The precast concrete (PC) method allows for simple assembly and disassembly of structures; however, ensuring airtight connections is crucial to prevent energy loss and maintain optimal building performance. This study focuses on the analytical investigation of the shear capacity of precast ultra-high-performance concrete (UHPC) ribs combined with standard concrete PC cladding walls. Five specimens were tested under static loading conditions to evaluate their structural performance and the thermal behavior of the UHPC rib shear keys. Test results indicated that the specimens exhibited remarkable structural performance, with shear capacity approximately three times greater than that of standard concrete. Numerical models were subsequently developed to predict the shear capacity of the shear keys under various loading conditions. A comparison between the experimental results and finite element (FE) models showed a maximum strength difference of less than 10% and a rib displacement error of up to 1.76 mm. These findings demonstrated the efficiency of the FE model for the simulation of the behavior of structures.

본 연구는 초등학생들의 􍾧깊이 있는 학습􍾨을 위하여 AI 코스웨어를 활용한 개념기반 탐구수업의 통 합 모델을 교육공학적으로 개발하는데 목적이 있다. 이를 위하여 개념기반 교육과정 및 수업(CBCI)과 AI 코스웨어에 대한 문헌연구로 이론적 토대를 마련하고, AI 코스웨어 활용 개념기반 탐구수업의 통합 모델을 설계 및 개발하였다. 연구 결과는 다음과 같다. 첫째, AI 코스웨어 활용 개념기반 탐구수업의 모델을 진단분석, 전략설정, 수업설계(개념질문-과제탐색-과제해결-개념성찰), 전이촉진으로 명료화 하였다. 둘째, 패러다임 변화 이론에 따라, 통합 모델의 혁신 가능성을 평가하고 새로운 교육 패러다임 의 실질적인 적용 가능성을 통찰하였다. 이를 토대로 사례분석부터 모형구상, 모형숙의, 모형수정 과정 을 반복하며 통합 모델을 정교화하였다. 마지막으로, AI 코스웨어 활용 개념기반 탐구수업 연구에 참 여한 자문그룹과 워킹그룹을 심층 인터뷰하여 통합 모델의 설계-실행-생성 과정을 검토하고 교육과 정 및 수업의 적용과 실행을 위한 시사점을 도출하였다. 결론적으로, 본 연구는 AI 코스웨어와 개념기 반 탐구수업의 통합적인 방법론의 효과성을 확인하였으며, 향후 연구와 개발에 대한 지속적인 노력이 필요하다는 점을 시사한다.

한국도로공사에서는 전 세계적인 기후위기 대응에 동참하고, 탄소중립기본법, 탄소중립 녹색성장 기본계획 등 정부의 탄소중립 정책 에 부응하기 위하여 “생애전주기 친환경 대응체계”를 구축하였으며, 이에 도로포장의 생애주기 동안 발생되는 탄소배출량을 산출하기 위한 생애전주기평가(Life Cycle Assessment, LCA)의 필요성이 점차 대두되고 있다. 한국도로공사에서는 매년 고속도로 포장상태 모니터링 데이터를 활용하여 공용성을 예측함으로써 포장 유지관리 전략에 활용하고 있으나 이는 거시적인 측면에서의 포장 공용성 모델로 고속도로 포장의 형식, 재료, 공법 등을 고려한 미시적 측면에서의 공용성 모델 개발 및 개발 절차 정립이 필요할 것으로 판단된다. 따라서, 본 연구에서는 고속도로 장기공용성 관측구간(Long Term Pavement Performance, LTPP) 데이터베이스(DB)를 활용하여 고속도로 JCP 공용성 모델을 개발하기 위한 기초연구를 수행하였다. 본 연구에서는 포장상태지수(Highway Pavement Condition Index, HPCI), 표면손상(Surface Distress, SD), 종단평탄성(International Roughness Index, IRI)를 종속변수로, 각 구간별 누적 교통 및 기후인자를 독립변수로 설정하여 다양한 교통 및 환경 영향인자에 따 른 고속도로 JCP 공용성을 예측하기 위하여 기술통계분석, 상관분석, 분산분석, 다중회귀분석을 수행하였다. 고속도로 JCP 공용성에 대한 다중회귀분석 결과, HPCI 모델의 수정된 R2이 0.614.로 SD 모델(0.413)이나 IRI 모델(0.317)에 비하여 높은 설명력을 보이는 것으로 나타났으며, 개별 모델의 회귀식은 통계적으로 유의한 것으로 나타났다.

