The water consumption data of individual consumers must be analyzed and forecast to establish an effective water demand management plan. A k-mean cluster model that can monitor water use characteristics based on hourly water consumption data measured using automated meter reading devices and demographic factors is developed in this study. In addition, the quantification model that can estimate the daily water consumption is developed. K-mean cluster analysis based on the four clusters shows that the average silhouette coefficient is 0.63, also the silhouette coefficients of each cluster exceed 0.60, thereby verifying the high reliability of the cluster analysis. Furthermore, the clusters are clearly classified based on water usage and water usage patterns. The correlation coefficients of four quantification models for estimating water consumption exceed 0.74, confirming that the models can accurately simulate the investigated demographic data. The statistical significance of the models is considered reasonable, hence, they are applicable to the actual field. Because the use of automated smart water meters has become increasingly popular in recent year, water consumption has been metered remotely in many areas. The proposed methodology and the results obtained in this study are expected to facilitate improvements in the usability of smart water meters in the future.

집중은 관련된 사건을 선택적으로 주의하고, 관련 없는 사건을 무시하는 인간의 중요한 인지 기능중의 하나이다. 인간의 집중 능력을 관리 이용하는 컴퓨터 기반 장치에 있어서 집중과 비집중 상태를 구분하는 것은 필수적으로 요구되는 조건이다. 본 논문에서는, 뇌파신호로부터 분류기의 입력으로 사용되는 특징을 효율적으로 추출하기 위하여 비선형 반복 패턴 분석기법과 스펙트럼 분석 기법을 새로이 결합하였고(13개 특징 추출), 서포트벡터머신, 역전파 알고리즘, 선형분리, 로지스틱 회귀 분류 기반 분류기들을 포함하는 집중-비집중 분류기들의 성능을 분석하였다. 그중에서 81 %의 정확도를 보이는 서포트벡터머신 분류기가 가장 좋은 성능을 보였다. 또한 스펙트럼 분석으로 추출한 특징만을 사용하였을 경우(76 % 정확도)가 비선형 분석 방법으로 추출한 특징만을 사용했을 경우(67 % 정확도)보다 좀 더 우수한 성능을 보였다. 비선형-스펙트럼 분석법을 복합 적용한 서포트벡터머신 분류기가 추후 집중 관련 장비 설계에 있어서 효율적으로 적용될 수 있을 것이다.

This paper proposes a pattern recognition and classification algorithm based on a circular structure that can reflect the characteristics of the sEMG (surface electromyogram) signal measured in the arm without putting the placement limitation of electrodes. In order to recognize the same pattern at all times despite the electrode locations, the data acquisition of the circular structure is proposed so that all sEMG channels can be connected to one another. For the performance verification of the sEMG pattern recognition and classification using the developed algorithm, several experiments are conducted. First, although there are no differences in the sEMG signals themselves, the similar patterns are much better identified in the case of the circular structure algorithm than that of conventional linear ones. Second, a comparative analysis is shown with the supervised learning schemes such as MLP, CNN, and LSTM. In the results, the classification recognition accuracy of the circular structure is above 98% in all postures. It is much higher than the results obtained when the linear structure is used. The recognition difference between the circular and linear structures was the biggest with about 4% when the MLP network was used.

This paper presents a multiple DoFs (degrees-of-freedom) prosthetic forearm and sEMG (surface electromyogram) pattern recognition and motion intent classification of forearm amputee. The developed prosthetic forearm has 9 DoFs hand and single-DoF wrist, and the socket is designed considering wearability. In addition, the pattern recognition based on sEMG is proposed for prosthetic control. Several experiments were conducted to substantiate the performance of the prosthetic forearm. First, the developed prosthetic forearm could perform various motions required for activity of daily living of forearm amputee. It was able to control according to shape and size of the object. Additionally, the amputee was able to perform ‘tying up shoe’ using the prosthetic forearm. Secondly, pattern recognition and classification experiments using the sEMG signals were performed to find out whether it could classify the motions according to the user’s intents. For this purpose, sEMG signals were applied to the multilayer perceptron (MLP) for training and testing. As a result, overall classification accuracy arrived at 99.6% for all participants, and all the postures showed more than 97% accuracy.

