본 연구의 목적은 기존의 하드 타입의 관성 센서를 대체할 수 있는 소프트 원단 기반 팔꿈치 굽힘 각 센서를 개발하 고, 이를 이용하여 굽힘 각도를 추정하는 시스템을 개발하는 것이다. 본 연구에서는 비교 선정을 위하여 Bergamo, E-band, Span cushion, Polyester의 서로 다른 역학적 특성을 가진 4종류 원단에 SWCNT (Single-Walled Carbon Nanotubes) 함침을 통해 전도성을 부여한 후 성능 평가를 통하여 하나의 원단을 선정하여 팔꿈치 굽힘 각 센서로 제작 하였다. 성능을 평가하는 지표로 게이지율(Gauge factor), 이력현상(Hysteresis) 및 센싱 범위를 사용하였다. 제작된 센 서를 통해 얻은 데이터는 bending 동작에서의 각도에 대한 센서 출력값의 변화와 extending 동작에서의 각도에 대한 센서 출력값의 변화가 다른 경향을 갖고 있기 때문에 두 가지 동작을 나누는 것을 1-step으로 하였다. 2-step으로, 데이 터의 복잡한 비선형 관계를 처리하고 높은 데이터 정확도를 달성하기 위해 MLP (Multi-Layer Perceptron)를 활용하였 다. 따라서 소프트 텍스타일 굽힘 센서를 제작하였고, MLP를 통해 비선형 관계를 처리하고 각도 추정이 가능해졌다. 본 연구 결과를 기반으로 다양한 스마트 웨어러블 및 헬스케어 분야에서 효과적으로 활용되기를 기대한다.

In this study, we estimated the distribution density of giant jellyfish in coastal waters of Korea in 2023 and compared the occurrence of giant jellyfish over four years. In May, the giant jellyfish were mainly distributed in the waters of the Yangtze River outflow, and in July, they were highly distributed in the west of Jeju Island and near the south coast of Korea. In addition, when comparing the distribution densities of giant jellyfish in Korea over four years, both acoustic and sighting surveys showed that the highest density of jellyfish occurred in 2021.

PURPOSES : In this study, an empirical approach was established to estimate the parameters of the resilient modulus based on various geotechnical properties of subgrade soils. METHODS : Multiple regression analyses were performed to analyze the relationship between resilient modulus (k1) and deformation. The most important factors are the #200 sieve passing ratio, moisture content, and dry unit weight of the soil. The applicability of this approach was verified using selected field data and the literature. RESULTS : The correlation between the results predicted using the prediction equation of the model constant (k1) and the actual k1-value was high. The applicability of the prediction equation was considered high owing to its high suitability with the existing data. The range of values obtained using the constant prediction equation of the proposed model was also judged to be reasonable. In the comparison of the CBR value of the subgrade material of the actual design section and the predicted elastic modulus (k1), almost no relationship was observed between the CBR and the model coefficient (k1). Thus, the estimation of the elastic modulus through CBR is likely to contain errors. CONCLUSIONS : Based on these results, the parameters of the universal model can be predicted using the stress-dependent modulus model proposed in this study.

최근에 선박을 안전하게 설계 및 운항하기 위해 인공지능으로 운동성능을 예측하는 연구가 늘고 있다. 하지만 일반적인 선박 에 비해 소형 어선에 대한 연구는 부족한 실정이다. 본 논문에서는 소형 어선의 운동성능 계산에 필수적인 운동응답을 심층신경망으로 추정하는 모델을 제안한다. 15척의 소형 어선에 대하여 유체동역학 해석을 수행하였으며 이를 통해 데이터베이스를 구축하였다. 환경 조 건과 주요 제원을 입력 데이터로, 단위 파고에 대한 운동응답(Response Amplitude Operator)을 출력 데이터로 설정하였다. 훈련된 심층신경 망 모델을 통해 예측된 운동응답은 유체동역학 해석 결과와 유사한 경향을 보이며 고주파 성분을 가진 운동응답 함수를 낮은 오차로 근 사하는 결과를 보여준다. 본 연구의 결과를 바탕으로 어선의 선형 특성 고려한 심층신경망 모델로 확장하여 연구 결과의 활용도를 넓히 고자 한다.

4차 산업혁명의 도래로 인한 기술혁신은 자율운항선박을 중심으로 해상 운송분야까지 활발한 발전을 불러왔다. 특히, 현재의 선원이 직접 운항하는 방식인 유인선박 사이에서 운항하게 될 자율운항선박은 자율도에 따라 원격제어를 통해 운항을 수행하며, 육상에 서 이를 제어할 원격운항자에 대한 관심 또한 늘어나고 있다. 하지만 아직 원격운항자가 개입이 필요한 상황이 동시에 발생하는 등을 고 려한 원격운항자 최소 인력 요구사항에 대한 연구는 부족한 상황이다. 본 연구는 특정 해역 구간의 누적된 항적데이터를 활용하여 선박 간에 발생할 수 있는 조우상황에서 원격운항자의 개입이 필요한 상황을 정의하고, 해당 구간을 특정 규모의 자율운항선박 선대로 운항하 였을 때, 원격운항자의 개입이 동시에 필요한 상황이 얼마나 발생하는지를 시뮬레이션을 통해 확인하였다. 연구의 결과는 향후 실제 자율 운항선박 선대를 운행할 원격운항센터의 원격운항자의 적정인력 배치 등의 계획 또는 정책 수립에 활용될 기초 자료로 활용될 것으로 기 대한다.

