This study aims to develop a regression model using data from the Ammunition Stockpile Reliability Program (ASRP) to predict the shelf life of 81mm mortar high-explosive shells. Ammunition is a single-use item that is discarded after use, and its quality is managed through sampling inspections. In particular, shelf life is closely related to the performance of the propellant. This research seeks to predict the shelf life of ammunition using a regression model. The experiment was conducted using 107 ASRP data points. The dependent variable was 'Storage Period', while the independent variables were 'Mean Ammunition Velocity,' 'Standard Deviation of Mean Ammunition Velocity,' and 'Stabilizer'. The explanatory power of the regression model was an R-squared value of 0.662. The results indicated that it takes approximately 55 years for the storage grade to change from A to C and about 62 years to change from C to D. The proposed model enhances the reliability of ammunition management, prevents unnecessary disposal, and contributes to the efficient use of defense resources. However, the model's explanatory power is somewhat limited due to the small dataset. Future research is expected to improve the model with additional data collection. Expanding the research to other types of ammunition may further aid in improving the military's ammunition management system.

In this study, a drifting test using a experimental vessel (2,966 tons) in the northern waters of Jeju was carried out for the first time in order to obtain the fundamental data for drift. During the test, it was shown that the average leeway speed and direction by GPS position were 0.362 m/s and 155.54° respectively and the leeway rate for wind speed was 8.80%. The analysis of linear regression modes about leeway speed and direction of the experimental vessel indicated that wind or current (i.e. explanatory variable) had a greater influence upon response variable (e.g. leeway speed or direction) with the speed of the wind and current rather than their directions. On the other hand, the result of multiple regression model analysis was able to predict that the direction was negative, and it was demonstrated that predicted values of leeway speed and direction using an experimental vessel is to be more influential by current than wind while the leeway speed through variance and covariance was positive. In terms of the leeway direction of the experimental vessel, the same result of the leeway speed appeared except for a possibility of the existence of multi-collinearity. Then, it can be interpreted that the explanatory variables were less descriptive in the predicted values of the leeway direction. As a result, the prediction of leeway speed and direction can be demonstrated as following equations. However, many drift tests using actual vessels and various drifting objects will provide reasonable estimations, so that they can help search and rescue fishing gears as well.

Identifying the water circulation status is one of the indispensable processes for watershed management in an urban area. Recently, various water circulation models have been developed to simulate the water circulation, but it takes a lot of time and cost to make a water circulation model that could adapt the characteristics of the watershed. This paper aims to develop a water circulation state estimation model that could easily calculate the status of water circulation in an urban watershed by using multiple linear regression analysis. The study watershed is a watershed in Seoul that applied the impermeable area ratio in 1962 and 2000. And, It was divided into 73 watersheds in order to consider changes in water circulation status according to the urban characteristic factors. The input data of the SHER(Similar Hydrologic Element Response) model, a water circulation model, were used as data for the urban characteristic factors of each watershed. A total of seven factors were considered as urban characteristic factors. Those factors included annual precipitation, watershed area, average land-surface slope, impervious surface ratio, coefficient of saturated permeability, hydraulic gradient of groundwater surface, and length of contact line with downstream block. With significance probabilities (or p-values) of 0.05 and below, all five models showed significant results in estimating the water circulation status such as the surface runoff rate and the evapotranspiration rate. The model that was applied all seven urban characteristics factors, can calculate the most similar results such as the existing water circulation model. The water circulation estimation model developed in this study is not only useful to simply estimate the water circulation status of ungauged watersheds but can also provide data for parameter calibration and validation.

The prediction of Jominy hardness curves and the effect of alloying elements on the hardenability of boron steels (19 different steels) are investigated using multiple regression analysis. To evaluate the hardenability of boron steels, Jominy end quenching tests are performed. Regardless of the alloy type, lath martensite structure is observed at the quenching end, and ferrite and pearlite structures are detected in the core. Some bainite microstructure also appears in areas where hardness is sharply reduced. Through multiple regression analysis method, the average multiplying factor (regression coefficient) for each alloying element is derived. As a result, B is found to be 6308.6, C is 71.5, Si is 59.4, Mn is 25.5, Ti is 13.8, and Cr is 24.5. The valid concentration ranges of the main alloying elements are 19 ppm < B < 28 ppm, 0.17 < C < 0.27 wt%, 0.19 < Si < 0.30 wt%, 0.75 < Mn < 1.15 wt%, 0.15 < Cr < 0.82 wt%, and 3 < N < 7 ppm. It is possible to predict changes of hardenability and hardness curves based on the above method. In the validation results of the multiple regression analysis, it is confirmed that the measured hardness values are within the error range of the predicted curves, regardless of alloy type.

