PURPOSES : This study aimed to predict the number of future COVID-19 confirmed cases more accurately using public and transportation big data and suggested priorities for introducing major policies by region. METHODS : Prediction analysis was performed using a long short-term memory (LSTM) model with excellent prediction accuracy for time-series data. Random forest (RF) classification analysis was used to derive regional priorities and major influencing factors. RESULTS : Based on the daily number of COVID-19 confirmed cases from January 26 to December 12, 2020, as well as the daily number of confirmed cases in Gyeonggi Province, which was expected to occur on December 24 and 25, depending on social distancing, the accuracy of the LSTM artificial neural network was approximately 95.8%. In addition, as a result of deriving the major influencing factors of COVID-19 through random forest classification analysis, according to the number of people, social distancing stages, and masks worn, Bucheon, Yongin, and Pyeongtaek were identified as regions expected to be at high risk in the future. CONCLUSIONS : The results of this study can help predict pandemics such as COVID-19.

PURPOSES : High temperatures induce excessive expansion in pavements, thus causing the closure of contraction joints between expansion joints. This results in the integration of slabs within the expansion joints into a unified slab. Compressive forces are generated owing to the friction that ensues between the unified slab and lower base layer. As the integrated slab expands and exceeds the allowable width of the expansion joint, the end restraint generates an additional compressive force. The escalating force, which reaches a critical threshold, induces buckling, thus compromising stability and causing blow-up incidents, which poses a significant hazard to road users. The unpredictable nature of blow-up incidents render their accurate prediction challenging because the compressive force within the slab must be predicted and the threshold for blow-up occurrence must be determined. METHODS : In this study, a GWNU blow-up model was developed to predict both the compressive force and period of blow-up incidents in jointed concrete pavements. The climate conditions, pavement structure, materials, and expansion joints were considered in this model. In the first stage of the model, the time at which the integrated slab expanded and surpassed the allowable width of the expansion joint was determined, and the compressive force was calculated. Subsequently, the compressive force within the integrated slab, considering both the end restraints and friction, was predicted. A large-scale blow-up test was performed to measure the blow-up force based on changes in the geometric imperfections. The measured blow-up force was adopted as the blow-up occurrence threshold, and the point at which the predicted compressive force within the slab exceeded the blow-up force was identified as the blow-up occurrence time. RESULTS : Using the GWNU blow-up model, the blow-up occurrence on the Seohean Expressway in Korea is predicted in the presence or absence of the alkali-silica reaction (ASR). Analysis is conducted using the expansion joint spacing and width as variables. As the expansion joint spacing increases, blow-up occurs sooner, and as the width increases, only the expansion joint life decreases. When applying an expansion joint spacing of 300 m and a width of 100 mm under an ASR with 99.9% TTPG reliability, the sum of the expansion joint life and blow-up occurrence time is 16 years. CONCLUSIONS : In the case of jointed concrete pavements where ASR occurred, installing an expansion joint spacing of 300 m and a width of 100 mm does not satisfy the design life of 20 years, and the expansion joint width minimally affect the blow-up occurrence time. To prevent blow-up incidents, a spacing of less than 300 m for the expansion joint is recommended. Based on the analysis results, the blow-up occurrence time and location can be predicted from the characteristics of the installed expansion joint, through which blow-up incidents can be prevented via preliminary maintenance.