연근해에서의 선박 전복사고는 소형 어선에서 많이 발생한다. 소형 어선의 전복사고를 예방하기 위해서는 초기설계 단계에서 부터 복원성을 평가하는 것이 매우 중요하다. 하지만 초기설계 단계에서 확보할 수 있는 정보는 제한적이어서 신뢰성 있는 복원성을 평 가하는 데 어려움이 있다. 이에 본 연구에서는 초기설계 단계에서 추정할 수 있는 KM, KG, 트림을 활용하여 소형 어선의 횡메타센터(GM) 를 추정하고, 표준어선형의 안전성 평가 기준에서 제시된 최소횡메타센터(GMmin)와의 차이를 비교하여 복원성을 평가하는 방안을 제안 하였다. 한국해양안전교통공단에서 제공하는 복원성 평가프로그램인 K-SHIP을 사용한 Hydrostatics 특성 계산에서 요구되는 트림을 도출하 기 위해 상용 CFD 프로그램인 STAR-CCM+를 이용하여 어선 선형에 따른 초기 상태 트림을 추정하였으며, K-SHIP을 사용하여 어선 선형 에 대한 Hydrostatics 특성을 계산하여 GM을 추정하였다. 그리고 GM과 GMmin의 비교를 통해 만재출항상태의 복원성을 비교하였다. 실적 선을 기준선으로 선정하여 본 연구에서 제안한 복원성 평가 방안을 적용해 복원성을 평가하고 그 타당성을 검증하였다. 결과적으로 4.99 톤 어선의 대표적인 선형과 이를 활용해 도출한 모듈 선형 9개의 복원성을 평가하였고, 이중 상대적으로 복원성이 우수한 선형을 선정하 였다.

The key to invasive pest management lies in preemptive action. However, most current research using species distribution models is conducted after an invasion has occurred. This study modeled the potential distribution of the globally notorious sweet potato pest, the sweet potato weevil (Cylas formicarius), that has not yet invaded Korea using MaxEnt. Using global occurrence data, bioclimatic variables, and topsoil characteristics, MaxEnt showed high explanatory power as both the training and test areas under the curve exceeded 0.9. Among the environmental variables used in this study, minimum temperature in the coldest month (BIO06), precipitation in the driest month (BIO14), mean diurnal range (BIO02), and bulk density (BDOD) were identified as key variables. The predicted global distribution showed high values in most countries where the species is currently present, with a significant potential invasion risk in most South American countries where C. formicarius is not yet present. In Korea, Jeju Island and the southwestern coasts of Jeollanam-do showed very high probabilities. The impact of climate change under shared socioeconomic pathway (SSP) scenarios indicated an expansion along coasts as climate change progresses. By applying the 10th percentile minimum training presence rule, the potential area of occurrence was estimated at 1,439 km2 under current climate conditions and could expand up to 9,485 km2 under the SSP585 scenario. However, the model predicted that an inland invasion would not be serious. The results of this study suggest a need to focus on the risk of invasion in islands and coastal areas.

In this study, we analyzed how the revenue water ratio(RWR) is affected by changes in conditions of the water supply area, such as the ratio of aging pipes, maintenance conditions, and revenue water. As a result of analyzing the impact of pipe aging and maintenance conditions on the RWR, it was confirmed that the RWR could be decreased if the pipe replacement project to improve the aging pipe ratio was not carried out and proper maintenance costs were not secured. It was also confirmed that an increase in the revenue water could be operated to facilitate the achievement of the project’s target RWR. In contrast, a decrease in the revenue water due to a population reduction could affect the failure of the target RWR. In addition to analyzing the causes of variation in the RWR, the calculation of estimated project costs was considered by using leakage reduction instead of RWR from recent RWR improvement project cost data. From this analysis, it was reviewed whether the project costs planned to achieve the target RWR of the RWR improvement project in A city were appropriate. In conclusion, the RWR could be affected by variations in the ratio of aging pipes, maintenance conditions, and revenue water, and it was reasonable to consider not only the construction input but also the input related to RWR improvement, such as leakage reduction, when calculating the project cost.

of hazardous risk factors, risk estimation and determination steps by reflecting the trend of overseas risk assessment. METHODS : In deriving, estimating and determining risk factors, comparing the procedures presented by the ILO with the domestic guidline to find out the differences in procedural. and, According to the domestic manual, after setting the criteria for determining a deterministic perspective, analyze the risk assessment data of a specific domestic company and three overseas risk assessment research data to analyze the differences in methodology domestic and abroad. RESULTS : Within the country, there is a possibility that a deterministic view may be applied to all stages of procedure, and certain corporate data to the risk estimation and determination stage. In the case of overseas, the trend of applying deterministic perspectives to the risk determination stage was confirmed. CONCLUSIONS : Present the need for a standard model for improving deterministic methods in the other two stages, excluding risk determination in the domestic evaluation procedure.

