해양 환경에서 발생하는 화재는 일반적인 화재 상황에 비해 빠르게 화염이 전파되기 때문에 초기 발견과 대응이 매우 중 요하다. 최근의 화재 감지 시스템은 카메라 센서와 딥러닝 검출 모델을 활용하여 개발되고 있지만, 해양 환경에 특화된 딥러닝 모델 을 학습하기 위해 해양 환경에서 화재 데이터를 실제로 수집하는 것은 기술적, 경제적 측면에서 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 언리얼 엔진 기반 가상 데이터 생성 도구를 활용하여 가상 환경에서 해양 환경을 구축하고 여러 상황 의 시나리오에서 데이터를 수집하여 해양 환경 화재 가상 데이터셋을 구축하였다. 가상 데이터셋으로 학습한 RT-DETR-L 모델은 실 제 해양 환경에서 발생한 화재 상황을 수집하여 제작한 테스트 데이터셋에서 mAP50:95 0.529를 달성하였다. 또한 가상 데이터로 학습 한 검출 모델은 일반적인 화재 상황이나 항만시설에서 연기만 발생하는 상황에서도 화재를 검출하는 것을 볼 수 있었다. 이를 통해 실제 데이터가 아닌 가상 데이터셋을 사용하여 데이터셋을 구축하여도 해양 환경 화재와 같은 특수한 상황에서의 검출 모델 성능 향 상에 도움을 줄 수 있다는 것을 확인하였다.

The Balloon-borne Investigation of Temperature and Speed of Electrons in the corona (BITSE) mission, performed by KASI and NASA, used a high-altitude scientific balloon. The purpose of BITSE was to investigate the scientific feasibility of electron temperature and velocity measurements in the solar corona using wavelength-dependent polarization brightness differences. KASI was responsible for developing the command and data handling (C&DH) system, including the main electronics unit and flight software (FSW). Here, we introduce the development of C&DH system of BITSE and describe the ground integration and test and flight operations. The main electronics unit was built using an industrial-grade modular system in customized enclosures that withstood the operating environment. The FSW was developed using the core Flight System (cFS), an open-source software framework developed by NASA and used in several successful space missions. BITSE was launched at Fort Sumner, New Mexico, USA, on September 18, 2019. It observed the solar corona for approximately 4 hours at an altitude of approximately 40 km and collected 16,000 solar corona images. This study could provide guidelines for developing the C&DH system for future balloon missions.

본 연구는 COVID-19 확산 이후 심각한 한국의 혐중 정서에 대해 체감하면서 이 와 같은 현상을 좀 더 실증적으로 확인하기 위해 빅데이터를 활용해서 분석한 것이 다. 이에 대한 양적 결과를 도출하고자 텍스트 마이닝을 활용한 빅데이터 분석을 수 행하였다. 이를 위해 소셜 매트릭스 프로그램인 텍스톰을 활용하여 네이버, 다음, 구 글과 같은 포털 사이트를 통해 중국에 관련한 키워드를 수집했고, 중국의 BAIDU(百 度)를 통해 한국에 관련된 키워드를 수집했다. 수집 기간은 COVID-19가 본격적으로 확산되기 시작한 2020년 1월부터 최근까지인 2022년 10월까지로 설정했고, 불필요한 키워드는 정제하여 핵심 키워드만을 본 연구에 사용했다. 한국과 중국이 서로에 대 한 상호 인식이 부정적이라도 막연함에서 벗어나 양적 결과를 통한 데이터 분석을 통해 살펴보고자 한다. 본 연구는 세 가지 연구 과제를 가지고 연구를 진행했다. 첫 째, 본 논문은 텍스트 마이닝을 통해 한국과 중국의 젊은이들이 언급한 핵심 키워드,특히 펜데믹 이후의 MZ세대들이 언급한 핵심 키워드를 도출하고자 했다. 둘째, CO VID-19 이후 한국과 중국의 MZ세대 상호인식과 관련된 키워드 사이의 의미 연결망 을 파악하고자 했다. 셋째, 본 논문은 핵심 키워드의 의미 연결망을 통해 도출된 한 국과 중국의 MZ세대에 대한 상호인식의 긍정성과 부정성의 정도를 시각화하고자 했 다. 이와 같은 연구를 진행하면서 한국 젊은이들이 중국에 비해 중국에 대한 부정적 인식이 긍정적 인식보다 두드러지는 것을 알 수 있었다. 결과에 대한 다양한 원인 분석을 통해 한·중 관계 특히 MZ 세대들이 긍정적인 관계성 전환을 도모하는 효과 적인 자료 제시와 전략을 구축하는데 의미 있는 시사점을 제안할 것으로 판단된다.