PURPOSES : Pavement surface friction depends significantly on pavement surface texture characteristics. The mean texture depth (MTD), which is an index representing pavement surface texture characteristics, is typically used to predict pavement surface friction. However, the MTD may not be sufficient to represent the texture characteristics to predict friction. To enhance the prediction of pavement surface friction, one must select additional variables that can explain complex pavement surface textures. METHODS : In this study, pavement surface texture characteristics that affect pavement surface friction were analyzed based on the friction mechanism. The wavelength, pavement surface texture shape, and pavement texture depth were hypothesized to significantly affect the surface friction of pavement. To verify this, the effects of the three abovementioned pavement surface texture characteristics on pavement surface friction must be investigated. However, because the surface texture of actual pavements is irregular, examining the individual effects of these characteristics is difficult. To achieve this goal, the selected pavement surface texture characteristics were formed quantitatively, and the irregularities of the actual pavement surface texture were improved by artificially forming the pavement surface texture using threedimensionally printed specimens. To reflect the pavement surface texture characteristics in the specimen, the MTD was set as the pavement surface texture depth, and the exposed aggregate number (EAN) was set as a variable. Additionally, the aggregate shape was controlled to reflect the characteristics of the pavement surface texture of the specimen. Subsequently, a shape index was proposed and implemented in a statistical analysis to investigate its effect on pavement friction. The pavement surface friction was measured via the British pendulum test, which enables measurement to be performed in narrow areas, considering the limited size of the three-dimensionally printed specimens. On wet pavement surfaces, the pavement surface friction reduced significantly because of the water film, which intensified the effect of the pavement surface texture. Therefore, the pavement surface friction was measured under wet conditions. Accordingly, a BPN (wet) prediction model was proposed by statistically analyzing the relationship among the MTD, EAN, aggregate shape, and BPN (wet). RESULTS : Pavement surface friction is affected by adhesion and hysteresis, with hysteresis being the predominant factor under wet conditions. Because hysteresis is caused by the deformation of rubber, pavement surface friction can be secured through the formation of a pavement surface texture that causes rubber deformation. Hysteresis occurs through the function of macro-textures among pavement surface textures, and the effects of macro-texture factors such as the EAN, MTD, and aggregate shape on the BPN (wet) are as follows: 1) The MTD ranges set in this study are 0.8, 1.0, and 1.2, and under the experimental conditions, the BPN (wet) increases linearly with the MTD. 2) An optimum EAN is indicated when the BPN (wet) is the maximum, and the BPN decreases after its maximum value is attained. This may be because when the EAN increases excessively, the space for the rubber to penetrate decreases, thereby reducing the hysteresis. 3) The shape of the aggregate is closely related to the EAN; meanwhile, the maximum value of the pavement surface friction and the optimum EAN change depending on the aggregate shape. This is believed to be due to changes in the rubber penetration volume based on the aggregate shape. Based on the results above, a statistical prediction model for the BPN (wet) is proposed using the MTD, EAN, and shape index as variables. CONCLUSIONS : The EAN, MTD, and aggregate shape are crucial factors in predicting skid resistance. Notably, the EAN and aggregate shape, which are not incorporated into existing pavement surface friction prediction models, affect the pavement surface friction. However, the texture of the specimen created via three-dimensional printing differs significantly from the actual pavement surface texture. Therefore, the pavement surface friction prediction model proposed in this study should be supplemented with comparisons with actual pavement surface data in the future.

Existing reinforced concrete buildings with seismically deficient column details affect the overall behavior depending on the failure type of column. This study aims to develop and validate a machine learning-based prediction model for the column failure modes (shear, flexure-shear, and flexure failure modes). For this purpose, artificial neural network (ANN), K-nearest neighbor (KNN), decision tree (DT), and random forest (RF) models were used, considering previously collected experimental data. Using four machine learning methodologies, we developed a classification learning model that can predict the column failure modes in terms of the input variables using concrete compressive strength, steel yield strength, axial load ratio, height-to-dept aspect ratio, longitudinal reinforcement ratio, and transverse reinforcement ratio. The performance of each machine learning model was compared and verified by calculating accuracy, precision, recall, F1-Score, and ROC. Based on the performance measurements of the classification model, the RF model represents the highest average value of the classification model performance measurements among the considered learning methods, and it can conservatively predict the shear failure mode. Thus, the RF model can rapidly predict the column failure modes with simple column details.