모빌리티 예측은 단순한 통행 경로 예측을 넘어, 사회 전반의 효율성 및 안전성 향상을 위한 핵심 데이터를 제공한다는 점에서 중 요하다. 기존의 예측 기법은 시공간적 규칙성과 개인 이동 패턴의 통계적 특성 분석에 주로 의존하였으며, 최근 딥러닝 기반의 시공간 모델링을 통해 예측 성능이 향상되었다. 그러나 여전히 개인 통행의 단기·장기적 시공간 의존성 및 복잡한 패턴을 처리하는 데 한계가 존재한다. 이를 극복하기 위해, 본 연구는 대규모 사전 학습된 거대 언어 모델(Large Language Model; LLM)을 도입하여, 개인 속성뿐 만 아니라 실제 통행 데이터를 반영한 객체 단위 통행 생성 프레임워크를 제안한다. LLM 기반(ChatGPT-4o) 객체 단위 통행 생성 프레 임워크는 (1) 개인 모빌리티 패턴 학습, (2) 통행 생성의 두 단계로 이루어진다. 이후 한국교통연구원의 개인통행 실태조사(2021) 데이 터를 이용하여 프레임워크의 통행 생성 성능을 확인하였다. 통행 시작·출발 시간 분포, 출발·도착지 장소 유형, 통행목적, 이용 교통수 단의 정확도를 확인한 결과, 대부분 항목에서 70% 이상의 정확도를 보였다. 하지만 통행목적은 13개의 목적 중 하나를 예측해야 하기 에 정확도가 다른 항목에 비해 약 40%로 낮게 나타났다. 본 연구는 통행 생성 프레임워크를 설계하고, 이에 맞춰 입력 데이터를 가공 및 프롬프트 엔지니어링을 수행함으로써 LLM 기반 통행 생성 기술의 가능성을 확인하였다. 향후 프레임워크의 예측 성능 검증 및 개 선을 위한 추가 연구가 필요하며, 날씨, 대규모 행사 등과 같은 외부 요인들을 고려하면 더욱 정교하고 현실적인 통행일지를 생성할 수 있을 것이다.

본 연구는 기온 상승에 따른 개별 콘크리트 슬래브의 팽창과 그로 인한 Pavemnent Growth 및 Blow-up 현상을 분석하고 예측하기 위 해 수행되었다. 기온이 상승함에 따라 슬래브는 팽창하며, 콘크리트 슬래브들의 팽창량은 팽창 줄눈 사이에 존재하는 모든 수축 줄눈 이 닫히게 될 정도로 발생하게 되고 그 결과 모든 슬래브들이 접촉하게 된다. 온도의 추가적인 증가로 슬래브가 계속해서 팽창하게 되면 팽창 줄눈의 수축 허용 폭을 초과하는 경우 일체화된 슬래브 내에서 압축 응력이 발생하게 되며, 이러한 현상을 "Pavement Growth"라 정의된다. 이로 인해 콘크리트 포장은 팽창하면서 파손이나 균열에서 좌굴 및 파괴와 같은 압력 관련 문제를 일으킬 수 있 다. 이는 교량 및 도로 내 접근 구조물과 같은 인접 구조물에도 손상을 줄 수 있다. 그러나 현재 사용 가능한 이론적 해결책이나 Pavement Growth 평가 방법과 Blow-up 예측에 관한 연구는 매우 제한적이다. 따라서 본 연구에서는 콘크리트 포장의 팽창을 예측하기 위해 Pavement Growth 및 Blow-up 분석 모델인 PGBA(Pavement Growth and Blow-up Analysis) Model을 개발하였다. 이 모델은 기후 조 건, 포장 구조, 재료, 팽창 줄눈 등의 요인을 고려하였다. 본 모델은 일체화된 슬래브가 팽창하여 팽창 줄눈의 수축 허용 폭을 초과하 는 시기를 결정한다. 슬래브와 기층 사이의 Frictional Darg 및 슬래브의 End Restraint으로 인해 발생하는 압축 응력을 계산 할 수 있는 것이다. 또한 Geometric Imperfection의 변화에 따른 Blow-up Stress를 검토하기 위해 Large-scale Blow-up Test를 진행하였으며, 측정된 결과를 Blow-up 발생 임계값으로 사용하였다. 일체화된 슬래브 내부에 발생하는 연도별 압축 응력을 예측하고 Blow-up Stress와 비교 하여 압축 응력이 Blow-up Stress를 초과하는 시점을 Blow-up 발생 시기로 선정하였다.

