여러 센서를 이용한 구조물의 구조 응답을 모니터링하는 사례가 증가하고 있다. 그러나 비용과 관리 문제로 인해 제한된 센서만이 구조물에 설치되어 일부의 구조 응답만을 수집하는 경우가 대부분이다. 이는 구조물의 전체 거동을 분석하는데 장애요소로 작용하게 된다. 따라서 제한된 센서를 이용해 센서가 설치되지 않은 위치에서의 응답을 신뢰할 수 있는 수준으로 예측하는 기술이 필요하다. 본 연구에서는 제한된 정보를 이용해 저층 건물 구조물의 지진 응답을 예측하는 해석적 연구를 수행한다. 활용 가능한 응답 정보는 1층과 최상층의 가속도 응답만을 사용할 수 있다고 가정한다. 두 정보를 이용하면 구조물의 1차 고유진동수를 얻을 수 있다. 1층 가속도 정보는 구조물의 가력 정보로 활용한다. 최상층의 가속도이력응답에 대한 오차와 대상 구조물의 1차 고유진동수 오차를 최소화하는 구조물의 질량과 강성 정보를 유전자알고리즘을 이용해 예측하는 기법을 제시한다. 제약조건은 고려하지 않는다. 탐색공간을 의미하는 설계변수의 범위를 결정하기 위해 인공신경망 기반의 파라미터 예측기법을 제시한다. 또한 유전자알고리즘을 통해 얻게 되는 해를 개선시키기 위해 앞서 언급한 인공신경망을 활용한다. 제시한 기법을 검증하기 위해 5층 구조물 예제를 사용한다.

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.

The purpose of this study is to develop the growth prediction model that can predict growth and development information influencing on the production of citrus fruits. The growth model was developed to predict the floralleaf ratio, number of fruit sets, fruit width, and overweight fruits depending on the main period of growth and development by considering the weather factors because the fruit production is influenced by weather depending on the growth and development period. To predict the outdoor-grown citrus fruit production, the investigation result for the standard farms is used as the basic data; in this study, we also understood that the influence of weather factors on the citrus fruit production based on the data from 2004 to 2013 of the outdoor-grown citrus fruit observation report in which the standard farms were targeted by the Agricultural Research Service and suggested the growth and development information prediction model with the weather information as an independent variable to build the observation model. The growth and development model for outdoor-grown citrus fruits was assumed by using the Ordinary Least Square method (OLS), and the developed growth prediction model can make a prediction in advance with the weather factors prior to the observation investigation for the citrus fruit production. To predict the growth and development information of the production of citrus fruits having a great ripple effect as a representative crop in Jeju agriculture, the prediction result regarding the production applying the weather factors depending on growth and development period could be applied usefully.

This essay discusses the enhancement of the KMV model to achieve greater accuracy in predicting default risk and mitigating the effects of asymmetric information in the financial market. Due to the existence of the problem of asymmetric information persists, with some market participants possessing more information than others. This imbalance disrupts the normal market operation, complicates financial regulation, and reduces market stability. Rating agencies have made efforts to disclose and predict default risks to provide more information to the market. Still, traditional models’ prediction accuracy has struggled to meet the market’s evolving demands. To address these challenges, this essay analyzes an improved model, the SIZE-PSO-KMV model. This model builds on the KMV model but introduces a differentiation between large and small firms. By doing so, it refines default risk predictions, thereby alleviating information asymmetry. Enhanced accuracy empowers financial regulators to make more informed decisions and helps prevent future financial crises. The SIZE-PSO-KMV model’s validity is established through rigorous testing, including a comparison with other KMV models and out-of-sample tests. The results demonstrate that this model significantly outperforms traditional KMV models in predicting default risk. Additionally, it adapts to the size of firms, acknowledging that large and small firms face distinct default risk profiles.

Highland farming is agriculture that takes place 400 m above sea level and typically involves both low temperatures and long sunshine hours. Most highland Chinese cabbages are harvested in the Gangwon province. The Ubiquitous Sensor Network (USN) has been deployed to observe Chinese cabbages growth because of the lack of installed weather stations in the highlands. Five representative Chinese cabbage cultivation spots were selected for USN and meteorological data collection between 2015 and 2017. The purpose of this study is to develop a weight prediction model for Chinese cabbages using the meteorological and growth data that were collected one week prior. Both a regression and random forest model were considered for this study, with the regression assumptions being satisfied. The Root Mean Square Error (RMSE) was used to evaluate the predictive performance of the models. The variables influencing the weight of cabbage were the number of cabbage leaves, wind speed, precipitation and soil electrical conductivity in the regression model. In the random forest model, cabbage width, the number of cabbage leaves, soil temperature, precipitation, temperature, soil moisture at a depth of 30 cm, cabbage leaf width, soil electrical conductivity, humidity, and cabbage leaf length were screened. The RMSE of the random forest model was 265.478, a value that was relatively lower than that of the regression model (404.493); this is because the random forest model could explain nonlinearity.