In order to prevent accidents via defective ammunition, this paper analyzes recent research on ammunition life prediction methodology. This workanalyzes current shelf-life prediction approaches by comparing the pros and cons of physical modeling, accelerated testing, and statistical analysis-based prediction techniques. Physical modeling-based prediction demonstrates its usefulness in understanding the physical properties and interactions of ammunition. Accelerated testing-based prediction is useful in quickly verifying the reliability and safety of ammunition. Additionally, statistical analysis-based prediction is emphasized for its ability to make decisions based on data. This paper aims to contribute to the early detection of defective ammunition by analyzing ammunition life prediction methodology hereby reducing defective ammunition accidents. In order to prepare not only Korean domestic war situation but also the international affairs from Eastern Europe and Mid East countries, it is very important to enhance the stability of organizations using ammunition and reduce costs of potential accidents.

Since the decrease of skid resistance of the road surface due to the effects of hydroplaning increases the ratio of vehicle crashes significantly, it is important to predict water film thickness (WFT). Tined is one of the widely used textures for concrete pavements. Since previous WFT models have been developed based on the asphalt pavement texture and broom concrete, it may not give reliable predictions for Water film thickness for tinned concrete. Furthermore, surface flow on tined texture may show hydraulically different characteristics due to the geometric characteristics of tined texture. This study aims to propose a reliable water film thickness prediction model for tined concrete. Three test slabs including a smooth surface, a tined surface with 16mm spacing, and a tined surface with 25mm spacing were prepared. WFTs of the test slab were measured for various conditions such as pavement slope (0-10%), rainfall intensity (0-130mm/h), and drainage path length (0-5m). A statistical model was proposed to predict water film thickness (WFT) as a function of pavement slope, rainfall intensity, drainage path length, and mean texture depth. This model exhibits strong agreement with the experimental test results. The GWNU prediction model consistently provides reliable predictions with the actual WFT for tined concrete pavement. Conversely, the previous equation consistently underestimated the water film thickness, notably on tined surfaces with 16 mm and 25 mm spacing, due to the occurrence of viscous flow along the tined lines.

여름철은 타 계절에 비해 장마와 불안정한 대기 등으로 인하여 빗길 교통사고의 위험성이 크게 증대될 수 있으며, 최근 5년 (2018~2022)간 여름철 빗길 교통사고는 전체 빗길 교통사고의 39%를 차지할 정도로 높은 수준이다. 이러한 빗길 운전은 노면의 배수 불량 및 미끄럼 저항 감소 등으로 인하여 수막현상을 발생시키게 된다. 이에 본 연구에서는 우천 시 도로의 안전성 강화 및 사고 위 험을 최소화하기 위한 요소인 수막두께를 산정하기 위하여 Manning의 평균 유속식을 기반으로 콘크리트 노면의 조도계수 예측 모델을 개발하는 것을 목표로 하였다. 조도계수의 영향인자를 고려하기 위하여 실외 강우 모의 장비를 이용하여 콘크리트를 타설한 뒤 실험 인자로 포장 경사, 배수거리, 강우강도, 노면 조직 특성을 고려하였으며, 이 중 노면 조직 특성은 타이닝 처리를 하지 않은 구간만 고 려한 타 연구의 기존 예측 모델 단점을 보완하기 위하여 16, 25mm 간격의 타이닝 표면 처리한 구간을 추가로 고려하였다. 수막두께 측정은 측정 범위 0.3~5mm의 수막두께 측정 게이지를 제작하여 강우가 모사된 조건에서 배수 거리 1~5m 이내 지점의 노면 조직 상 단과 수면이 접하는 수직 높이를 총 3회 측정하여 평균값을 사용하였다. 실측된 수막두께 데이터베이스를 기반으로 Manning 공식을 이용하여 조도계수를 역산한 결과, 강우강도가 증가함에 따라 조도계수는 감소하였으며, 이는 강우의 증가로 인해 물의 흐름과 콘크리 트 노면 사이의 마찰 저항 감소에 기인한 것으로 판단되었다. 또한 포장 경사가 높고 배수 거리가 짧을수록 배수성이 증가하여 마찰 저항의 지표인 조도계수가 증가하는 것으로 확인되었다. 평균 조직 깊이에 따른 조도계수 영향의 경우, 평균 조직 깊이가 증가할수록 콘크리트 표면에 노출되는 표면적이 증가하여 수막두께가 얕게 생성되고, 얕은 수심으로 인해 물의 흐름 저항이 감소하여 조도계수는 감소하는 것으로 산정되었다. 이후 135개의 데이터를 종합하여 조도계수를 종속변수로 하고 강우강도, 포장경사, 배수거리, 평균 조직 깊이, 수막두께를 독립변수로 하는 회귀분석을 수행하여 조도계수 산정식을 개발하였다.

