이력을 예측하는 모델을 개발했다. D/B 구성을 위해 7종류 기둥 너비에 대해 총 70회의 유한요소해석을 수행했다. 제안하는 방법의 성능확인을 위해, 기존에 제시된 경험식 기반의 예측식과의 비교연구를 수행했다. 또한, D/B를 구성하는 point 외의 영역에서의 예측 정확도 확인을 위 해 유한요소해석 결과와의 비교/검증 연구를 추가로 수행했다. 제안하는 방법은 기존의 경험식 기반 예측식에 비해 유한요소해석 결 과와 유사한 결과를 산출함을 확인했다.

PURPOSES : The purpose of this study was to develop techniques for forecasting black ice using historical pavement temperature data collected by patrol cars and concurrent atmospheric data provided by the Korea Meteorological Administration. METHODS : To generate baseline data, the physical principle that ice forms when the pavement temperature is negative and lower than the dew-point temperature was exploited. To forecast frost-induced black ice, deep-learning algorithms were created using air, pavement, and dew point temperatures, as well as humidity, wind speed, and the z-value of the historical pavement temperature of the target segment. RESULTS : The suggested forecasting models were evaluated against baseline data generated by the above-mentioned physical principle using pavement temperature and atmospheric data gathered on a national highway in the vicinity of Young-dong in the Chungcheongbukdo province. The accuracies of the forecasting models for the bridge and roadway segments were 94% and 90%, respectively, indicating satisfactory results. CONCLUSIONS : Preventive anti-icing maintenance activities, such as applying anti-icing chemicals or activating road heating systems before roadways are covered with ice (frost), could be possible with the suggested methodologies. As a result, traffic safety on winter roads, especially at night, could be enhanced.

Recently, not only traditional statistical techniques but also machine learning algorithms have been used to make more accurate bankruptcy predictions. But the insolvency rate of companies dealing with financial institutions is very low, resulting in a data imbalance problem. In particular, since data imbalance negatively affects the performance of artificial intelligence models, it is necessary to first perform the data imbalance process. In additional, as artificial intelligence algorithms are advanced for precise decision-making, regulatory pressure related to securing transparency of Artificial Intelligence models is gradually increasing, such as mandating the installation of explanation functions for Artificial Intelligence models. Therefore, this study aims to present guidelines for eXplainable Artificial Intelligence-based corporate bankruptcy prediction methodology applying SMOTE techniques and LIME algorithms to solve a data imbalance problem and model transparency problem in predicting corporate bankruptcy. The implications of this study are as follows. First, it was confirmed that SMOTE can effectively solve the data imbalance issue, a problem that can be easily overlooked in predicting corporate bankruptcy. Second, through the LIME algorithm, the basis for predicting bankruptcy of the machine learning model was visualized, and derive improvement priorities of financial variables that increase the possibility of bankruptcy of companies. Third, the scope of application of the algorithm in future research was expanded by confirming the possibility of using SMOTE and LIME through case application.

This study intends to present a traffic node-based and link-based accident prediction models using XGBoost which is very excellent in performance among machine learning models, and to develop those models with sustainability and scalability. Also, we intend to present those models which predict the number of annual traffic accidents based on road types, weather conditions, and traffic information using XGBoost. To this end, data sets were constructed by collecting and preprocessing traffic accident information, road information, weather information, and traffic information. The SHAP method was used to identify the variables affecting the number of traffic accidents. The five main variables of the traffic node-based accident prediction model were snow cover, precipitation, the number of entering lanes and connected links, and slow speed. Otherwise, those of the traffic link-based accident prediction model were snow cover, precipitation, the number of lanes, road length, and slow speed. As the evaluation results of those models, the RMSE values of those models were each 0.2035 and 0.2107. In this study, only data from Sejong City were used to our models, but ours can be applied to all regions where traffic nodes and links are constructed. Therefore, our prediction models can be extended to a wider range.

본 연구는 조위 관측자료를 이용하여 부산항에서의 장기 조위 자료를 생성하는 Long Short-Term Memory (LSTM)으로 구현된 순환신경망 모델을 개발하였다. 국립해양조사원의 부산 신항과 통영에서 관측된 조위 자료를 모델 입력 자료로 사용하여 부산항의 조위 를 예측하였다. 모델에 대하여 2019년 1월 한 달의 학습을 수행하였으며, 이후 2019년 2월에서 2020년 1월까지 1년에 대하여 정확도를 계 산하였다. 구축된 모델은 부산 신항과 통영의 조위 시계열을 함께 입력한 경우에 상관계수 0.997 및 평균 제곱근 오차 2.69 m로 가장 성 능이 높았다. 본 연구 결과를 바탕으로 딥러닝 순환신경망 모델을 이용하여 임의 항만의 장기 조위 자료 예측이 가능함을 알 수 있었다.