Tomato is one of the major widely cultivated crops around the world. The leaf area is directly related to the total amount of photosynthesis, which affects the yield and quality of the fruit. Traditional methods of measuring the leaf area are time-consuming and can cause damage to the leaves. To address these problems, various studies are being conducted for measuring the leaf area. In this study, we introduced a model to estimate the leaf area using images of tomatoes. Using images captured by a camera, we measured the leaf length and width and used linear regression analysis to derive the leaf area estimation formula. Furthermore, we used a Neural Network (NN) for additional analysis to compare the accuracy of the models. Initially, to verify the reliability of the image data, we conducted a correlation analysis between the actual measurement data and the image data, which showed a high positive correlation. The leaf area estimation model presented 23 estimation formulas. We used regression analysis to estimate the coefficients of each model and also used employed an artificial neural network analysis to derive high R-squared (R2) values and low Root Mean Square Error (RMSE) values. Among the estimation formulas, the ninth model showed the highest reliability with an R-squared value of 0.863. We conducted a verification experiment to confirm the accuracy of the selected model, and the R-squared value was 0.925. This study confirmed the reliability of data measured from images and the reliability of the leaf area estimation model using image data. These methods are expected to be an important tool in agriculture, using imaging equipment for measuring and monitoring the crop growth.

벼밤나방[Sesamia inferens (Walker, 1856)](나비목: 밤나방과)은 벼 줄기를 가해하는 해충이다. 본 연구는 국내 몇 지역에서 벼밤나방의 연 중 세대수를 추정하였다. 북위 38° 부근의 세 지역에서 벼밤나방 성충이 성페로몬트랩에 포획되었다. 이는 국내 모든 지역에서 벼밤나방이 서식하 는 것을 나타냈다. 조사된 지역 대부분에서 단일사인곡선의 유효적산온일도 모델로 추정된 세대별 성충 발생 시기는 관찰된 성충 세대의 발생 시기 와 차이가 없었다. 이 모델을 사용하여 추정된 월동유충은 성충 마지막 세대로부터 유래할 가능성이 있다고 추정되었다. 중남부지역에서 가을동안 벼 포장에서 채집된 유충들을 25°C에서 사육하였을 때, 번데기의 약 70%가 용화전 유충 탈피를 보이지 않았다. 경남 고성에서 3월초에 채집된 유 충은 25°C 사육에서 유충 탈피 없이 용화하여 이 지역에서는 주로 마지막 유충 영기로 월동할 것으로 추정되었다. 모든 결과를 종합하여 벼밤나방 은 북위 38° 부근 지역에서는 주로 2세대, 북위 35.3° ~ 37.3° 사이 지역에서는 3세대가 경과할 것으로 결론지었다. 별도로, 시토크롬 c 산화효소 1 유전자의 염기서열을 분석한 결과, 성페로몬트랩에 포획된 종의 35%가 다른 종이었고, 이들은 형태적으로 벼밤나방과 혼동되지 않았다.

PURPOSES : Construction cost estimates are important information for business feasibility analysis in the planning stage of road construction projects. The quality of current construction cost estimates are highly dependent on the expert's personal experience and skills to estimate the arithmetic average construction cost based on past cases, which makes construction cost estimates subjective and unreliable. An objective approach in construction cost estimation shall be developed with the use of machine learning. In this study, past cases of road projects were analyzed and a machine learning model was developed to produce a more accurate and time-efficient construction cost estimate in teh planning stage. METHODS : After conducting case analysis of 100 road construction, a database was constructed including the road construction's details, drawings, and completion reports. To improve the construction cost estimation, Mallow's Cp. BIC, Adjusted R methodology was applied to find the optimal variables. Consequently, a plannigs-stage road construction cost estimation model was developed by applying multiple regression analysis, regression tree, case-based inference model, and artificial neural network (ANN, DNN). RESULTS : The construction cost estimation model showed excellent prediction performance despite an insufficient amount of learning data. Ten cases were randomly selected from the data base and each developed machine learning model was applied to the selected cases to calculate for the error rate, which should be less than 30% to be considered as acceptable according to American Estimating Association. As a result of the analysis, the error rates of all developed machine learning models were found to be acceptable with values rangine from 17.3% to 26.0%. Among the developed models, the ANN model yielded the least error rate. CONCLUSIONS : The results of this study can help raise awareness of the importance of building a systematic database in the construction industry, which is disadvantageous in machine learning and artificial intelligence development. In addition, it is believed that it can provide basic data for research to determine the feasibility of construction projects that require a large budget, such as road projects.