노면 마찰력은 포장 표면과 타이어의 마찰력으로 인해 발생하는 현상으로 높은 노면의 마찰력은 제동 중 차량의 안정성과 조종성을 향상시킨다. 노면 마찰력이 증가함에 따라 교통사고 횟수가 감소하는 것으로 알려져 있으며 습윤 상태의 노면에서 교통사고가 증가하 는 것으로 알려져있다. 따라서 교통사고 발생 억제와 도로 안전의 확보를 위해서는 적정 수준의 노면 마찰력, 특히 습윤 상태의 노면 마찰력을 확보하는 것이 중요하다. 노면 마찰력은 adhesion과 hysteresis로 분류되며 특히 습윤상태 도로에서 hysteresis가 중요한 역 할을 한다. hysteresis는 고무의 변형에 의해 발생하기 때문에 고무 변형에 영향을 미치는 노면 조직 변수를 선정하여 노면 마찰력을 예측하고자 한다. 노면 마찰력은 노면 조직 특성과 밀접한 관련이 있으며, 이에 따라 노면 조직 특성을 나타내는 지수 중 하나인 MTD(Mean Texture Depth)가 노면 마찰력 예측을 위한 인자로 사용되고 있는 실정이다. 하지만 MTD는 노면 조직 깊이만을 평가하 는 인자로 다양한 요소가 결합되어 있는 노면 조직 특성을 모두 설명할 수 없으며, 노면 마찰력 예측을 위해서는 복잡한 노면 조직을 설명할 수 있는 추가 변수의 선정이 요구된다. 본 연구에서는 노면 마찰력의 메커니즘 분석을 토대로 노면 마찰력에 영향을 미치는 노면 조직 특성을 분석하였고, wave-length와 노면 조직의 형태, 노면 조직 깊이가 노면 마찰력에 미치는 영향이 클 것으로 예상하였 다. 이를 검증하기 위해서는 3가지 노면 조직 특성이 노면 마찰력에 미치는 영향에 대한 검토가 요구되나 실제 도로의 노면은 노면 조직이 불규칙하게 형성되어 있어 노면 조직 특성의 개별적 영향을 검토하기 어렵다. 이를 위해서는 선정한 노면 조직 특성의 정량적 형성이 요구되며 3D 프린팅 시편을 제작해 노면 조직을 인위적으로 형성함으로써 실제 도로 노면 조직의 불규칙성을 개선하였다. 노 면 조직 특성을 시편에 반영하기 위해 노면 조직 깊이는 MTD, wave-length는 노출 골재의 개수를 뜻하는 EAN을 변수로 설정하였 다. 또한 EAN(Exposed Aggregate Number)은 노출 골재의 형성이 필수적이므로 골재의 형상을 제어하여 노면 조직의 형태를 시편에 반영하였으며 골재 형상과 노면 마찰력의 통계학적 분석을 위해 형상 지수를 산출하여 분석하였다. 3D 프린팅 시편은 크기에 제한이 있어 좁은 영역에서 측정이 용이한 BPT(British Pendulum Test)를 사용해 노면 마찰력을 측정하였고, 습윤한 노면에서는 수막으로 인해 노면 마찰력이 크게 감소하여 노면 조직의 영향이 커지므로 습윤 상태에서 노면 마찰력을 측정하였다. 측정 데이터를 통한 분석 결과 노면 조직 변수인 MTD가 증가할수록 BPN(wet)이 선형적으로 증가하는 것이 확인되었으며, EAN에 따라서 BPN이 증가했다가 감소하는 경향이 나타났다. 이는 EAN이 과도하게 많아지면 고무가 침투할 공간이 줄어들어 hysteresis가 감소하기 때문으로 사료된 다. 또한 골재 형상에 따라 노면 마찰력의 최댓값과 optuimum EAN의 변화가 있었다. 이는 골재 형상에 따른 고무 침투 부피의 변화 에 의한 것으로 사료된다. 위의 결과를 통해 MTD, EAN, 골재 형상과 BPN(wet)의 관계를 통계학적으로 분석하여 BPN(wet) 예측 모 델을 제안하였다.

