최근 급격한 기후 변화로 인해 도로 교통사고의 발생 빈도가 증가하고 있으며, 특히 겨울철에 자주 발생하는 도로 살얼음(블랙아이 스) 현상이 주요 원인 중 하나로 지목되고 있다. 도로살얼음의 형성 메커니즘은 다양한 요인에 따라 복합적으로 작용하며, 당시의 도 로 기상 조건과 도로의 기하학적 구조에 따라 얼음의 형태 및 강도가 결정된다. 그중에서도 도로 노면 온도는 도로살얼음 형성에 중 요한 요소로, 여러 나라에서 겨울철 교통안전 평가를 위한 주요 지표로 사용되고 있다. 그러나 현재 도로 노면 온도에 대한 명확한 정 의가 부족할 뿐만 아니라, 측정 방법에 따라 계측 편차와 온도 손실 등 여러 한계가 존재해 정확한 온도 측정이 어려운 실정이다. 이 에 본 연구는 지중 깊이에 따른 온도 데이터와 도로 기상 데이터를 결합하여 보다 정밀한 도로 노면 온도 예측 방법을 제시하는 것을 목적으로 한다. 연구를 위해 지중 깊이 2cm, 3cm, 4cm, 5cm, 7cm, 9cm, 15cm, 20cm에 각각 온도 센서를 설치하였으며, 기상 데이터는 해당 지점에서 2m 떨어진 AWS(Automatic Weather System)를 통해 대기 온도, 습도, 강수량, 일사량 등의 정보를 수집하였다. 이를 바 탕으로 지중 온도와 기상 조건의 상관관계를 활용하여 노면 온도를 예측하는 방법론을 도출하였다. 본 연구의 결과는 도로 노면 온도 예측의 정확성을 향상시킬 뿐만 아니라, 새로운 접근 방식을 통해 노면 온도의 정의를 재정립하는 데 기여할 것으로 기대된다.

In this paper, machine learning models were applied to predict the seismic response of steel frame structures. Both geometric and material nonlinearities were considered in the structural analysis, and nonlinear inelastic dynamic analysis was performed. The ground acceleration response of the El Centro earthquake was applied to obtain the displacement of the top floor, which was used as the dataset for the machine learning methods. Learning was performed using two methods: Decision Tree and Random Forest, and their efficiency was demonstrated through application to 2-story and 6-story 3-D steel frame structure examples.

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 연구에서는 대파의 가락시장 도매가격을 이용하여 기존 시계열 모형인 ARIMA 모형, 홀트-윈터스 평활법과 대표적인 기계학습 방법인 랜덤 포레스트(Random forest) 분석 기법의 가격 예측력을 비교하였다. 세 모형의 예측력을 분석한 결과는 다음과 같다. 가장 예측력이 높게 나타난 모형은 3년(36개월)을 주기로 설정한 ARIMA 모형이었다. 또한 ARIMA 모형과 홀트-윈터스 평활법은 일별 데이터보다 월별 데이터를 이용한 예측 결과의 정확도가 더 높아 훈련 데이터에 대한 과적합(overfitting)이 오히려 예측력을 낮추는 현상을 보였다. 반면, 랜덤 포레스트는 월별 데이터 보다 일별 데이터를 사용한 모형의 예측력이 더 높았다. 이는 학습량이 많을수록 높은 예측력을 보여주는 기계학습의 특징을 보여주었다. 그러나 기계학습 방법을 활용한 가격 예측에는 가격에 영향을 주는 설명변수를 찾고, 양질의 훈련 데이터 축적이 필요하다는 것을 알 수 있었다. 향후 연구에서는 다양한 설명변수와 기계학습 및 딥러닝 기법을 적용한다면 농축산물 가격 예측력을 높이는데 도움이 될 것으로 판단된다.