산업의 발달로 인하여 플라스틱의 수요가 증가되고 있다. 산업현장과 가정에서 사용 후 배출되는 폐플라스틱은 많은 환경 문제를 야기 시키고 있으며, 이를 해결하기 위하여 적극적인 폐플라스틱 재활용 방안이 제안되고 있다. 폐플라스틱의 효율적으로 재활용하기 위해서는 재질별 선별이 이루어져야 하며, 재질별 선별을 위한 기술 개발은 지속적으로 이루어져 왔다. 최근에는 폐플라스틱의 재질별 선별에 근적외선분광법(NIR 선별기)가 가장 널리 사용되고 있으며, 우수한 재질 분류 성능을 보인다. 그러나 검정색 폐플라스틱의 경우 근적외선의 빛을 흡수하여 재질인식을 하지 못하는 단점을 가지고 있다. 본 연구에서는 이러한 근적외선분광법의 단점을 보완하기 위하여 분광기의 일종인 레이저유도플라즈마 분광기를 이용하여 검정색 플라스틱의 재질별 선별을 위하여, 플라스틱 고유의 스펙트럼을 획득한다. 분광기를 통해 얻어진 스펙트럼은 주성분분석법(Principal Component Analysis; PCA)을 이용하여 데이터 전처리(Preprocessing) 과정을 거친 후 입력 데이터를 얻는다. 데이터 전처리 과정을 통해 획득된 입력 데이터를 이용하여 플라스틱의 재질 인식을 위한 패턴 분류기로 퍼지집합 기반 신경회로망(Fuzzy-set based neural networks)을 이용한다. 퍼지 집합 기반 신경회로망은 퍼지 집합과 신경회로망의 장점을 결합한 퍼지 신경회로망의 일종으로 입력변수의 차원이 높은 경우에 좋은 성능을 보이는 신경회로망이다.

영동지역은 복잡한 지형적인 영향으로 다른 지역에 비해 이상기상이 빈번하게 나타나고 있으며 기상재해에 의한 피해 또한 타 지역보다 많다. 그중에서도 겨울철 영동지역으로 북동풍이 유입됨에 따라 발생하는 대설 현상에 의해 재해피해가 빈번하며 재해 복구비 또한 막대하다. 따라서 대설에 의한 재해피해를 예방하고자 겨울철(12, 1, 2, 3월) 일기도를 통해 종관패턴에 따른 강설(수)량과 재해피해의 연관성에 대해 연구할 필요가 있다. 본 연구에서는 최근 20년(1993 ~ 2002년) 기간 동안 겨울철에 영동지역으로 10 mm 이상의 강설(수)이 발생한 사례를 추출하여 총 11가지 유형으로 종관 패턴을 분류하고, 분류한 유형을 토대로 소방 방재청에서 제공되는 재해연보를 통해 재해 복구비를 조사하여 종관패턴에 따른 재해피해를 알아보고자 하였다. 영동지역에 10 mm 이상의 강설(수)이 발생한 사례는 총 177회이며, 이 중 기상재해가 발생한 사례는 24회로 나타났다. 그리고 한반도 남쪽에 저기압이 위치한 상태에서 한반도를 향해 기압골을 뻗어 강설(수)이 발생한 경우인 남쪽 기압골형(6회)과 저기압 중심이 한반도를 통과하는 저기압 통과형(6회)의 경우, 다른 유형보다 재해피해가 발생한 빈도수가 더 많았으며, 특히 남쪽 기압골형의 경우, 2011년 2월 11일 사례와 2001년 1월 7일 사례에서 약 160억 원과 150억 원의 재해 복구비가 지원되었으며, 저기압 통과형의 경우, 2001년 2월 15일 사례에서 약 110억 원의 재해 복구비가 지원되었다. 따라서 남쪽 기압골형과 저기압 통과형이 나타나는 경우, 대설로 인한 재해피해에 대해 각별한 주의가 필요하다. 또한, 기상재해가 발생한 24회의 사례 중 2000년 이후에 발생한 사례가 16회로 최근 들어 기상재해가 더욱 빈번해지고 있음을 확인하였다. 향후에는 기상재해가 발생한 유형에 대해 강수량, 강수 변동 폭 등 기상 변수에서 나타나는 특징과 재해 복구비와의 관계를 분석하여 대설에 의한 재해피해를 예방할 수 있는 기초자료를 제시할 필요가 있다.

