하수처리장 유출수의 수질 예측은 수질 사고의 사전 대응 및 처리장의 안정적인 운영을 위해 필수적인 요소이다. 최근 머신러닝을 활용한 예측 모델링에서 예측 성능 향상과 과적합 방지를 위해 다양한 교차 검증법과 하이퍼파라미터 최적화 기법이 활용되고 있으나, 하수처리장 데이터는 시간적 의존성과 급격한 변동성이 내재되어 있어 과적합에 취약하고 안정적인 모델 구축에 어려움이 따른다. 본 연구에서는 이러한 데이터 특성을 효과적으로 반영할 수 있는 최적의 모델링 파이프라인을 구축하고자 하였으며, XGBoost 모델을 기반으로 유출수 내 총질소 농도를 예측하였다. 예측 성능 평가 지표로는 평균 제곱근 오차(Root Mean Square Error, RMSE), 결정계수(coefficient of determination, R2), RMSE 오차 개선율(the rate of improvement on RMSE, RIRRMSE) 그리고 계산 시간을 사용하였다. 기본적인 Hold-out 방식의 성능을 기준으로 K-fold, 시계열 교차 검증(Time Series Cross Validation, TSCV), 블록 시계열 교차 검증(Blocked Time Series Cross Validation, BTSCV) 기법의 예측 성능을 분석한 결과, BTSCV는 인접한 데이터만을 고려하는 방식으로 시간적 의존성과 급변 특성을 효과적으로 반영하여 가장 높은 RIR(36.37%)을 기록하였다. 또한, 하이퍼파라미터 최적화(그리드 서치와 베이지안 최적화) 기법과의 다양한 교차 검증법의 조합을 통해 모델 성능과 과적합 방지 효과를 분석한 결과, BTSCV와 베이지안 최적화의 결합은 짧은 계산 시간(364.64초)과 함께 가장 높은 RIR(64.93%)을 보였으며, 훈련 및 평가 데이터 간 성능 차이도 최소화되어 일반화된 예측 모델로서의 효과성이 입증되었다. 따라서 본 연구는 하수처리장 시계열 데이터의 특성에 적합한 BTSCV와 베이지안 최적화 기법을 결합한 모델링 파이프라인 전략을 제안하며, 향후 실시간 수질 모니터링 및 하수처리장 운영 효율성 제고에 기여할 수 있을 것으로 기대된다.

본 연구는 UN의 지속가능발전 세 번째 목표가 주창하는 ‘모두의 건강 한 삶 보장(Healthy life for all)’의 관점에서 미국 연방 및 주정부의 청 년 건강정책 사례와 실태를 분석하고 한국과 국제사회에 주는 정책적 시 사점을 도출하고자 하였다. 이를 위해 미국의 ACA, Healthy People 2030, WSCC 사례를 중심으로 정책 구조와 성과를 고찰한 결과 청년층 의 건강을 생애주기적 관점에서 통합적으로 관리하고 예방하는 체계를 확인할 수 있었다. 아울러 미국 청년 건강정책의 주요 대상인 12세-17세 와 18-34세 두 연령집단의 건강권 보장(무보험자 비율)과 정신건강(우울 감 또는 불안정서 지속 경험자 비율)의 추이를 파악하기 위해 미국 질병 관리본부(NHIS)의 최근 4개년 자료(2019년~2023년)와 아동가족통계포럼 의 최근 17개년 자료(2004-2021년)를 시계열 분석하였다. 분석 결과, 무 보험자 비율은 전반적으로 감소 추세를 보인 반면 2020년 이후 우울감 을 겪고 있는 청소년과 불안증을 겪는 청년층의 비율은 급격히 증가하여 코로나19 이후 청년층의 정신건강 악화 가능성을 시사하였다. 전술한 결 과로부터 본 연구는 한국 사회 또한 건강과 웰빙을 포괄하는 방향으로 청년정책 설계 및 방향을 전환해야 할 당위성을 논의하였다. 나아가 국 제사회가 주창하는 건강권 보장의 차원에서 청소년기부터 시작되는 누적 적 불이익을 사전 예방하기 위한 제도적 개입과 증거기반 정책수립의 필 요성을 촉구하였다.