In the summer of 2018, the Korea-Japan (KJ) region experienced an extremely severe and prolonged heatwave. This study examines the GloSea6 model's prediction performance for the 2018 KJ heatwave event and investigates how its prediction skill is related to large-scale circulation patterns identified by the k-means clustering method. Cluster 1 pattern is characterized by a KJ high-pressure anomaly, Cluster 2 pattern is distinguished by an Eastern European highpressure anomaly, and Cluster 3 pattern is associated with a Pacific-Japan pattern-like anomaly. By analyzing the spatial correlation coefficients between these three identified circulation patterns and GloSea6 predictions, we assessed the contribution of each circulation pattern to the heatwave lifecycle. Our results show that the Eastern European highpressure pattern, in particular, plays a significant role in predicting the evolution of the development and peak phases of the 2018 KJ heatwave approximately two weeks in advance. Furthermore, this study suggests that an accurate representation of large-scale atmospheric circulations in upstream regions is a key factor in seasonal forecast models for improving the predictability of extreme weather events, such as the 2018 KJ heatwave.

The government is implementing a policy to expand eco-friendly energy as a power source. However, the output of new and renewable energy is not constant. It is difficult to stably adjust the power supply to the power demand in the power system. Therefore, the government predicts day-ahead the amount of renewable energy generation to cope with the output volatility caused by the expansion of renewable energy. It is a system that pays a settlement amount if it transitions within a certain error rate the next day. In this paper, Machine Learning was used to study the prediction of power generation within the error rate.

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.

현대 해양 산업은 기술적 발전을 통해 신속한 발전을 이루고 있다. 이러한 발전을 주도하는 주요 기술 중 하나는 데이터 처리 기술이며, 이 중 자연어 처리 기법은 사람의 언어를 기계가 이해하고 처리할 수 있도록 하는 기술이다. 본 연구는 자연어 처리 기법을 통해 해양안전심판원의 재결서를 분석하여 이미 재결이 이루어진 선박 충돌사고의 원인 제공 비율을 학습한 후, 새로운 재결서를 입력 하면 원인 제공 비율을 예측하는 모델을 개발하고자 하였다. 이 모델은 사고 당시 적용되는 항법과 원인 제공 비율에 영향을 주는 핵심 키워드의 가중치를 이용하여 사고의 원인 제공 비율을 계산하는 방식으로 구성하였다. 이 연구는 이러한 방식을 통해 제작한 모델의 정 확도를 분석하고, 모델의 실무 적용 가능성을 검토함과 동시에 충돌사고 재발 방지 및 해양사고 당사자들의 분쟁 해결에 기여할 것으로 기대한다.