우리나라는 기상학적으로 연중 총강수량의 약 2/3가 6~9월에 편중해서 내리고 있고, 지형적으로 국토의 70% 이상이 산지로 구성되어 경사가급해 수해를 입을 가능성이매우 크다. 또한 산업화 및 도시화로인해 불투수층의 증가로 강수량의 대부분이 직접유출로 기여해 강우초기에 노면상의 오염물질을 급속히 하천으로 이동시켜 오염을 가중시키고 있다. 특히 위락시설지역은 도시화에 따른 인구집중으로 지역민들에게 휴식공간 및 공원기능의 제공으로 비점오염원의 이동능력도 증

전자코를 이용하여 한국에서 주로 재배되고 있는 자포니카 44품종의 쌀과 밥의 향 패턴을 분석하여 얻은 결과는 다음과 같다. 1. 백미 44품종의 향은 주성분분석과 군집분석결과 만금, 남평 ,신동진쌀이 한 그룹으로, 대진, 추청쌀이 또 다른 그룹 분류되어 나머지 39품종 쌀의 향과는 구분이 되는 것으로 나타났다. 2. 밥의 향은 분석결과 44품종들이 제1주성분 값 -8에서 +6사이에서 고른 분포를 보이며 품종간 구분은 되어지지 않았다. 3. 쌀과 밥의 향 측정에 사용된 12개의 MOS센서가 얻은 값을 상관관계 분석한 결과 쌀의 향과 밥의 향과는 서로 유의성이 없어 전자코를 이용하여 쌀시료로 취반 후 밥의 향을 예측하는 것은 어려운 것으로 나타났다.

본 시험은 고구마 육종에 필요한 기초 자료를 제공하고자 1993년과 1994년에 작물시험장에서 보유하고 있는 유전자원 100품종에 대하여 전기영동법으로 esterase 동위효소와 단백질 특성을 분류하였던 바 결과는 다음과 같다. 1. 잎의 esterase 동위락소 특성은 14가지 형으로 분류되었고 Ⅸ형에 가장 많은 46품종이 속하여 있으며, 다음은 Ⅶ, I, III, Ⅷ, II 및 V형의 순으로 47품종이 속하여 있고 나머지 7품종은 각기 다른 특성을 가지고 있었다. 효소의 수가 많은 I형에는 신율미, Beniastma 및 High Starch 등 육질이 분질인 품종이 분포 되었다. 2. 괴근의 esterase 동위리소 특성은 18가지 형으로 분류되 었고 C형은 가장 많은 22품종을 포함하고 있으며 그 다음은 B, K, A, E, 1 및 N 형 순이었다. 3. 괴근의 단백질 특성은 7가지 형으로분류되었고 I형은 36품종, IV형 27품종을 포함하였으며 다음은 II, III, Ⅶ 및 Ⅵ형 순이었다. 4. 잎과 괴근의 major esterase 동위효소와 major 단백질 분석 결과 Beniastma, Beniaka, Beniazuma 및 Benikomachi, Shiroshistma와 Shiroshastma는 유사한 품종이었고 기타는 다른 품종임을 알 수 있었다.