Many school buildings are vulnerable to earthquakes because they were built before mandatory seismic design was applied. This study uses machine learning to develop an algorithm that rapidly constructs an optimal reinforcement scheme with simple information for non-ductile reinforced concrete school buildings built according to standard design drawings in the 1980s. We utilize a decision tree (DT) model that can conservatively predict the failure type of reinforced concrete columns through machine learning that rapidly determines the failure type of reinforced concrete columns with simple information, and through this, a methodology is developed to construct an optimal reinforcement scheme for the confinement ratio (CR) for ductility enhancement and the stiffness ratio (SR) for stiffness enhancement. By examining the failure types of columns according to changes in confinement ratio and stiffness ratio, we propose a retrofit scheme for school buildings with masonry walls and present the maximum applicable stiffness ratio and the allowable range of stiffness ratio increase for the minimum and maximum values of confinement ratio. This retrofit scheme construction methodology allows for faster construction than existing analysis methods.

This study aims to propose a simplified equation for estimating the bond strength of corroded reinforcing bars. To this end, extensive parametric analyses were performed using the detailed analysis method presented in the authors’ previous study, where a wide range of critical variables were considered, such as compressive strength of concrete, net cover thickness, and reinforcing bar diameter. The sensitivity in bond strength of the corroded reinforcing bar according to each variable was evaluated. On this basis, a simplified formula for the bond strength of the corroded reinforcing bar was derived through regression analysis. The proposed equation was rigorously tested and verified using the bond test results of corroded reinforcing bars collected from the literature. The results confirmed that the proposed equation could estimate the bond strengths of specimens with better accuracy than the existing models, providing a reliable tool for engineers and researchers. In addition, the proposed equation was used to analyze the development length required for corroded tensile reinforcement to exert its yield strength, and it showed that the cover thickness of concrete must be at least four times the diameter of the reinforcing bar to achieve the yielding strength of reinforcing bar even at a corrosion degree of more than 5.0%.

The health and working conditions of employees have become increasingly important issues in modern society. In recent years, there has been a continuous rise in problems related to the deterioration of workers’ alth, which seriously affects their safety and overall quality of life. Although existing research has investigated various factors affecting workers’ health and working conditions, there is still a lack of studies that scientifically analyze and identify key variables from the vast number of factors. This study employs the Lasso (Least Absolute Shrinkage and Selection Operator) technique to mathematically analyze the key variables influencing workers’ health status and satisfaction with their working environment. Lasso is a technique used in machine learning to identify a small number of variables that impact the dependent variable among a large set of variables, thereby reducing model complexity and improving predictive accuracy. The results of the study can be utilized in efficiently improving workers’ health and working environments by focusing on a smaller set of impactful variables.

본 연구는 로파이 걸과 포트나이트의 협업 사례를 통해 게임과 음악 IP 융합의 비즈니스 모델을 분석했다. 비즈니스 모델 캔버스를 활용한 질적 사례 분석 방법을 사용했으며, 공식 발표 자료, 뉴스 기사, 업계 보 고서 등의 2차 자료를 분석했다. 연구 결과, '가치 제안' 면에서 로파이 걸 세계관의 게임 내 구현과 실시간 음악 스트리밍의 결합으로 독특한 경험을 제공했다. '채널 전략'으로는 게임 플랫폼, 유튜브 등 멀티채널 접근을 활용했다. '고객 관계' 측면에서는 게임 내 커뮤니티 형성과 실시 간 소통을 통해 사용자 참여를 극대화했다. '수익원'은 게임 내 아이템 판매, 음악 스트리밍 수익 등으로 다각화했다. '핵심 자원'으로는 로파이 걸 IP, 포트나이트 게임 엔진 등이 활용되었고, '핵심 활동'으로는 게임 업데이트, 음악 큐레이션 등이 수행되었다. '핵심 파트너십'은 음악 아티 스트, 스트리밍 플랫폼 등과 이루어졌으며, '비용 구조'는 게임 개발, 음 악 라이센싱, 마케팅 비용 등으로 구성되었다. 또한, 크로스 미디어 전략 의 주요 특징은 음악과 게임을 융합하는 미디어 간 경계 허물기, 2D에서 3D를 연결하는 IP의 확장을 통한 재해석 그리고 멀티 플랫폼 전략 등이 확인되었다. 본 연구 결과를 통해, 디지털 엔터테인먼트 산업의 크로스 미디어 전략의 IP 확장, 사용자 경험 혁신, 다각화된 수익 모델은 새로운 비즈니스 기회를 제시하며, 정책적 대안으로 크로스 미디어 협업 지원 체계 마련, IP 활용 창작자 지원 등의 투자 정책 수립 등이 필요하다.