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행 하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법 이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석 방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점 을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계 학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였 다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개 발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변 화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층 6에서 r2 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연 구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예 측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이 터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아 가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단 계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.

국내 주요 사회기반시설의 70% 이상이 철근콘크리트 구조물로 구성되어 있다. 최근 다양한 사회적ㆍ환경적 변화로 인한 내하력 저하 및 노후화 진행이 발생됨에 따라 섬유강화 복합소재(FRP)를 활용한 유지보수 수요 및 비용이 급격히 증가되 고 있다. 이에 따라 보다 경제적이고 효율적으로 FRP 보강재를 활용함에 있어서 성능을 예측할 수 있는 방법이 요구된다. 본 연구에서는 CFRPㆍBFRP 복합재료를 실험 대상으로 선정하고 성능을 결정하는 주요 인자인 섬유/수지 함침률을 54.3%, 43.9%, 39% 3가지로 분류하여 성능을 평가하고 이를 활용하여 FRP의 성능을 예측할 수 있는 모델식을 개발하고자 하였다. 매개변수에 따른 성능평가 결과, 두 섬유 모두 함침률이 낮아질수록 재료성능 또한 감소되는 것이 확인되었으며, 특히 BFRP의 경우 39%의 함침률에서 감소폭이 CFRP 대비 더 큰 것으로 나타났다. 실험 결과와 기존의 예측 모델식과의 성능 비교를 통해 약 15%의 오 차가 나타나는 것을 확인하였으며, 이에 따른 보정계수를 산정하여 예측 모델식을 재정립하였다.

During decommissioning of a nuclear power plant, a large amount of radioactive waste is produced, and it is known to cost more than 300 billion won to dispose the waste. To reduce the disposal cost, it is essential to minimize the number of radioactive waste drums, which can be achieved by detecting and removing hotspot contaminations in the radioactive waste drums. Therefore, a Compton CT system for radioactive waste monitoring is under development, which provides the images of both the internal structure of the drum and the radioactive hotspot(s) in the drum. Based on the acquired information, the activity of hotspots can be estimated. The performance of the system is affected by various geometry factors. Therefore, it is essential to determine optimal configuration by evaluating the effects of the factors on the performance of the system. In the present study, we determined the optimum value of the factors and then predicted the performance of the optimized system by using a simulator based on the Geant4 Monte Carlo simulation. For optimization, the factors were evaluated in terms of structural similarity index measure (SSIM) and measurement time. The considered factors were the activity of the CT source, source to object distance (SOD), object to detector distance (ODD), and projection angle. The simulation result showed that the activities of the CT sources were determined as 23 mCi for 137Cs and 9.6 mCi for 60Co. The optimal SOD and ODD were 180 cm and 40 cm, respectively. The optimal projection angle was evaluated as 4° since it achieves the SSIM of 0.95 faster than other projection angles. With the optimized parameters, the performance of the system was evaluated using the IAEA gamma CT standard phantom containing a hotspot of 137Cs (7.02 μCi). The Compton image was reconstructed using the back-projection algorithm, and the CT image was reconstructed using the filtered back-projection algorithm. The result showed that the location of the hotspot in the Compton image was well identified at the true position. The acquired CT image also well represented the internal structure of the phantom, and the estimated mean linear attenuation coefficient value (μ= 0.0789 cm−1) of the phantom was close to the true value (μ= 0.0752 cm−1). In addition, the hotspot activity estimated by combining the information of the Compton image and CT image was 8.06 μCi. Hence, it was found that the Compton CT system provides essential information for radioactive waste drums.

The evaluation of the damage ratio of spent nuclear fuel is a very important intermediate variable for dry storage risk assessment, which requires an interdisciplinary and comprehensive investigation. It is known that the pinch load applied to the cladding can leaded to Mode-3 failure and the cladding becomes more vulnerable to this failure mode with the existence of radial hydrides and other forms of mechanical defects. In this study, the failure resistance of Zircaloy-4 cladding against the pinch load is investigated using numerical simulations assuming the existence of radial hydrides. The simulation model is based on the microscopic images of cladding. A pixel-based finite element model was created by separating the Zircaloy-4 and hydride using the image segmentation method. The image segmentation method uses a morphology operation basis, which is a preprocessing method through erosion operation after image expansion to enable normal segmentation by emphasizing pixels corresponding to hydrides. The segmented images are converted into a finite element model by assigning node and element numbers together with corresponding material properties. Using the generated hydride cladding finite element model, several numerical methods are investigated to simulate crack propagation and cladding failure under pinch load. Using extended finite element (XFEM) models the initiation and propagation of a discrete crack along an arbitrary, solution-dependent path can be simulated without the requirement of remeshing. The applicability of fracture mechanical parameters such as stress intensity, J-integral was also investigated.