PURPOSES : In this study, an optimal model for compressive strength prediction was derived by learning and directly comparing several machine learning models based on the same data. METHODS : Approximately 478 pieces of concrete compressive strength data were obtained to compare the performance of the machine learning models. In addition, five machine learning models were trained based on the obtained data. The performance of the learned model was compared using three performance indicators. Finally, the performance of the model trained using additional data was reviewed. RESULTS : As a result of comparing the performance of machine learning models, the XGB(eXtra Gradient Boost) model showed the best performance. In addition, as a result of the verification based on additional data, highly reliable results can be obtained if the XGB model is used to predict the compressive strength of concrete. CONCLUSIONS : If a concrete strength prediction model is derived based on a machine learning model, a highly reliable model can be derived.

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.

PURPOSES : In this study, the applicability of the water content, suction, and suction stress in a resilient modulus prediction model for a subbase was reviewed. METHODS : To compare the applicability of water content, suction, and suction stress models for resilient modulus prediction, the suction stress was determined based on the soil water characteristic curve. The model parameters for each approach were derived from the measured resilient moduli. Finally, the relationships between the degree of saturation and resilient modulus were analyzed using the calculated model parameters. RESULTS : Prediction models of the resilient modulus based on water content and suction demonstrated high correlation with measured values, but overestimated the resilient modulus at saturation levels beyond the laboratory testing range. In contrast, the model accounting for suction stress effectively reduced this overestimation, likely owing to a decrease in suction stress as the suction increased. CONCLUSIONS : Based on the above results, the resilient modulus of subbase materials could be estimated through the change in the degree of saturation and the stress-dependent resilient modulus model using the suction stress proposed in this study.

Occurrence of process environment changes, such as influent load variances and process condition changes, can reduce treatment efficiency, increasing effluent water quality. In order to prevent exceeding effluent standards, it is necessary to manage effluent water quality based on process operation data including influent and process condition before exceeding occur. Accordingly, the development of the effluent water quality prediction system and the application of technology to wastewater treatment processes are getting attention. Therefore, in this study, through the multi-channel measuring instruments in the bio-reactor and smart multi-item water quality sensors (location in bio-reactor influent/effluent) were installed in The Seonam water recycling center #2 treatment plant series 3, it was collected water quality data centering around COD, T-N. Using the collected data, the artificial intelligence-based effluent quality prediction model was developed, and relative errors were compared with effluent TMS measurement data. Through relative error comparison, the applicability of the artificial intelligence-based effluent water quality prediction model in wastewater treatment process was reviewed.

The conventional multi-scale modelling approach that predicts carbon nanotube (CNT) growth region in heterogeneous flame environment is computationally exhaustive. Thus, the present study is the first attempt to develop a zero-dimensional model based on existing multi-scale model where mixture fraction z and the stoichiometric mixture fraction zst are employed to correlate burner operating conditions and CNT growth region for diffusion flames. Baseline flame models for inverse and normal diffusion flames are first established with satisfactory validation of the flame temperature and growth region prediction at various operating conditions. Prior to developing the correlation, investigation on the effects of zst on CNT growth region is carried out for 17 flame conditions with zst of 0.05 to 0.31. The developed correlation indicates linear ( zlb=1.54zst +0.11) and quadratic ( zhb=zst(7-13zst )) models for the zlb and zhb corresponding to the low and high boundaries of mixture fraction, respectively, where both parameters dictate the range of CNT growth rate (GR) in the mixture fraction space. Based on the developed correlations, the CNT growth in mixture fraction space is optimum in the flame with medium-range zst conditions between 0.15 and 0.25. The stronger relationship between growth-region mixture-fraction (GRMF) and zst at the near field region close to the flame sheet compared to that of the far field region away from the flame sheet is due to the higher temperature gradient at the former region compared to that of the latter region. The developed models also reveal three distinct regions that are early expansion, optimum, and reduction of GRMF at varying zst.

