Hydraulic conductivity is a critical design parameter for buffers in high-level radioactive waste repositories. Most employed prediction models for hydraulic conductivity are limited to various types of bentonites, the main material of the buffer, and the associated temperature conditions. This study proposes the utilization of a novel integrated prediction model. The model is derived through theoretical and regression analyses and is applied to all types of compacted bentonites when the relationship between hydraulic conductivity and dry density for each compacted bentonite is known. The proposed model incorporates parameters such as permeability ratio, dynamic viscosity, and temperature coefficient to enable accurate prediction of hydraulic conductivity with temperature. Based on the results obtained, the values are in good agreement with the measured values for the selected bentonites, demonstrating the effectiveness of the proposed model. These results contribute to the analysis of the hydraulic behavior of the buffer with temperature during periods of high-level radioactive waste deposition.

최근 시스템 반도체 발전으로 인하여 자동차 산업의 전장(電装)에 대한 기술혁 신이 빠르게 진행되고 있다. 특히, 자동차의 전장화는 자동차 부품업체들의 기술개발 경쟁을 가속화시키고 있으며, 개발 주기 또한 빠르게 변화하고 있다. 이러한 변화로 인하여 연구개 발에 대한 전략과 기획의 중요성은 더욱 강화되고 있다. 자동차 산업의 패러다임 변화로 인 하여, 연구개발 전략 중의 하나인 제품-기술로드맵(P/TRM)은 기획 단계에서 기술예측, 기 업의 기술수준평가, 기술획득방법(Make/Collaborate/Buy) 등의 분석을 통하여 개발이 이루 어져야 한다. 제품-기술로드맵은 제품과 기술의 고객 니즈를 파악하고 기술의 선정, 개발방향을 설정하 는 툴(Tool)로써, 미래의 발전방향 추세를 예측하고 매크로(Macro) 트랜드의 전략적 방향성 과 목표를 설정하는데 사용된다. 하지만, 대부분의 기업에서는 해당 기술의 논문이나 특허 분석, 전문가 델파이에 주로 의존하는 정성적인 방법을 통하여 제품-기술로드맵을 개발하고 있다. 본 연구는 가트너의 하이프 사이클과 누적이동평균 기반 데이터 전처리, 딥러닝(LSTM) 시계열 분석 기법을 융합하여 자동차 산업 중심으로 제품-기술로드맵을 보완하고 강화시킬 수 있는 시뮬레이션을 통하여 실증 연구를 진행하였다. 본 논문에서 제시한 실증 연구는 자 동차 산업 뿐만 아니라, 범용적으로 타제조업 분야에서도 사용 가능할 수 있다. 또한, 기업적인 측면에서는 그동안 정성적인 방법에 의존하던 로드맵 작성 방법에서 탈피 하여 좀 더 정확한 제품-기술로드맵을 통하여 적기에 시장에 제품을 제공함으로써 선도업체 로 나아가기 위한 밑거름이 될 것이라고 사료된다.

본 연구에서는 대표적인 신선 잎채소류인 상추의 세척 단계에서 초음파 (37 kHz)와 염소 (100~300 ppm)의 병용 처리 후 냉장 ~ 실온저장 (10~25C)에 따른 이 식품 중의 Salmonella Typhimurium 의 성장예측모델을 개발하였다. 1차 모델 개발을 위해 Gompertz 방정식을 활용하여 각기 다른 실험 조건에서의 S. Typhimurium의 생육도 (SGR과 LT)를 조사했다 . 본 방정식에 의한 1차 모델 개발시 R2가 0.92 이상으로 우수하게 나타났으며 저장온도가 낮을수록 초음파에 사용된 염소의 농도가 높을수록 SGR 값은 감소하였고 LT 값은 증가하였다 . 이를 바탕으로 2 차 polynomial 모델을 개발하여 다양한 통계적 지표 (R2, MSE, Af 및 Bf)를 통해 분석한 결과 개발된 모델의 적합성을 확인할 수 있었다 . 따라서 개발된 모델이 초음파와 염소의 병용 세척에 따른 저장 중 상추에 대한 S. Typhimurium의 성장예측모델로 사용 가능하다고 판단되어지며 , 신선 잎채소류에서의 식중독을 예방하고 미생물학적 위생관리기준을 설정하는데 기초자료로 활용될 수 있을 것으로 사료된다 .

This study presents a machine learning approach using conditional inference tree (Ctree) to determine how brand equity can be used to factually engage consumers into social media brand-related activities. Using the Ctree algorithm (Hothorn, Hornik, & Zeileis, 2006), a predictive model was computed using self-reported data on consumers’ perceptions of brand equity (Aaker, 1991) and engagement into social media brand-related behavior (Muntinga, Moorman, & Smit, 2011) from a sample of 690 individuals. The predictive modeling analysis revealed 5 different rules (patterns) that trigger social media brand-related behavior. Each rule comprises behavioral engagement discriminating low, medium, and high levels of consumption, contribution, and creation of brand-related social media content. Additionally, the analysis portrait 5 subtypes of consumers according to their behavior. This study has incremental explanatory power over preceding consumer brand engagement studies, in that it demonstrates how to manage brand equity to factually engage consumers into social media brand-related activities, therefore, generating valuable insights that may be used to support business.

This study aims at the development of the model for a forecasting of water quality in river basins using artificial neural network technique. Water quality by Artificial Neural Network Model forecasted and compared with observed values at the Sangju 1 and Dalsung stations in Nakdong river basin. For it, a multi-layer neural network was constructed to forecast river water quality. The neural network learns continuous-valued input and output data. Input data was selected as BOD, DO, discharge and precipitation. As a result, it showed that method Ⅲ of three methods was suitable more than other methods by statistical test(ME, MSE, Bias and VER). Therefore, it showed that Artificial Neural Network Model was suitable for forecasting river water quality.

Today travel demand continues to increase with spread of economic zones. Also, urban freeway plays an important role in intra-zone transportations as a major corridor in a big city. However, most of urban freeways experience a severe congestion with the excess of inflowing or outflowing traffic through freeway ramps. The purpose of this study is to identify the traffic characteristics, analyze the relationships between the traffic characteristics and finally construct the speed predictive models on the ramp junctions of urban freeway under the intelligent transportation system(ITS) settings. From the analyses of traffic characteristics following results were obtained: ⅰ) 24 hours average traffic characteristics flow, occupancy, speed under the ITS settings showed about 40%, 38%, 8.8% increase each on urban freeway junctions period when compared with that under the non-ITS settings each other. Free flow speed and traffic flow on the mainline sections of urban freeway under the ITS settings also showed about 20% and 17% increase when compared with that under the non-ITS, respectively. ⅱ) The upstream when compared speed( Su)and downstream occupancy( Od) were especially shown to have higher explanatory powers on the stable flow ramp junctions, but the upstream speed( Su) and downstream flow( Vd) were especially shown on the unstable flow ramp junctions of urban freeway under the ITS settings.ngs.ngs.