본 연구는 우리나라 해안에서 널리 서식 중인 해양 자원 중 하나인 전복(Haliotis discus hannai) 의 차세대염기서열분석 데이터 기반으로 선별한 신규 펩타이드의 항암 활성을 평가한 연구이 다. 펩타이드의 항암 활성은 교모세포종 세포주인 SNU-489에서 농도 의존적으로 처리 시간에 비례하여 증가하였으며, 200 μM로 48시간 처리하였을 때 암 세포 사멸율이 67%로 가장 높게 나타났다. 반면 정상 세포인 HaCaT에서 가장 높은 세포 사멸율은 18%로 농도 의존적이었으나 처리 시간과는 무관하였다. 또한 신규 펩타이드의 항암 메커니즘 과정을 밝히기 위해 세포자 멸괴사(Necroptosis) 관련 유전자의 발현 변화를 qRT-PCR 방법을 통해 검증하였다. RIPK3는 신 규 펩타이드 처리군에서 200 μM 처리 시 9배 이상 발현 증가, MLKL는 100 μM 처리군에서 대조군 대비 2배 이상 유의미하게 발현이 증가되었다. 이러한 결과로 미루어 볼 때, 전복 유래 신규 펩타이드는 암 세포 특이적으로 세포 독성을 가지며, 세포자멸괴사 메커니즘을 통해 암 세포 사멸을 일으키는 것으로 추측되므로 신규 펩타이드가 추후 교모세포종 치료제의 후보 물질로 활용될 수 있을 것으로 사료된다.

본 연구는 데이터 마이닝 기반 의사결정 나무 분석을 적용해 Z세대 스포츠 소비 스타일을 탐색 하여 Z세대가 주도할 스포츠 소비 시장을 예측하기 위한 기초자료를 제공하고자 했다. 따라서 Z세대 중 만 19세 이상 남성 및 여성을 표본으로 선정해 본 조사를 실시했으며, 총 429명의 자료를 최종 분석에 사용했다. 자료처리는 SPSS statistics(ver. 21.0) 프로그램을 이용하여 빈도분석, 탐색적 요인분석, 재검사 신 뢰도 및 신뢰도 분석, 의사결정 나무 분석을 실시했다. 본 연구의 주요 결과는 다음과 같다. 첫째, 합리 효율성 지수가 높고, 심미적 소비 지수가 낮을 경우 여성 집단으로 분류될 확률이 96.8%로 나타났다. 반면에 합리 효율성과 가격 지향 지수가 낮을 경우 남성 집단으로 분류될 확률이 100%로 나타났다. 둘째, 브랜드 지향, 가격 지향, 합리 효율성 지수가 높을 경우 수도권 집단으로 분류될 확률이 97.3%로 나타났다. 앞서 제시한 결과와는 상반적으로 브랜드 지향, 기념 의례, 지위 상징 지수가 낮을 경우 이외 지역 집단으로 분 류될 확률이 82.1%로 나타났다. 셋째, 지위 상징, 유행 지향 지수가 높으며, 기능성 지수가 낮을 경우 일상 생활 및 패션 집단으로 분류될 확률이 77.6%로 나타났다. 이와 반대로 지위 상징 지수가 낮고, 소속감 유지, 소비 향유 지수가 높을 경우 운동 및 경기 집단으로 분류될 확률이 81.0%로 나타났다.