해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로 써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통 의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하 여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하 였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기 반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제 시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

V-Coupling is used as a mechanical fastener to connect the turbine housing and the bearing housing in a turbocharger. The back plate is located between the turbine housing and the bearing housing, which is compressed by the bolt clamping force of coupling to prevent gas leakage under turbocharger operation. This paper presents the theoretical and analytical methods to predict the sealing performance by calculating the contact pressures on the back plate. The mathematical model was constructed to derive the contact force on the back plate by considering the force transfer mechanism. And, finite element analysis was carried out to predict the contact pressures by applying the bolt load in the coupling system. As a result, the analysis results of the mathematical model are well consistent with the results of the finite element analysis. Therefore, in the early design stage of turbocharger coupling, mathematical model would be helpful to determine the design parameters.

Statistical analyses were performed to investigate the relative success and accuracy of daily maximum X-ray flux (MXF) predictions, using both multilinear regression and autoregressive time-series prediction methods. As input data for this work, we used 14 solar activity parameters recorded over the prior 2 year period (1989-1990) during the solar maximum of cycle 22. We applied the multilinear regression method to the following three groups: all 14 variables (G1), the 2 so-called 'cause' variables (sunspot complexity and sunspot group area) showing the highest correlations with MXF (G2), and the 2 'effect' variables (previous day MXF and the number of flares stronger than C4 class) showing the highest correlations with MXF (G3). For the advanced three days forecast, we applied the autoregressive timeseries method to the MXF data (GT). We compared the statistical results of these groups for 1991 data, using several statistical measures obtained from a 2x2 contingency table for forecasted versus observed events. As a result, we found that the statistical results of G1 and G3 are nearly the same each other and the 'effect' variables (G3) are more reliable predictors than the 'cause' variables. It is also found that while the statistical results of GT are a little worse than those of G1 for relatively weak flares, they are comparable to each other for strong flares. In general, all statistical measures show good predictions from all groups, provided that the flares are weaker than about M5 class; stronger flares rapidly become difficult to predict well, which is probably due to statistical inaccuracies arising from their rarity. Our statistical results of all flares except for the X-class flares were confirmed by Yates' X2 statistical significance tests, at the 99% confidence level. Based on our model testing, we recommend a practical strategy for solar X-ray flare predictions.

사막의 모래는 바람의 영향으로 인한 비산 및 퇴적작용으로 사구(모래언덕)를 형성하거나, 이동시켜 사막 지형을 변화시킨다. 특히 사막에 철도궤도 부설시 이러한 사막모래의 비산으로 인한 퇴적은 철도유지보수에 지장을 주어 철도운행 및 안전에 심대한 악영향을 미치며, 심각한 경제적 손실을 야기할 수 있다. 이러한 문제는 모래의 비산 및 퇴적작용에 대한 예측을 이용한 적절한 예방대책 수립을 통하여 최소화 할 수 있다. 이 연구에서는 지형 및 기상조건 등을 고려하여 바람으로 인한 사막모래의 비산 및 퇴적작용을 예측할 수 있는 기법을 고찰하였다. 세부적으로는 지형에 따른 풍향 및 풍속의 예측 기법과 이에 따른 모래의 비산 및 퇴적 예측 기법, 모래 입자의 크기 및 성질에 따른 특성 변화 예측 기법들에 대하여 고찰하였으며, 기법의 적용 방법은 수치 예제를 통하여 제시하였다.

With the advent of next generation sequencers (NGS) that provide sequencing at a substantially lower cost, the development SNPs at the level of whole genomes can be done in a single laboratory. However, genome structural variation including large insertions and deletions, and chromosomal reciprocal translocations has not yet been focused due to the limitation of re-sequencing methods as genome structures rely to that of a known reference genome. For an improved detection of the structural variations after deep re-sequencing of the Glycine soja accession CS-14, we de novo assembled the whole paired-end reads (W-contigs). After the de novo assembly, the paired-end reads that did not match the reference genome of Williams 82 were retrieved and de novo assembled them (U-contigs). We then predicted structural variation candidates. For predicting the function of the structural variation candidates, we compared those structural variation candidates with SwissProt DB using BLASTX. Most of them were matched with transposable element related proteins or stress tolerance related proteins (Table 1). We designed 24 primers for all candidates and tested in CS-14 and Williams 82 for validation. As a result, the DNA polymorphism was observed between CS-14 and Williams 82 in the three primer sets, CS14IC10, CS14IC12 and CS14IC15, with the expected size of the PCR product . For further validation, we sequenced the DNA band amplified by CS14IC15, and its sequences were aligned well against the Williams 82 and CS-14 contig. Especially, IC15R-CS14 was aligned in the predicted insertion region, consequently, this sequenced region would indicate structural variation. The other primer sets did not amplified either because they were designed for an amplifying long genomic region or because of the fragmented template DNA