최근 인공지능 분야에서 가장 활발히 연구되고 있는 거대 언어 모델은 교육에 대한 응용 가능성을 보 이며, 교육학의 거의 모든 분야에서 그 활용 방안이 연구되고 있다. 이러한 연구는 공학 교육에서도 주목 받고 있다. 그러나 구체적인 활용 분야와 방법에 대해서는 아직 많은 연구가 필요한 상황이다. 특히, 거대 언어 모델을 이용한 교육과정 설계와 개선에 대한 연구는 인공지능 공학과 교육학 두 분야에서 모두 중요한 연구 과제로 부각되고 있다. 이러한 응용 필요성에 대한 예시이자 전략으로써, 본 연구는 OpenAI에서 발표한 최신 거대 언어 모델인 ChatGPT-4o를 이용하여 한국과학기술원(KAIST) 공과대학 학부 전공 과 목과 S전자 DS부문(반도체사업부) 직무 사이의 연관성을 분석하고, 그 결과를 기반으로 대학과 기업체 양측에 반도체 산업 인력 양성과 채용에 대한 실질적인 응용 전략을 제안한다. 이를 위해 KAIST 공과대 학 학부과정에 개설된 모든 전공 과목과 S전자 DS부문(반도체사업부)의 직무기술서를 ChatGPT-4o에 학습시켜 각 과목이 특정 제품군, 직무와 가지는 연관성을 특정 범위와 기준에 의거하여 정량화된 점수로 평가했다. 또한, 각각의 직무, 전공, 과목별로 확보한 데이터를 기초적인 통계 분석을 통해 평가했으며, 구직자와 구인자의 활용 가능성에 초점을 두고 특정 전공의 각 직무별 연관성과 특정 직무의 각 전공별 연관성, 그리고 특정 직무 및 전공의 반도체 제품군별 연관성 등 다양한 조건에서 분석을 진행하였다. 또 한 본 전략에 대한 반도체 산업 실무자 견해를 수집하여 실제 전략으로의 활용 가능성을 검증하였다. 분 석 결과, 간단한 질문과 분석만으로도 전공, 교과목별로 유의미한 직무 연관성의 차이를 확인했다. 이러한 결과를 바탕으로 본 연구는 대학 교육과정의 개선과 기업 채용 및 양성 과정에서의 응용 전략을 제시한 다. 이 연구는 대학과 산업 간의 협력을 통해 인적자원 개발과 채용 효율성 증대에 기여할 것으로 기대한 다. 또한, 후속 연구로 구직자와 구인자, 교수자 등 본 연구의 효과를 확인할 수 있는 집단을 대상으로 한 대규모 설문조사 및 전문가그룹 대상 질적연구 등을 제안하여 실제 활용도와의 비교 분석 연구를 제안 한다. 결론적으로, 본 연구는 거대 언어 모델을 활용하여 필요한 인재를 양성하기 위한 교육 과정 설계의 구체적인 응용 가능성을 제시함으로써, 인공지능을 이용한 교육 분야에 대한 기여 방안을 모색한다.

건축 토목 구조물에 작용하는 하중은 알 수 없는 경우가 대부분이므로 구조물에 대한 시스템 식별 알고리듬은 외부하중을 백 색잡음으로 가정한다. 이러한 가정은 일면 타당성이 있으나 와류하중과 같이 스펙트럼이 특정한 형태를 가지고 있는 경우 모달 파라 미터 특히 감쇠비 추정의 불확실성의 원인이 되고 있다. 본 연구에서는 구조물의 응답으로부터 역 계산된 하중을 이용하여 하중모델 을 구축하고 이를 이용하여 감쇠비를 추정하는 새로운 기법을 제안한다. 본 제안 기법은 외부하중을 백색잡음으로 가정하는 기존 VDS 기법을 기반으로 외부하중 스펙트럼 모델을 고려할 수 있는 보다 일반화된 기법이다. 제안된 추정기법을 직사각형단면 공탄성모델에 대한 공기력진동실험으로 수행하여 구한 가속도 응답에 적용하여 감쇠비추정의 신뢰성을 검증하였다. 풍속에 따라 풍하중 모델을 구 축하고 와류공진, 와류공진 전 후의 공력감쇠비를 평가한 결과 안정적이며, 신뢰도가 높은 감쇠비 추정이 가능함을 알 수 있었다.