최근 기후에 대한 관심이 증가하면서 전국단위 뿐만 아니라 지역 단위에서도 기후 지도가 필요하게 되었다. 본 연구에서는 기상청에서 제공하고 있는 무인자동 기상관측장비(AWS) 자료와 LANDSAT 8호 열적외선 영상을 이용하여 지상 기온 분포도를 제작하는 과정을 제시하였다. 지상 기온 분포도 제작을 위하여 기존에 사용되었던 AWS 자료의 공간 보간 기법, 열적외선 영상으로 부터 지표 온도 추출 기법, AWS 자료와 위성영상을 이용한 지상 기온 추출 기법을 비교하고, 지상 기온 분포도에 적합한 지도 제작 기법을 파악하였다. 본 연구의 결과 지상 기온 분포도 제작을 위해 AWS 자료와 위성영상을 이용한 지상 기온 추출 기법이 가장 적합한 것으로 나타났다. 본 연구에서 제시한 과정을 통하여 다양한 지역단위의 기후 지도를 제작할 수 있을 것으로 예상된다.

저류층 내에 부존되어 있는 탄화수소의 매장량을 계산하기 위해서는 그 저류층의 공극률이 필요하다. 일반적으로 시추공 이외의 지역에 대한 공극률은 시추공에서 얻은 공극률 검층자료로부터 외삽하여 얻지만, 시추공을 포함한 지역에서 획득한 탄성파탐사 자료가 존재하는 경우 시추공 자료와 함께 탄성파 탐사 자료를 이용하여 시추공 이외의 지역에서 보다 정확한 유사 공극률을 추출해낼 수 있다. 이 연구에서는 다항식 신경망 기법을 이용하여 탄성파 탐사 자료와 공극률 검층 자료로부터 유사 공극률 검층 자료를 생성하는 모듈을 개발하였다. 먼저 탄성파 탐사 자료로부터 추출된 지하매질의 특성을 나타내는 탄성파 속성(seismic attribute)과 심도에 따른 시간의 자료로 변환된 공극률 검층 자료로부터 다항식 신경망 기법을 사용하여 상관계수를 추출하였고 이 계수를 이용하여 시추공이 없는 지역에서의 공극률 정보를 생성하였다. 한편, 개발된 모듈에서는 보다 정확한 공극률을 획득하기 위하여 각각의 탄성파 속성들과 공극률 검층 자료와의 상관성 분석을 통해 상관성이 높은 탄성파 속성들을 사용하였다. 개발된 다항식 신경망 모듈의 신뢰성, 활용성을 검증하기 위하여 개발된 모듈을 북해 F3 지역의 현장자료에 적용하고, 얻어진 결과를 상용 프로그램에서 사용되는 확률론적 신경망 기법을 통해 얻어진 결과와 비교하였다. 두 방법으로부터 얻은 결과들은 유사한 결과를 보였으며 이를 통해 개발된 모듈의 신뢰성을 입증할 수 있었다. 또한, 다항식 신경망 기법으로부터 얻어진 유사 공극률 검층 자료가 확률론적 신경망 기법을 통해 얻어진 결과보다 실제 값에 더 가깝다는 것을 보여주었다. 따라서 북해 F3 지역과 같이 시추공 자료가 부족한 지역에서는 다항식 신경망 기법이 효과적임을 알 수 있었다.

I - BUILDS는 기존의 CAD 프로그랩인 BUILDS와 지식베이스룹 일판된 시스템으로 통합한 컨쓸설계용 전문가 시스댐이다. 본 시스템올 구축하기 위한 노력의 일환으로 본 논문에서논 추론에 의해 발생된 데이 타 뜰 을다양한계산능력을가지 변서 특별한 업부 도 수행할 수 있게 설계된 건붙의 일팔구조셜계 시스댐인 BUILDS 의 부시스템 (BUILDS - A ) 에 이용되도록 입력파일화하기 위한 기본적인 개념을 기술한다.