생태계 내에서 일어나는 모든 현상은 매우 느리고 긴 시간에 걸쳐서 이루어진다. 그렇기에 생태계 내에서 일어나는 현상을 이해하고 연구하기 위해 장기생태연구가 필요하다. 현재 우리나라의 소나무는 단일 수종으로 가장 넓게 분포하 고 있으나 기후변화 및 음수로의 천이과정 등 다양한 요인에 의하여 변화가 예상된다. 변화과정에 대한 모니터링은 생태계 과정의 이해와 임분관리 등에 있어서 매우 중요한 부분을 차지하므로 장기생태모니터링구에 대한 매목조사와 변화상 분석을 실시하였다. 국가장기생태연구의 조사지로 구축된 지리산 소나무림(100m × 100m)을 대상으로 격년별 (2017년, 2019년, 2021년, 2023년) 4회 매목조사를 실시하였고, 매목조사자료를 바탕으로 밀도, 흉고단면적, 중요치, 직경급 분포, 수간건강상태, 고사율, 이입률 등의 분석을 실시하였다. 소나무개체군의 밀도는 6년 동안 292본/㏊에서 272본/㏊으로 6.8% 가량 감소하였고, 특히 비목나무는 6년 동안 161본/㏊에서 46본/㏊으로 71.4% 가량 크게 감소하였 다. 흉고단면적(㎡/㏊)은 비목나무를 제외한 모든 수종이 증가하였고 이에 따라 중요치는 비목나무만 감소하고 이외 모든 수종은 증가하거나 유지되는 경향으로 나타났다. 직경급 분포에서 전제 구성종은 10㎝ 미만의 직경급이 가장 높은 역 J자형을 보이고 소나무는 30-40㎝의 직경급의 개체목이 가장 많은 정규분포형을 보였다. 소나무의 수간건강상 태에서 AS가 2017년에 76.1%(252본/㏊)로 가장 높게 나타났지만 AL과 DF의 증가로 인해 2023년에 ㏊당 63.4%(210 본/㏊)로 12.8%(42본/㏊)감소하였다. 소나무의 6년간 연평균고사율은 1.18%, 연평균이입률은 진계목이 발생하지 않아 나타나지 않았다. 그러나 비목나무의 6년간 연평균고사율은 19.75%로 높게 나타났다. 지리산 소나무림의 소나무 개체 군 밀도는 감소하나 흉고단면적, 중요치는 유지되어 양호한 생육상태인 것으로 나타났지만 진계목이 발생하지 않았고 이는 소나무가 양수의 특성에 기인된 것으로 판단되었다. 앞으로 소나무개체군, 비목나무개체군, 삼나무개체군, 굴참나 무개체군 등 개체군 변화에 대한 지속적인 후속 연구가 필요할 것으로 판단되었다.

Time-series and spatial analysis of collected odor complaints in Seoul megacity during 2014~2021 were conducted for the characterization of odor complaints emitted from the living environment. The ratio of odor complaints in the environmental complaints was 16.7%, and odor complaints increased 3.3 times from 9,053 cases in 2014 to a maximum of 29,425 cases in 2019. In the time-based evaluation (monthly, daily (day of the week), and hourly variations), the highest number of complaints occurred in June, Monday, and 9:00 AM, respectively. While the lowest number of complaints occurred in December, Sunday, and 3:00 AM, respectively. Among 25 provinces in Seoul megacity, the odor complaints that occurred from 2014 to 2021 were concentrated in Eunpyeonggu. The odor complaints of Seodaemun-gu and Nowon-gu occurred at the highest levels in January-February and June, respectively. Based on the characteristics of odor complaint occurrence according to the above time-series and spatial analyses, more effective odor management and control can be implemented by focusing on those hotspot areas and specific time periods.

This study examined the spatiotemporal changes in Jilnal Wetland using satellite image-based time series data and field surveys. The analysis focused on changes in open water surface area and vegetation using the JRC Surface Water Monthly Water History dataset and Landsat imagery from 1984 to 2020. The impact of hydrological changes on vegetation was assessed through surveys conducted before and after the 2023 monsoon season. Results indicated a continuous decrease in open water surface area since the 1980s, with a sharp decline post-2003. NDVI analysis showed an inverse relationship between water area reduction and increased vegetation vigor and coverage. Field surveys revealed that hydrological changes directly affected vegetation structure, leading to new herbaceous communities and greater diversity post-monsoon. These findings highlight significant ecosystem changes driven by anthropogenic factors and natural succession, necessitating a comprehensive conservation strategy, including development control, hydrological management, terrestrialization prevention, and long-term monitoring.

