This study deals with the application of an artificial neural network (ANN) model to predict power consumption for utilizing seawater source heat pumps of recirculating aquaculture system. An integrated dynamic simulation model was constructed using the TRNSYS program to obtain input and output data for the ANN model to predict the power consumption of the recirculating aquaculture system with a heat pump system. Data obtained from the TRNSYS program were analyzed using linear regression, and converted into optimal data necessary for the ANN model through normalization. To optimize the ANN-based power consumption prediction model, the hyper parameters of ANN were determined using the Bayesian optimization. ANN simulation results showed that ANN models with optimized hyper parameters exhibited acceptably high predictive accuracy conforming to ASHRAE standards.

1개월과 3개월 장기 예보를 지원하기 위해 기상청에서 현업운용 중인 GloSea6 기후예측시스템에는 대기 중 대 기화학-에어로졸 물리과정(UKCA)이 연동되어 있지 않다. 본 연구에서는 저해상도의 GloSea6와 여기에 대기화학-에어로 졸 과정을 연동시킨 GloSea6-UKCA를 CentOS 기반 리눅스 클러스터에 설치하여 2000년 봄철에 대한 예비적인 예측 결과를 살펴보았다. 현업 고해상도 GloSea6 모델이 방대한 전산자원을 필요로 한다는 점을 고려할 때, 저해상도 GloSea6와 GloSea6-UKCA 모델은 대기화학-에어로졸 과정의 연동에 따른 효과를 살펴보기에 적합하다. 저해상도 GloSea6와 GloSea6-UKCA는 2000년 3월 1일 00Z부터 75일 간 구동되었으며, 두 모델이 예측한 2000년 4월 지상 기온과 일평균 강수량의 공간 분포를 ERA5 재분석자료와 비교하였다. GloSea6-UKCA가 예측한 기온과 강수 분포는 기존 GloSea6에 비해 ERA5 재분석자료에 보다 더 유사해졌다. 특히 우리나라를 포함한 동아시아 지역에 대해 과대 모의 경 향이 있던 봄철 지상 기온과 일평균 강수량의 예측 결과의 개선이 주목할 만하다. 또한 적분 시간에 따른 예측된 기온 과 강수량의 시계열에서도 GloSea6-UKCA가 GloSea6보다 재분석자료에 더 가까워진 시간 변화 경향을 살펴볼 수 있었 다. 이는 대기화학-에어로졸 과정이 GloSea6에 연동되었을 때 동아시아지역 봄철 예측 성능이 개선될 수 있음을 보여준다.

수소는 다양한 신재생에너지 중 환경친화적인 에너지로 각광받고 있지만 농업에 적용된 사례는 드물다. 본 연구는 수소 연료전지 삼중 열병합 시스템을 온실에 적용하여 에너지를 절 약하고 온실가스를 줄이고자 한다. 이 시스템은 배출된 열을 회수하면서 수소로부터 난방, 냉각 및 전기를 생산할 수 있다. 수소 연료 전지 삼중 열 병합 시스템을 온실에 적용하기 위해 서는 온실의 냉난방 부하 분석이 필요하다. 이를 위해서는 온 실의 형태, 냉난방 시스템, 작물 등을 고려해야 한다. 따라서 본 연구에서는 건물 에너지 시뮬레이션(BES)을 활용하여 냉 난방 부하를 추정하고자 한다. 전주지역의 토마토를 재배하 는 반밀폐형 온실을 대상으로 2012년부터 2021년까지의 기 상데이터를 수집하여 분석했다. 온실 설계도를 참고하여 피 복재와 골조를 모델화하여 작물 에너지와 토양 에너지 교환을 실시했다. 건물 에너지 시뮬레이션의 유효성을 검증하기 위 해 작물의 유무에 의한 분석, 정적 에너지 및 동적 에너지 분석 을 실시했다. 또한 월별 최대 냉난방 부하 분석에 의해 평균 최 대 난방 용량 449,578kJ·h-1, 냉방 용량 431,187kJ·h-1이 산정 되었다.

In modern society, the delivery service market has grown explosively due to rapid changes in social structure and the recent COVID-19 pandemic. Therefore, various problems such as injury to workers and an increase in human accidents are occurring due to the loading and unloading of parcels. In order to solve this problem, domestic company n is developing a “robot-based cargo loading and unloading system”. In developing a new technology system, quantitative reliability targets should be set for efficient operation and development. In this paper, reliability analysis was conducted through field data for the pneumatic gripper of the “robot-based cargo loading system”. The reliability of the failure data was analyzed to estimate the distribution parameters and MTTF. Random data was derived for the probability of occurrence of a failure with the estimated value. By repeating the simulation to predict the number and year of failures according to the estimated parameters of the probability distribution, it was proposed as a method that reflects realistic probabilities rather than calculating with simple arithmetic using the average MTTF previously used in the field.

본 연구는 양계사내에서 작업자의 위치를 예측하기 위해 BLE 비콘을 이용한 위치 서비스 시스템을 제안한다. 애플리케이션을 개발하여 스마트 단말기로 비콘의 데이터를 수집하고, 수집한 데이터를 기반으로 핑거프린트 알고리즘을 이용한 스코어맵을 생성하였다. 작업자의 위치 예측은 스코어맵과 양계사내에서 실시간으로 수집한 데이터를 유사도 알고리즘을 이용하여 예측하였다. 실험대상 양계사에서 작업자 위치를 예측한 결과 일반 데이터는 위치 예측 시 많은 오차와 낮은 정확도를 보이고, 일반데이터에 필터링을 적용한 알고리즘을 적용 시 위치 예측 정확도가 개선됨을 알 수 있다. 따라서 양계사내에서 BLE 비콘을 이용한 위치기반 서비스 제공이 가능함을 확인하였고, 스코어맵 기반 위치 예측 시스템만 적용했을 때 위치예측 결과보다 필터를 적용한 결과가 더 나은 결과를 보였다. 본 연구는 양계사내에서 BLE 비콘을 이용한 위치 예측이 강점을 가질 수 있는 것으로 보인다.

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.