Climate change is not only abnormal condition of climate systems but also the perplexities of socio-economic system including agriculture, ocean, energy supply plans and ecosystem. As the frequency and magnitude of the extreme weather related natural disasters are increasing, the losses of lives and economic damages are getting huge. For the adequate response of climate change, more comprehensive reviews of research results about observation, projection and monitoring of climate change are essential. The purpose of this study is to frame, to structure and to prepare writing strategies the 2nd Korea Climate Change Assessment Report(the Physical Science Basis). ‘Korea Climate Change Assessment Report 2010’ was prepared using 1,003 references by 46 climate change scientists with seven chapters and 328 pages. Ten chapters and more detailed sections for the 2nd Korea Climate Change Assessment Report have been suggested based on IPCC 5th Climate Change Assessment Report. Chapters cannot be changed while sections can be combined, deleted, and altered with admissions from consultation committees. Committees consist of climate change experts from government organization, universities and institution.

게임 환경에서의 학습은 다양한 분야에서 유용하게 활용될 수 있다. 그러나, 학습이 게임에서 만족스러운 결과를 산출하기까지는 많은 학습 시간이 요구된다. 이러한 점을 개선하기 위하여 학습시간을 단축시킬 수 있는 방법론들이 필요하다. 본 논문에서는 예측 정보를 이용한 Q-학습의 성능개선 방안을 제안한다. Q-학습 알고리즘에서는 Q-테이블의 각 상태별 선택된 액션을 참조한다. 참조한 값은 예측 모듈의 P-테이블에 저장되고, 이 테이블에서 출연 빈도가 가장 높은 값을 찾아 2차 보상 값을 갱신할 때 활용한다. 본 연구에서 제시한 방법은 상태내의 전이가 가능한 액션의 수가 많을수록 성능이 높아짐을 확인하였다. 또한 실험결과로 실험 중반 이후부터 제안한 방식이 기존 방식보다 평균 9%의 성능 향상을 보였다.

중장기 기후예보는 기후역학모형의 비약적인 발전과 ENSO등의 기후현상에 대한 규명으로, 전세계적으로 정확성이 크게 향상되고 있어 중장기 유량예측의 중요한 실마리가 되고 있다. 본 연구에서는 우선 중장기 유량예측 향상을 위하여 국내에서 사용 가능한 기후정보, 즉 월간산업기상정보와 GDAPS(Global Data Assimilation and Prediction System)를 조사하고 그 정확성을 평가하였다. 월간산업기상정보와 GDAPS의 순별 예보에서

최근 정확한 대기오염 및 황사이동예보를 위하여, 대기역학모형과 확산모형의 결합을 통한 수치실험이 실시되고 있다. 본 연구에서는 3차원 대기역학모형( RAMS)과, 확산모형(PDAS)에 사용되는 기상장의 시간분해능이 대기확산장에 미치는 영향을 조사하였다. 그리고 여러 가지 시간분해능의 기상자료를 확산모형에 적용하여 황사입자의 분포 특성과 차이를 수치실험을 통하여 비교분석하였다. 수치실험 결과 다음과 같은 결론을 얻을 수 있었다. 1) RAMS에 의한 바람장 예측결과, 지면과 상층의 바람장이 동조될 수도 있고, 그렇지 않을 수도 있다. 상하층의 바람장이 동조되지 않을 경우 황사의 예측은 황사의 상승고도예측과 밀접하게 관련된다. 2) 황사의 연직분포에서 초기에는 상층의 황사가 먼저 이동을 하게 되며, 시간이 지남에 따라 하층의 황사도 이동을 시작한다. 본 연구에서는 최고 고도 3.9km 까지 도달한다. 3) 수치실험에서 초기(24시)의 경우, 시간해상도에 따른 확산의 차이는 크지 않다. 그러나 시간이 경과함에 따라 입자확산분포의 차이가 크게 나타난다. 4) 3시간 이하의 높은 시간해상도의 경우, 입자분포의 차이가 크지 않다. 그러나 6시간보다 간격이 큰 자료를 이용할 경우, 황사입자분포의 양적측면에서 큰 차이를 나타내며, 밀도 분포의 차이에 일정한 경향성을 가진다 5) 입력 바람장의 시간분해능이 작은 경우 즉 입력시간 간격이 큰 경우, 황사입자는 지역의 주풍성분(동아시아의 경우 편서풍)을 따라 분포한다. 그러나 시간분해능이 큰 경우, 중규모적인 기상현상을 잘 재현되며, 여기에 의하여 주풍의 직각성분인 남북성분의 효과가 크게 나타난다. 이상의 결과에서 확산모형의 입력자료로 사용되어지는 바람장은 보고자하는 기상현상을 잘 표현할 수 있는 시간분해능 내의 자료를 이용하여야하며, 이를 무시할 경우 입자의 농도예측에 많은 오차를 발생시킬 수 있다. 그러므로 확산예보에 앞서 시간분해능에 관한 검증이 필요하다고 판단된다.