본 연구는 Esping-Andersen의 복지레짐을 대표하는 영국, 독일, 스웨 덴 청년 빈곤 관련 정책동향을 탐색하고 실태를 분석하는 데 주요 목적 을 두었다. 세 국가의 청년실업 해소를 위한 노동시장 정책을 분석한 결 과 공통적으로 불평등의 구조적 완화에 방점을 두고 있으며, 상대적 빈 곤율 및 니트족 비율과 같은 지표를 활용하여 관련 정책의 성과를 실증 적으로 탐색하는 데 제도적 노력을 기울이고 있었다. 아울러 정책 프로 그램 사례를 분석한 결과 파트너십, 신뢰, 인간적 관계 형성과 같은 사회 적 자원 및 지지가 중요한 성공요인으로 파악되었다. 유럽연합 통계청 (Eurostat)의 자료를 바탕으로 2014년-2023년 기간 세 국가의 청년 빈 곤율과 니트비율을 시계열 분석한 결과 독일의 청년 빈곤율은 코로나가 시작된 2020년 22%로 급증한 추이가 포착되었다. 스웨덴 또한 청년 빈 곤율과 니트비율은 2019년까지 감소세를 보이다 2020년 이후 니트비율 은 7%로 증가하는 추세가 확인되었다. 유럽연합 탈퇴로 2019년까지 통 계청 자료가 공개된 자유주의 모델의 영국 또한 2017년 이후 청년 빈곤 율과 니트비율이 증가하는 양상이 나타났다. 본 논문의 결론에서는 각 국가의 사례로부터 한국 빈곤 청년층의 문제를 완화하기 위한 정책적 시 사점과 교육제도 혁신의 필요성을 심도 있게 논의하였다.

한국의 주택시장은 2020년대에 들어 유례없는 폭등과 폭락을 반복하는 등 매우 민감한 가격 변동을 경험하였다. 특히 2024년 9월 서울특별시에서는 거래량 급감에도 불구하고 역대 최고 아파트 평균 매매가격이 경신되기도 하였다. 하지만 이러한 주택시장의 변동성은 지역에 따라 다소 이질적인 특성을 보이고 있다. 이에 본 연구에서는 최근 10년 간의 시계열적인 매매가격지 수를 기반으로 수도권 아파트의 주택 하위시장을 유형화하고 그 특성을 살펴보고자 한다. 이를 위해 수도권 시군구 단위로 2014-2024년 월간 아파트 매매가격지수 데이터셋을 구축하였고, 자기조직화 지도를 사용하여 매트릭스 형태의 시계열적 가격 변동을 2차원 공간상에 매핑하여 그래프로 작성하였다. 그 후 동적 타임 워핑을 유사성 척도로 하는 K-평균 군집화 및 계층적 밀도 기반 군집화 알고리즘을 이용한 시계열 군집 분석을 수행하여 주택 하위시장을 식별하였다. 연구 결과, 수도권 지역에서는 공통적으로 2014년 이후 아파트 매매가격이 지속적으로 상승하였고, 2020년을 기점으로 폭등한 후 2022년 급락하는 경향을 보였다. 그러나 지역별로 가격 변동의 정도와 패턴, 속도가 상이하였고 이에 대한 유형화를 진행한 결과 최종적으로 계단형(서울 인근 경기도 지역), 단기변동형(경기도 남･북부 지역), 안정형(경기도 서부 지역), 외곽 저속개발(수도권 외곽 및 접경지역), 지속상승(서울 및 인접 경기도 지역) 총 5개의 하위시장을 확인할 수 있었다. 본 연구는 민감한 가격 변동을 보이는 수도권 아파트의 하위시장을 실증적으로 구분하고, 하위시장의 독특한 시공간적 패턴에 대한 이해를 제공함으로써 향후 실효성 있는 지역 특수적 주택 정책 수립에 기여할 것으로 기대된다.

Researching and estimating the ecological characteristics of target fish species is crucial for fisheries resource management. The results of these estimates significantly influence stock assessments and management reference points such as size limit and closed seasons. Recently, ecological characteristics have been changing due to overfishing, climate change, and marine pollution, making continuous estimation and monitoring essential. This study analyzed the ecological changes in small yellow croaker (Larimichthys polyactis) resources in Korea over 24 years (2000-2023) using biological data (growth and gonad traits). By estimating the annual length-weight relationship and length at maturity (L50 and L95), we interpreted the numerical trends of early maturation due to resource depletion. The parameter b of the length-weight relationship, indicating the nutritional status of the resources, showed a slight increase over the years, suggesting relatively good nutritional status (b > 3.0) during most periods. Trend analysis between length at maturity and biomass indicated that as biomass decreased, maturity length also decreased.