이 연구에서는 Earth Observing System Terra 위성에 탑재된 Moderate Resolution Imaging Spectroradiometer (MODIS) 협대역 방출율(채널 29, 30, 31) 자료와 다중선형회귀모형을 이용하여 지표면 광대역 방출율을 추정하였다. 다중선형회귀모형 도출 및 검증을 위한 분광 방출율 자료는 MODIS University of California, Santa Barbara와 Advanced Spaceborne Thermal Emission and Reflection Radiometer spectral library 의 307종(토양 123종, 식생 32종, 물 19종, 인위적 재료 43종, 바위 90종)을 사용하였다. 도출된 다중선형회귀모형의 결정계수(R 2 )는 0.95 (p< .001)로 높 게 나타났고 또한 이 모형 결과와 이론적 광대역 방출율 값의 평균제곱근오차(Root Mean Square Error)는 0.0070이었다. 그리고 이 연구 결과에 따라 계산된 지표면 광대역 방출율을 선행 연구 Wang et al. (2005)의 결과와 비교하였다. 그 결과 아시아, 아프리카, 오세아니아 지역에서 이 연구와 Wang et al. (2005)의 결과에 대한 1월 평균 지표면 광대역 방출율의 평균제곱근오차는 0.0054이었고 최소와 최대 편차는 각각 0.0027과 0.0067이었으며 이러한 통계 값은 8월에 도 유사하였다. 이 연구에서 다중선형회귀모형에 의하여 계산한 지표면 광대역 방출율은 Wang et al. (2005)의 값과 큰 차이가 없이 비교적 정확하게 산출되었으나 산출 정확성 향상을 위해서는 토지피복특성에 따른 차별화된 회귀모형 적 용 필요성이 제기된다.

국내 수출입 물동량의 증가와 해운산업의 발달에 따라 항만시설물의 사용빈도 또한 증가 추세에 있으나, SOC의 해운항만 부문의 투입 정부예산은 감축되어 왔다. 증가하는 사용빈도에 반하여 줄고 있는 예산으로 인해 항만시설물의 체계적이고 효율적인 유지관리 및 운영이 필요하다. 효율적인 유지관리 시스템 구축을 위해서 항만시설물이 위치한 지역, 구조물의 형태 및 취급화종, 시공 및 유지관리 수준과 같은 특성을 고려한 열화모델 개발이 필요하다. 항만시설물의 열화모델 개발은 시설물의 열화요인 분석과 열화데이터 수집 및 열화 모델 개발의 과정으로 수행하였다. 열화 모델 개발기법은 변수 특성에 따른 시간 의존적 상태변화를 반영할 수 있는 결정론적 방법인 다중 회귀분석과 변동성이 큰 자료들의 상태이력을 반영할 수 있는 확률론적 방법인 마코브 체인 이론을 이용하였다. 각 방법을 통해 잔교식 구조물과 블록식 구조물의 Project level의 상태 열화모델을 제시하였다.

As a measure of health, the percentage of body fat has been utilized for many ergonomist, physician, athletic trainers, and work physiologists. Underwater weighing procedure for measuring the percentage of body fat is popular and accurate. However, it is relatively expensive, difficult to perform and requires large space. Anthropometric techniques can be utilized to predict the percentage of body fat in the field setting because they are easy to implement and require little space. In this concern, the purpose of this study was to find a regression model to easily predict the percentage of body fat using the anthropometric circumference measurements as predictor variables. In this study, the data for 10 anthropometric circumference measurements for 252 men were analyzed. A full model with ten predictor variables was constructed based on subjective knowledge and literature. The linear regression modeling consists of variable selection and various assumptions regarding the anticipated model. All possible regression models and the assumptions are evaluated using various statistical methods. Based on the evaluation, a reduced model was selected with five predictor variables to predict the percentage of body fat. The model is : % Body Fat = 2.704-0.601 (Neck Circumference) + 0.974 (Abdominal Circumference) -0.332 (Hip Circumference) + 0.409 (Arm Circumference) - 1.618 (Wrist Circumference) + ε. This model can be used to estimate the percentage of body fat using only a tape measure.

In this paper, we investigate how the power consumption of a heat pump dryer depends on various factors in the drying process by analyzing variables that affect the power consumption. Since there are in general many variables that affect the power consumption, for a feasible analysis, we utilize the principal component analysis to reduce the number of variables (or dimensionality) to two or three. We find that the first component is correlated positively to the entrance temperature of various devices such as compressor, expander, evaporator, and the second, negatively to condenser. We then model the power consumption as a multiple regression with two and/or three transformed variables of the selected principal components. We find that fitted value from the multiple regression explains 80~90% of the observed value of the power consumption. This results can be applied to a more elaborate control of the power consumption in the heat pump dryer.