Dynamic responses of nuclear power plant structure subjected to earthquake loads should be carefully investigated for safety. Because nuclear power plant structure are usually constructed by material of reinforced concrete, the aging deterioration of R.C. have no small effect on structural behavior of nuclear power plant structure. Therefore, aging deterioration of R.C. nuclear power plant structure should be considered for exact prediction of seismic responses of the structure. In this study, a machine learning model for seismic response prediction of nuclear power plant structure was developed by considering aging deterioration. The OPR-1000 was selected as an example structure for numerical simulation. The OPR-1000 was originally designated as the Korean Standard Nuclear Power Plant (KSNP), and was re-designated as the OPR-1000 in 2005 for foreign sales. 500 artificial ground motions were generated based on site characteristics of Korea. Elastic modulus, damping ratio, poisson’s ratio and density were selected to consider material property variation due to aging deterioration. Six machine learning algorithms such as, Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost), were used t o construct seispic response prediction model. 13 intensity measures and 4 material properties were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks present good prediction performance considering aging deterioration.

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.

The purpose of this study is to identify factors that influence consumers’ acceptance intentions towards Direct-to-Consumer (DTC) Genetic Testing service. DTC genetic testing service can be considered in two aspects: the application of new technology in genetic testing customers can directly purchase and the services for receiving the test results customer can’t directly analyze. Existing technology-based acceptance models have difficulty fully explaining consumers’ acceptance intentions towards DTC genetic testing services. Therefore, this study aims to propose a new acceptance model considering these two characteristics. A survey was conducted with 377 potential consumers for this research. The analysis revealed that health interest, prior knowledge, subjective norms, innovativeness, perceived usefulness, and perceived value affect consumers’ acceptance intentions. The results obtained through this study can help establish strategies and marketing plans necessary for the diffusion of services, such as DTC genetic testing services, that combine a new technology and a service. In the long term, the accumulated DTC genetic testing results data can contribute to the development of national genetic information infrastructure and preventive medical applications, as well as improve individuals’ quality of life.

The purpose of this study is to analyze the characteristic of quality attributes of smart hotels by using a SERVQUAL-IPA model, focusing on Chinese, which has the most proactive approach for the adoption of smart hotel system. Toward this goal, six quality factors—tangibles, reliability, assurance, responsiveness, empathy, and playfulness—were extracted through factor analysis, and IPA was used to appraise the degree of importance and satisfaction for each quality attribute. As a result of the SERVQUAL-IPA model, quality attributes were categorized into four groups of 'keep up the good work,' 'possible overkill,' 'low priority,' and 'concentrate here.'. Furthermore, it was concluded that there is a need to focus on the following elements: ‘smart devices can assist customers in emergency situations’, ‘when the room control system identifies customer needs, the staff can provide prompt service’, ‘development and improvement of mobile applications that enable customers to control room amenities’, ‘regular maintenance for smart devices’, and ‘providing data-driven personalized recommendations through customer activity data analysis’.

본 연구는 소래풀을 경관화훼로 이용하기 위해 온도조건에 따른 발아특성을 알아보고 회귀분석(bilinear, parabolic, beta distribution)모델을 통해 주요온도(최저, 최적 및 최고온 도)를 구명하고자 하였다. 소래풀 종자는 5, 10, 15, 20, 25, 30, 35℃ 항온 조건 중 25℃에서 약 6~7일만에 최종발아율이 100%에 도달하였으며, 발아세, 발아속도, 평균발아속도와 평균발아시간이 각각 100%, 21.37ea/day, 14.48, 4.39일 로 다른 처리보다 발아특성이 우수하였다. 이를 바탕으로 발아 속도(germination rate, GR)가 50%인 시점(GR50)을 역수로 (1/GR50)하여 주요온도를 분석한 결과, bilinear모델의 경우, 최저, 최적 및 최고온도는 4.8℃, 25.8℃, 35.6℃였으며 (R2=0.9566, p<0.001), parabolic모델은 최저온도 6.1℃, 최 적온도 21.6℃, 최고온도 36.7℃였다(R2=0.8818, p<0.001). 또한 beta distribution 모델의 주요온도는 최저온도 6.1℃, 최 적온도는 23.1℃, 최고온도 40.1℃였다(R2=0.9102, p<0.001). 본 연구에서 분석한 회귀모델 모두 0.1% 수준에서 통계적 유의 차가 인정된 것으로 보아 소래풀 종자의 발아 시 최저온도는 4.8~6.1℃, 최고온도는 35.6~40.1℃, 최적온도는 21.6~25.8℃ 이며, 50% 이상의 발아율을 기대하였을 때 온도의 범위는 20~25℃가 적합할 것으로 판단된다. 이와 같은 결과는 소래풀 을 이용하여 경관조성을 할 때 파종 및 발아시기를 예측할 수 있는 자료로 활용될 수 있을 것으로 판단된다. 그러나 경관조성 을 하는 현장에서 실질적인 도움을 제공할 수 있도록 발아의 주요온도 모델과 함께 식물의 생물계절 관점에서 추가적인 연구 가 필요할 것으로 판단된다.