지진은 여러 종류의 자연재해 중에서 인간이 그 발생 시기를 예측할 수 없는 자연재해이며 인명과 재산에 막대한 피해를 가져올 수 있는 재해이다. 1995년 1월 일본 고베시 인근 효고현 남부지진으로 인하여 5,000여명의 사상자와 수조원의 재산피해를 가져 왔고, 최근(2011년 3월) 일본 도호쿠 지방 태평양 앞바다에 발생한 규모 9.0의 강진으로 발생한 쓰나미로 인하여 후쿠시마 원전 시설에 치명적 손상이 발생하여 수천 명의 작업 사망자를 기록하였다. 현재까지도 그 피해가 지속되고 있는 실정이다. 역사기록에 의하면 국내도 인명과 재산 피해를 초래한 중진규모 이상의 지진이 여러 차례 있었으며, 2000년 이후부터는 동남아시아 지역 주변으로 지진활동이 증가하면서 국내도 지진에 대한 안전지대가 아니라는 인식이 증대되고 있다. 최근 지진이 빈번한 국가를 중심으로 지진 시 지반피해에 대한 관심과 관련 연구가 증대대고 있는 추세이다. 국내에서도 지진 시 사면붕괴 등 지반피해 예측기술 개발 연구가 90년대 후반부터 기초연구가 시작되었다. 이런 기초연구를 토대로 본 연구에서는 지진 시 사면붕괴 및 액상화에 대한 전국단위의 위험도를 작성하고 그 자료를 데이터베이스화 하고자 한다. 최종적으로 개발 위험도를 국가 지진재해대응시스템에 탑재 및 통합관리하는 것을 연구목표로 정하고 있다. 본 연구 성과를 통해 구조물 및 산업시설의 조성 위치를 미리 조정하여 지진시 대책을 강구한다면, 산업이나 경제적 측면에서 발생할 수 있는 피해를 최소화할 수 있을 것으로 기대한다.

This paper presents the prediction method of concrete strength according to curing methods for the quality control. Database and an artificial neural network were constructed and then the prediction program of concrete strength were developed.

Early predictions of crop yields call provide information to producers to take advantages of opportunities into market places, to assess national food security, and to provide early food shortage warning. The objectives of this study were to identify the most useful parameters for estimating yields and to compare two model selection methods for finding the 'best' model developed by multiple linear regression. This research was conducted in two 65ha corn/soybean rotation fields located in east central South Dakota. Data used to develop models were small temporal variability information (STVI: elevation, apparent electrical conductivity (ECa) , slope), large temporal variability information (LTVI : inorganic N, Olsen P, soil moisture), and remote sensing information (green, red, and NIR bands and normalized difference vegetation index (NDVI), green normalized difference vegetation index (GDVI)). Second order Akaike's Information Criterion (AICc) and Stepwise multiple regression were used to develop the best-fitting equations in each system (information groups). The models with δi~leq2 were selected and 22 and 37 models were selected at Moody and Brookings, respectively. Based on the results, the most useful variables to estimate corn yield were different in each field. Elevation and ECa were consistently the most useful variables in both fields and most of the systems. Model selection was different in each field. Different number of variables were selected in different fields. These results might be contributed to different landscapes and management histories of the study fields. The most common variables selected by AICc and Stepwise were different. In validation, Stepwise was slightly better than AICc at Moody and at Brookings AICc was slightly better than Stepwise. Results suggest that the Alec approach can be used to identify the most useful information and select the 'best' yield models for production fields.