Multivariate control charts are widely needed to monitor the production processes in various industry. Among the several multivariate control charts, control chart have been used of the typical technique. The control chart shows a statistic that represents observed variables and monitors the process through the statistic. In this case, the statistic generally have the limit that any variables affect to that statistic. To solve this problem, some studies have been progressed in the meantime. The representative method is to disassemble total statistic into each of the variable value and make a decision the parameters with large values than threshold value as a main cause. However, the means is requested to follow the normal distribution. To settle this problem, the bootstrap technique that don't be needed the probability distribution was introduced in 2011. In this paper, I introduced the detection technique of the fault variables using multiple regression analysis. There are two advantages; First, it is possible to use less samples than the ascertainment technique applying to bootstrap. Second, the technique using the regression analysis is easy to apply to the actual environment because the global threshold value is used.

이 연구는 북서태평양에서 여름철(7-9월) 동안 발생하는 태풍 빈도를 예측하기 위한 다중회귀모델을 4가지 원격패턴을 이용하여 개발하였다. 이 패턴은 4-5월 동안 동아시아 대륙에서의 시베리아 고기압 진동, 북태평양에서의 북태평양 진동, 호주근처의 남극진동, 적도 중앙태평양에서의 대기순환으로 대표된다. 이 통계모델은 이 모델로부터 예측된 높은 태풍발생빈도의 해와 낮은 태풍발생빈도의 해 사이에 차를 분석함으로써 검증되었다. 높은 태풍발생빈도의 해에는 다음과 같은 4가지의 아노말리 특성을 나타내었다: i) 동아시아 대륙에 고기압성 순환 아노말리(양의 시베리아 고기압진동), ii) 북태평양에 남저북고의 기압계 아노말리, iii) 호주 근처에 저기압성 순환 아노말리(양의 남극진동), iv) 봄부터 여름 동안 니뇨3.4 지역에 저기압성 순환 아노말리. 따라서 적도 서태평양에서 무역풍 아노말리는 양반구의 아열대 서태평양에 위치한 저기압성 순환 아노말리에 의해 약화되었다. 결국, 이러한 기압계 아노말리의 공간분포는 열대 서태평양에 대류를 억제하는 대신 아열대 서태평양에 대류를 강화시켰다.

In the ALC(Autoclaved lightweight concrete) manufacturing process, if the pre-cured semi-cake is removed after proper time is passed, it will be hard to retain the moisture and be easily cracked. Therefore, in this research, we took the research by multiple regression analysis to find relationship between variables for the prediction the hardness that is the control standard of the removal time. We study the relationship between Independent variables such as the V/T(Vibration Time), V/T movement, expansion height, curing time, placing temperature, Rising and C/S ratio and the Dependent variables, the hardness by multiple regression analysis. In this study, first, we calculated regression equation by the regression analysis, then we tried phased regression analysis, best subset regression analysis and residual analysis. At last, we could verify curing time, placing temperature, Rising and C/S ratio influence to the hardness by the estimated regression equation.

  Ultra-high voltage transformer industry has characteristic of small quantity batch production system by other order processing unlike general mass production systems. In this industry, observance of time deadline is very important in market competitive

In this study, we attempted to evaluate the relationship between air dilution sensory test and instrumental detection method for samples containing various odorous compounds. For the purpose of our comparative study, the analysis of malodor compounds was made using a total of 70 samples collected from three industrial sectors which include: Food & beverage, Waste treatment and cleaning, and Miscellaneous facilities. The results of instrumental analyses converted into three different odor indices (the odor concentration (OC), odor quotient (OQ), and odor intensity (OI)) were used to statistically sort out individual odorous components with the major impact. The results of multiple regression analysis between air dilution ratio value and instrumental odor concentration (of individual 12 compounds) indicate that butyraldehyde, CH₃SH, NH₃, and H₂S are the major odorous compounds that contribute most significantly to odor strength for the sample types investigated in this study.