1996년부터 환경부에서 시행된 전국폐기물통계조사는 매 5년을 주기로 조사를 실시하며 폐기물의 종류별 발생 및 처리현황 파악 및 폐기물 발생원에 따른 발생원단위를 산정한다. 우리나라 현행 ｢폐기물관리법｣ 상에서는 폐기물을 생활계와 사업장계로 분류하고 있으며 사업장폐기물은 사업장일반계, 건설폐기물계, 지정폐기물계로 분류하고 있음. 지정폐기물계는 폐유, 폐산 등 환경을 오염시킬 수 있는 폐기물과 인체조직, 실험동물 사체 등의 의료폐기물로 규정하고 있다. 사업장 폐기물의 경우 올바로 시스템에 매년 실적보고를 하며 전국폐기물통계조사는 실적보고 자료와 별도의 추가 설문조사를 통해 사업장의 경제데이터를 확보한다. 제 5차 전국폐기물통계조사에서는 객관성 높은 통계 자료를 얻기 위해 모든 폐기물에 동일한 방법론을 적용했던 기존의 조사･분석 방법에서 사업장에 특성에 따른 조사를 실시하였고 무응답 조정 가중치 산출, 캘리브레이션 가중치 산출, 변동계수 산출 등 통계적 기법을 추가하였다. 의료폐기물과 지정폐기물의 경우 분석 시 공동운영기구 등 실적보고 대행업체를 고려, 원단위 오차를 줄였다. 의료폐기물은 격리의료폐기물, 병리계폐기물, 생물화학폐기물 등 총 8종이 있다. 전국폐기물 통계조사에서는 의료폐기물을 배출하는 업체를 종합병원, 병원, 의원 등 9개의 항목으로 구분하였고, 종사자수, 건물면적, 병상 수 등의 경제데이터를 수집하여 경제데이터 당 발생원단위를 산정하였다. 제 5차 전국 폐기물 통계조사에서 처음으로 신설된 항목은 병상 수(bed 수)이다. 법적으로 의료기관 구분 시병상 수를 기준으로 나눈다. 특히 의료기관의 경제데이터별 발생원단위를 살펴보면 종사자수, 건물면적보다 병상 수와 의료폐기물 발생량의 상관성이 높음을 볼 수 있다. 따라서 향후 통계조사에서 병상 수 항목을 유지하여 시계열성을 확보한다면 보다 활용도 높은 통계결과를 얻을 수 있을 것으로 사료된다.

폐기물 가스화 시스템은 폐기물을 원료로 하여 CO, H2 및 CH4이 주성분인 합성가스를 생산한다. 생산한 합성가스는 정제, 개질 공정을 통하여 발전, 연료, 화학원료 등으로 사용할 수 있다. 폐기물 가스화 시스템은 원료로 폐기물을 사용하고 복합 공정(전처리, 가스화, 정제, 개질, 합성가스 이용)으로 구성되어 있어 안정적으로 합성가스를 생산하기 위해서는 다양한 환경 및 운전변수를 고려한 고급 제어 기술이 필요하다. 일반적으로 폐기물 가스화 발전 시스템 제어는 PLC(Programmable Logic Controller)/DCS(Distributed Control System)와 연결된 HMI(Human Machine Interface)를 통하여 이루어진다. 오퍼레이터는 HMI를 통하여 폐기물 가스화 발전 시스템의 Equipment와 Instrument와 1:1로 매핑 된 정보를 확인하고 제어를 수행한다. 오퍼레이터가 이상 상태 발생 및 운전 조건 변경 상황에서 다양한 운전 변수들의 상관관계를 고려하여 제어하는 것은 불가능하다. 본 연구에서는 폐기물 가스화 발전 시스템의 운전 데이터를 실시간으로 모니터링하고 운전 변수들의 상관관계를 확인할 수 있는 시스템을 개발하였다. 폐기물 가스화 발전 운전 데이터 실시간 상관관계 모니터링 시스템은 운전 데이터를 데이터베이스에 저장하는 기능, 데이터베이스에 저장된 데이터를 조회하는 기능, 데이터베이스에 저장된 운전 데이터의 상관관계를 확인할 수 있는 기능, 조회된 데이터를 저장하는 기능 등으로 구성되어 있다. 운전 데이터를 데이터베이스에 저장하는 기능은 폐기물 가스화 발전 시스템을 제어하는 HMI에 스크립트로 처리하였으며, 다른 기능들은 시스템의 접근성 및 활용도를 고려하여 웹시스템으로 개발하였다.