본 연구는 대상지 내 녹지의 변화상을 GIS를 활용하여 시계열적으로 분석하고 이에 병행하여 연대순 녹지정책과 예산투입현황을 비교분석하여 녹지정책의 제안점을 도출하고자 한다. 본 연구에서는 첫 째, GIS분석을 통한 토지피복 변화량 분석을 통해 대전시 녹지변화 특성을 분석한다. 둘째, 대전시 녹지 정책 방향을 조사, 분석한다. 셋째, 분석한 녹지변화 특성과 대전시 정책방향 분석을 비교 분석하여 결 론을 도출하고자 한다. 연구결과로써 첫째, 대전시의 녹지면적은 1989년도에서 1998년도에는 서구와 대덕구를 제외한 구에서 녹지의 면적 증가량이 많아 전체적인 녹지면적이 증가하였고 1998년도에서 2009년도에는 동구와 대덕구를 제외한 구에서 녹지의 면적 증가량이 많아 전체적인 녹지가 증가하였 다. 하지만 2009년도에서 2020년도에는 5개 구 모두 녹지가 감소하여 전체적인 녹지 또한 감소한 것을 알 수 있었다. 둘째, 녹지정책과 예산을 보면 전반적으로 예산은 증가하는 추세에 있다. 2017년부터는 전년 대비 예산이 2배 정도 증액되어 투입되었으며, 2010년 대비 2020년에는 345%나 증가하였다. 각 구별로는 2010년에는 유성구>대덕구>동구>서구>중구로 예산이 많았으나 2020년에는 유성구>대덕 구>서구>동구>중구순이었다. 정책 또한 유성구, 서구, 동구, 중구, 대덕구 순으로 많은 정책을 시행하 였다. 마지막으로 비교분석 결과 유성구는 가장 많은 정책과 그에 따른 많은 예산을 썼으나 녹지의 감소 면적은 가장 많은 것으로 나타났다. 이와는 상반되게 대덕구는 가장 적은 정책과 세 번째로 적은 예산을 썼지만 녹지면적 변화는 가장 적게 나타났다. 시사점으로서 공원녹지의 기본바탕이 되는 녹지량은 시 가지 확장과 개발계획의 논리하에 지속해서 감소하여 가고 있다. 공원녹지의 새로운 흐름에 맞추어 양 적 확충에서 벗어나 질적인 측면에서 과감한 녹지정책의 발굴 및 예산의 확보를 통하여 시민들의 요구 도 및 쾌적한 도시환경의 균형적인 발전을 위한 노력이 요구된다.

In recent automated manufacturing systems, compressed air-based pneumatic cylinders have been widely used for basic perpetration including picking up and moving a target object. They are relatively categorized as small machines, but many linear or rotary cylinders play an important role in discrete manufacturing systems. Therefore, sudden operation stop or interruption due to a fault occurrence in pneumatic cylinders leads to a decrease in repair costs and production and even threatens the safety of workers. In this regard, this study proposed a fault detection technique by developing a time-variant deep learning model from multivariate sensor data analysis for estimating a current health state as four levels. In addition, it aims to establish a real-time fault detection system that allows workers to immediately identify and manage the cylinder’s status in either an actual shop floor or a remote management situation. To validate and verify the performance of the proposed system, we collected multivariate sensor signals from a rotary cylinder and it was successful in detecting the health state of the pneumatic cylinder with four severity levels. Furthermore, the optimal sensor location and signal type were analyzed through statistical inferences.

This study endeavors to enrich investment prospects in cryptocurrency by establishing a rationale for investment decisions. The primary objective involves evaluating the predictability of four prominent cryptocurrencies – Bitcoin, Ethereum, Litecoin, and EOS – and scrutinizing the efficacy of trading strategies developed based on the prediction model. To identify the most effective prediction model for each cryptocurrency annually, we employed three methodologies – AutoRegressive Integrated Moving Average (ARIMA), Long Short-Term Memory (LSTM), and Prophet – representing traditional statistics and artificial intelligence. These methods were applied across diverse periods and time intervals. The result suggested that Prophet trained on the previous 28 days' price history at 15-minute intervals generally yielded the highest performance. The results were validated through a random selection of 100 days (20 target dates per year) spanning from January 1st, 2018, to December 31st, 2022. The trading strategies were formulated based on the optimal-performing prediction model, grounded in the simple principle of assigning greater weight to more predictable assets. When the forecasting model indicates an upward trend, it is recommended to acquire the cryptocurrency with the investment amount determined by its performance. Experimental results consistently demonstrated that the proposed trading strategy yields higher returns compared to an equal portfolio employing a buy-and-hold strategy. The cryptocurrency trading model introduced in this paper carries two significant implications. Firstly, it facilitates the evolution of cryptocurrencies from speculative assets to investment instruments. Secondly, it plays a crucial role in advancing deep learning- based investment strategies by providing sound evidence for portfolio allocation. This addresses the black box issue, a notable weakness in deep learning, offering increased transparency to the model.