본 연구는 연안해양 수치모델에 활용되는 LDAPS 강우예보 자료의 시공간적 오차와 한계점을 분석하고 자료의 신뢰성을 검증 하였다. LDAPS 강우자료의 검증은 진해만 주변 우량계 3개소를 기준으로 2020년의 강우를 비교하였으며 우량계와 LDAPS의 비교 결과, LDAPS 강우자료는 장기적인 강우의 경향은 대체로 잘 재현하였으나 단기적으로는 큰 차이를 보였다. 정량적인 강우량 오차는 연간 197.5mm였으며, 특히 하계는 285.4mm로 나타나 계절적으로 강우변동이 큰 시기일수록 누적 강우량의 차이가 증가하였다. 강우 발생 시점 의 경우 약 8시간의 시간 지연을 나타내어 LDPAS 강우자료의 시간적 오차가 연안해양환경 예측 시 정확도를 크게 감소시킬 수 있는 것 으로 나타났다. 연안의 강우를 정확히 반영하지 못하는 LDAPS 강우자료를 무분별하게 사용할 경우 연안역에서 오염물질 확산 또는 극한 강우로 인한 연안환경 변화 예측에 심각한 문제를 발생시킬 수 있으며 LDAPS 강우자료의 적절한 활용을 위해서는 검증과 추가적인 개선 을 통한 정확도 향상이 필요하다.

Obesity is the cause of many diseases, and its severity continues to increase. Promoting non-shivering thermogenesis is attracting attention as a new treatment strategy for obesity. This study summarized the studies that evaluated the effect of Panax ginseng on promoting non-shivering thermogenesis in animal models. A total of 7 studies were included according to the selection criteria, of which five were judged to have a high risk of bias. Indicators of UCP1 mRNA, UCP1 protein, and PGC- 1a were used in the meta-analysis, and the certainty of evidence progressed for each indicator, with UCP1 protein showing the highest certainty of evidence. Meta-analysis was conducted on 5 works of literature with standard indicators. As a result of meta-analysis, UCP1 protein level and PGC-1a mRNA level were significantly increased statistically. In addition, the protein levels of PRDM16 and TFAM increased in several studies (not a meta-analysis). These findings suggest that Panax ginseng could be a potential therapeutic agent for obesity. However, further research is needed to understand its mechanisms and possible side effects fully. Thus, it is concluded that Panax ginseng in animal models can promote non-shivering thermogenesis and improve mitochondria function in animal models, opening up new avenues for research and potential clinical applications.

본 연구는 돼지 간 거리(PD), 돈사 내 상대 습도(RRH), 돈사 내 이산화탄소(RCO2) 세 가지 변수를 사용하여, 네 개의 데이터 세트를 구성하고, 이를 다중 선형 회귀(MLR), 서포트 벡터 회귀(SVR) 및 랜덤 포레스트 회귀(RFR) 세 가지 모델 기계학습(ML)에 적용하여, 돈사 내 온도(RT)를 예측하고자 한다. 2022년 10월 5일부터 11월 19일까지 실험을 진행하였다. Hik-vision 2D카메라를 사용하여, 돈사 내 영상을 기록하였다. 이후 ArcMap 프로그램을 사용하여, 돈사 내 영상에서 추출한 이미지 안 돼지의 PD를 계산하였다. 축산환경관리시스템(LEMS) 센서를 사용하여, RT, RRH 및 RCO2를 측정하였다. 연구 결과 각 변수 간 상관분석 시 RT와 PD 간의 강한 양의 상관관계가 나타났다(r > 0.75). 네 가지 데이터 세트 중 데이터 세트 3을 사용한 ML 모델이 높은 정확도가 나타났으며, 세 가지 회귀 모델 중에서 RFR 모델이 가장 우수한 성능을 보였다.