이 연구는 1세대 스마트 온실의 재배환경 데이터와 장미 절 화의 품질 특성 데이터를 수집하고 그 요인들 간의 상관 관계 를 분석하여 절화수명 예측 및 최적 환경 조성의 기초 자료를 얻고자 수행되었다. 이를 위해, 토경재배(SC) 및 암면배지경 양액재배(RWH) 하우스 각 1개소를 선정하여 1년간 기온, 상 대습도(RH) 및 수증기압차(VPD), 일적산광량(DLI), 근권온도 등의 환경 데이터와 매월 말 수확된 장미 ‘Miss Holland’ 절 화의 품질 특성 데이터를 수집하였으며, 이 데이터와 절화수 명과의 상관관계를 분석하였다. 절화수명은 10월과 11월을 제외하고는 SC 하우스에서 RWH 하우스보다 더 길었다. 절 화수명과 환경 및 생육 특성 간의 상관관계 분석에서 SC 하우 스의 상관계수는 RWH 하우스보다 조금 더 높았으며, 절화수 명 예측을 위한 요소들도 두 하우스 간에 차이가 있었다. SC 하우스의 절화수명 Y=0.848X1+0.366X2-0.591X3+2.224X4- 0.171X5+0.47X6+0.321X7+9.836X8-110.219(X1-X8: 최고 RH, RH 일교차, DLI, pH, Hunter’s b value, EC, 절화 장, 잎 두께; R2=0.544)로 예측되었고, RWH 하우스의 절화수명 Y=-1.291X1+52.026X2-0.094X3+0.448X4-3.84X5+0.624X6 - 8.528X7+28.45(X1-X7: 경경, 야간 VPD, 최고 근권온도, 최 저 근권온도, 기온 일교차, RH 일교차, 최고 VPD; R2=0.5243) 로 예측되었다. 이 두 모델식으로부터 SC 하우스에서는 RH, EC 및 pH가, 그리고 RWH 하우스에서는 근권 온도가 절화수명에 더 큰 영향을 미친다는 것을 추론할 수 있다. 따라서 각 재배 방법에 따라 장미의 절화수명에 더 큰 영향을 미치는 환경적 요인을 효율적으로 관리할 필요가 있다.

본 논문에서는 대규모 실시간 매칭의 생존 게임에서 플레이를 위한 유저들의 소셜 관계에 대해 연구한다. 특 히 “사전 팀 구성”을 통한 자의적인 팀 구성이 어떤 방식으로 유저들을 연결하는 지 연구하고자 한다. 다수 의 사람 간 집단 역학에서 나타나는 특성이나 패턴에 대한 조사를 중심으로 하였으며, 개인의 특성은 보조적 인 수단으로만 사용된다. 이번 연구에서는 게임을 플레이하는 유저들의 익명화 된 대규모 데이터를 활용하며 이에 대한 간소화된 집계 방법을 제안한다. 데이터 세트에는 사전 팀 구성에 관한 11,259만 줄의 속성이 포 함되어 있으며, 데이터에서 우리는 250만개의 노드와 1,182만개의 무방향 에지가 있는 협업 네트워크를 구성 하여 대규모 게임 내 협동 네트워크를 만듭니다. 연결 정도, 경로 길이, 클러스터링 및 소속 하위 컴포넌트의 크기 등 네트워크에 관한 수치를 통해 게임내 소셜 활동에 대한 이해를 높이고자 한다. 본 논문에서는 다음 의 두가지 특성을 중심으로 결론을 제시한다. 첫째, 네트워크 내에는 대규모로 연결된 2개(전체의 44% 및 2%)와 나머지의 파편화된 하위 컴포넌트로 구성 되어있다. 이 대규모 컴포넌트 중 작은 쪽은 한국 유저로만 구성되어 있다. 둘째, 컴포넌트 크기 별 평균 연결 거리와 군집화 계수, k-core를 확인함으로써 기타 다른 네 트워크 대비 이웃 간 연결이 강하면서 전체적으로는 비교적 멀리 떨어져 있음을 확인한다.

본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.