강수는 다양한 대기 변수들의 영향으로 나타나기 때문에 비선형성이 매우 강하다. 따라서 역학 모형을 통해 예측된 강수의 보정은 비선형 모형인 인공 신경망 등을 통해 가능할 것이지만, 인공 신경망의 경우 초기 가중치 선택, 지역 최소화 문제, 뉴런의 수 결정 등의 문제로 인한 한계가 있다. 그러므로 본 연구에서는 가장 보편적으로 사용되는 다중 선형 회귀 모형을 이용하여 CGCM에 의해 모사된 강수를 보정하였으며, 예측성을 살펴보았다. 이를 위하여 우선 PNU/CME 접합 대순환 모형(Coupled General Circulation model, CGCM)(박혜선과 안중배, 2004)을 이용하여 1979년부터 2005년까지 매해 4월부터 8월까지 5개월간 앙상블 적분을 하였다. 적분 결과 중 한반도를 포함한 동북아시아 지역(110˚E-145˚E, 25˚N-55˚N)의 여름철인 6월(리드 2), 7월(리드 3), 8월(리드 4) 및 여름철 평균인 JJA(from June to August) 기간의 PNU/CME CGCM에 의해 모사된 강수를 보정하기 위해 다중 선형 회귀(Multiple Linear Regression, MLR)를 이용하였다. PNU/CME 접합 대순환 모형의 결과 중 강수, 500 hPa 연직 속도, 200 hPa 발산장, 지상 기온 등의 예측 인자와 관측 강수와의 선형적인 관계를 이용하여 MLR 모형을 구축하였다. 그리고 교차 검증(cross- validation)을 수행하여 PNU/CME 접합 대순환 모형의 결과와 교차 검증 결과를 비교하였다. 상관계수, 적중률 (hit rate), 오보율(false alarm rate) 그리고 Heidke 기술 점수(Heidke skill score) 등을 살펴본 바, 보정하지 않은 모형의 결과에 비해 MLR 모형을 이용하여 보정한 결과의 강수에 대한 예측성이 뛰어난 것을 알 수 있었다.

모바일 컨버전스가 확산되면서 많은 기업들은 다양한 기능을 통합한 컨버전스 제품을 출시하고 있다. 이러한 모바일 컨버전스는 휴대의 편의성과 디지털 기기의 특성상 기기들 간의 공통된 요소를 함께 사용할 수 있는 경제적인 측면과 사용상의 편리성 증가 등 여러 가지 장점을 가지고 있다. 그러나 컨버전스 경향에 힘입어 많은 제품이 시장에 출시되었으나 기대와는 달리 실패하는 사례가 발생하고 있다. 이것은 제품개발에 있어서 컨버전스 제품에 대한 소비자의 평가를 반영하는데 미흡한 결과로 볼 수 있다. 컨버전스 제품이 시장에서 살아남기 위해서는 제품의 우수성과 인프라 구축도 중요하지만 무엇보다도 소비자가 컨버전스 제품을 어떻게 평가하고 어떠한 요인의 영향을 받는지에 대한 이해가 필수적이라 할 수 있다. 그럼에도 불구하고 현재까지 모바일기기를 중심으로 제품 평가에 대한 연구가 미비했다. 따라서 본 연구는 모바일 컨버전스 제품에 대한 소비자 평가와 영향 요인을 알아보고자 한다. 본 연구는 설문조사 방법에 의해 이루어졌으며, 158명으로부터 수집한 자료는 분산분석과 다중회귀분석을 통해 분석하였다. 연구결과 상대적 이점, 복잡성, 관찰가능성(MP3, 게임), 지각된 편리성 등의 요인들이 유의적인 영향을 미치는 것으로 나타났다.

본 연구의 목적은 기상자료(강수량, 최고기온, 최저기온, 평균기온, 평균풍속) 기반의 다중선형 회귀모형을 개발하여 농업용저수지 저수율을 예측 하는 것이다. 나이브 베이즈 분류를 활용하여 전국 1,559개의 저수지를 지리형태학적 제원(유효저수량, 수혜면적, 유역면적, 위도, 경도 및 한발빈도)을 기준으로 30개 군집으로 분류하였다. 각 군집별로, 기상청 기상자료와 한국농어촌공사 저수지 저수율의 13년(2002~2014) 자료를 활용하여 월별 회귀모형을 유도하였다. 저수율의 회귀모형은 결정계수(R2)가 0.76, Nash-Sutcliffe efficiency (NSE)가 0.73, 평균제곱근오차가 8.33%로 나타났다. 회귀모형은 2년(2015~2016) 기간의 기상청 3개월 기상전망자료인 GloSea5 (GS5)를 사용하여 평가되었다. 현재저수율과 평년저수율에 의해 산정되는 저수지 가뭄지수(Reservoir Drought Index, RDI)에 의한 ROC (Receiver Operating Characteristics) 분석의 적중률은 관측값을 이용한 회귀식에서 0.80과 GS5를 이용한 회귀식에서 0.73으로 나타났다. 본 연구의 결과를 이용해 미래 저수율을 전망하여 안정적인 미래 농업용수 공급에 대한 의사결정 자료로 사용할 수 있을 것이다.