본 논문은 CFD 해석법을 이용한 단일선체 및 이중선체 선박의 손상에 따른 기름 유출량 추정 결과를 소개한다. 수치해석 기법 으로 다상유동 해석법을 사용하고 기름 유출 유동에 대한 다양한 수치해석적 조건의 변화에 대한 영향을 조사하였다. 좌초 또는 충돌에 의한 다양한 손상 조건에서의 기름 유출량의 변화를 해석하였으며 실험 결과를 통해 검증하였다. 본 논문의 수치해석 결과는 단일선체와 이중선체의 기하학적 특성을 따라 실험 결과와 잘 일치하였다. 특별히 물과 기름의 복잡한 상호작용이 나타나는 이중선체의 기름 유출 상황도 실험과 동일하게 타당하게 예측하였다. 본 연구를 통해 사고 선박의 기름 유출량 추정에 필요한 CFD기법을 정립할 수 있었다.

가시광선 영역의 스펙트럼과 근적외선 영역의 스펙트럼을 포함하는 다중스펙트럼 기반 정밀 감지 기술은 농작물 품질, 스트레스 및 식물 병 진단 등의 비침습적 분석 및 감지에 성공적으로 적용되고 있고 원격 감지를 위한 센서 기술로 인정받고 있다. 다중스펙트럼 기반 원격 감지는 다양한 작물에서 다양한 병을 감지, 모니터링 및 정량화하는 데 사용되어 왔다. 본 연구의 목적은 양파노균병 감염의 지표로 엽록소 함량 관련된 다중스펙트럼 기반 식생 지수(Vegetation Index) 지표의 사용을 평가하는 것이다. 양파노균병은 주로 2~3월에 발생하고 양파 생산에 가장 큰 손실을 야기하는 양파병 중 하나다. 2021년 3월 중순경 공간적으로 분리된 경상남도 함양과 전라남도 무안 지역에서 노균병이 심하게 걸린 양파 노지 포장을 시험구로 사용하였다. 다중스펙트럼 카메라가 장착된 드론을 사용하여 다중스펙트럼 이미지를 얻었고 농작물 식생 지수 분석에 주로 사용되는 NDVI, NDRE 및 GNDVI 값을 분석하였다. 지상 20 m에서 얻은 다중스펙트럼의 NDVI, NDRE 및 GNDVI 수치의 히스토그램은 0 에 집중되어 있었는데 이는 주로 흙과 암석에서 나타나는 수치에 해당한다. 이는 양파 재배 특성상 물 빠짐을 좋게 하기 위해 조성한 고랑들이 식생 지수 수치를 왜곡한 것을 판단되었다. 양파가 없는 고랑으로 인한 식생 지수 왜곡을 배제하기 위해 지상 2 m에서 다중스펙트럼 이미지를 얻었고 이들의 식생 지수를 분석한 결과, NDVI 수치가 건전 양파와 노균병 감염 양파 간 차이를 뚜렷하게 구분할 수 있었다. GNDV 및 NDRE 값은 완전히 성장한 식물에서 높은 엽록소 민감도를 통해 식물 발달을 분석하기 위한 NDVI에 대한 경쟁적 식생 지수인데, 2~3월경 양파의 불완전한 생육으로 인해 캐노피가 부족하여 GNDVI와 NDRE의 민감도가 떨어진 것으로 추정된다. 노균병에 걸린 양파의 NDVI 수치는 0 값에 집중되어 있는 반면, 건전한 양파는 0.5 값에 걸쳐 있었는데, 이러한 결과는 생육환경이 전혀 다르고 지역적으로 분리된 함양과 무안 지역에서 재배되고 자연적으로 발생한 양파에서도 동일한 결과를 도출하였다. 본 연구의 결과를 종합하며, NDVI는 양파노균병 발생 감지에 적용할 수 있는 것으로 평가되고 뿐만 아니라 전문가 진단에 따른 변동성과 반복성의 변화를 극복할 수 있는 대안이 될 수 있을 것으로 평가된다.