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.

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.

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.

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.

Approximately 40,000 elevators are installed every year in Korea, and they are used as a convenient means of transportation in daily life. However, the continuous increase in elevators has a social problem of increased safety accidents behind the functional aspect of convenience. There is an emerging need to induce preemptive and active elevator safety management by elevator management entities by strengthening the management of poorly managed elevators. Therefore, this study examines domestic research cases related to the evaluation items of the elevator safety quality rating system conducted in previous studies, and develops a statistical model that can examine the effect of elevator maintenance quality as a result of the safety management of the elevator management entity. We review two types: odds ratio analysis and logistic regression analysis models.

Numerous factors contribute to the deterioration of reinforced concrete structures. Elevated temperatures significantly alter the composition of the concrete ingredients, consequently diminishing the concrete's strength properties. With the escalation of global CO2 levels, the carbonation of concrete structures has emerged as a critical challenge, substantially affecting concrete durability research. Assessing and predicting concrete degradation due to thermal effects and carbonation are crucial yet intricate tasks. To address this, multiple prediction models for concrete carbonation and compressive strength under thermal impact have been developed. This study employs seven machine learning algorithms—specifically, multiple linear regression, decision trees, random forest, support vector machines, k-nearest neighbors, artificial neural networks, and extreme gradient boosting algorithms—to formulate predictive models for concrete carbonation and thermal impact. Two distinct datasets, derived from reported experimental studies, were utilized for training these predictive models. Performance evaluation relied on metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analytical outcomes demonstrate that neural networks and extreme gradient boosting algorithms outshine the remaining five machine learning approaches, showcasing outstanding predictive performance for concrete carbonation and thermal effect modeling.

미세구조 특성의 불확실성은 재료 특성에 많은 영향을 준다. 시멘트 기반 재료의 공극 분포 특성은 재료의 역학적 특성에 큰 영향을 미치며, 재료에 랜덤하게 분포되어 있는 많은 공극은 재료의 물성 예측을 어렵게 한다. 공극의 특성 분석과 재료 응답 간의 상관관계 규명에 대한 기존 연구는 통계적 관계 분석에 국한되어 있으며, 그 상관관계가 아직 명확히 규명되어 있지 않다. 본 연구에서는 합성곱 신경망(CNN, convolutional neural network)을 활용한 이미지 기반 데이터 접근법을 통해 시멘트 기반 재료의 역학적 응답을 예측하 고, 공극분포와 재료 응답의 상관관계를 분석하였다. 머신러닝을 위한 데이터는 고해상도 마이크로-CT 이미지와 시멘트 기반 재료의 물성(인장강도)로 구성하였다. 재료의 메시 구조 특성을 분석하였으며, 재료의 응답은 상장균열모델(phase-field fracture model)에 기 반을 둔 2D 직접 인장(direct tension) 유한요소해석 시뮬레이션을 활용하여 평가하였다. 입력 이미지 영역의 기여도를 분석하여 시편 에서 재료 응답 예측에 가장 큰 영향을 미치는 영역을 CNN을 통하여 식별하였다. CNN 과정 중 활성 영역과 공극분포를 비교 분석하 여 공극분포특성과 재료 응답의 상관관계를 분석하여 제시하였다.

본 연구에서는 부산신항에서 스크러버를 장착한 선박이 세정수를 배출하였을 때 인근 해역에 미치는 영향을 검토하기 위해 확산예측을 수행하였다. 세정수에 포함된 용존무기탄소(DIC)의 농도를 통제한 채로 세정수의 pH 조건별로 해역에 미치는 영향을 대조기 와 소조기로 나누어 평가하였다. 선박 1대에서 24시간 동안 세정수를 배출할 때, pH가 최대 0.076, 0.083 감소하였다. DIC의 경우 0.561mg/L, 0.612mg/L 증가하였다. 부산신항에 수용가능한 선박수인 24대를 전부 가정하여 실험하였을 경우 pH는 0.200, 0.545 감소하였고, DIC는 1.464mg/L, 3.629mg/L 증가하였다. 일반적으로 스크러버가 세정수를 처리하였을 때 pH 6.1인 것을 감안하여 선박 1대에서 pH 6.1인 조건으 로 24시간 동안 세정수를 배출하는 경우 우리나라 연근해의 연간 pH 변화량보다 약 33.7배 더 큰 폭으로 감소하는 것으로 계산되었다. 선 박이 24대일 경우에는 하루이상 표층의 성층화를 유발하고 수심 4m까지 영향을 주는 것으로 예측되었다.

기후변화 영향으로 이상고수온, 태풍, 홍수, 가뭄 등 재난 및 안전 관리기술은 지속적으로 고도화를 요구받고 있으며, 특히 해 수면 온도는 한반도 주변에서 발생되는 여름철 적조 발생과 동해안 냉수대 출현, 소멸 등에 영향을 신속하게 분석할 수 있는 중요한 인자 이다. 따라서, 본 연구에서는 해수면 온도 자료를 해양 이상현상 및 연구에 적극 활용되기 위해 통계적 방법과 딥러닝 알고리즘을 적용하 여 예측성능을 평가하였다. 예측에 사용된 해수면 수온자료는 흑산도 조위관측소의 2018년부터 2022년까지 자료이며, 기존 통계적 ARIMA 방법과 Long Short-Term Memory(LSTM), Gated Recurrent Unit(GRU)을 사용하였고, LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence(s2s) 구조에 Attention 기법을 추가한 Attention Long Short-Term Memory (LSTM)기법을 사용하여 예측 성능 평가를 진행하 였다. 평가 결과 Attention LSTM 모델이 타 모델과 비교하여 더 좋은 성능을 보였으며, Hyper parameter 튜닝을 통해 해수면 수온 성능을 개 선할 수 있었다.

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure’s safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

목적 : 본 연구의 목적은 Coronavirys Disease(COVID-19) 팬데믹을 거친 고령자의 사회적 건강의 수준의 변화궤적에 대한 잠재계층을 분류하고 잠재 계층별 특성을 분석함에 있다. 또한 이러한 사회적 건강에 영향을 미치는 예측요인을 파악하여 고령자의 사회적 건강을 증진을 위한 기초자료를 마련하고자 한다. 연구방법 : 국내 고령자의 사회적 친밀도에 따른 사회적 건강 유형을 파악하기 위해서 한국복지패널의 3 년차 종단자료를 토대로 분석하였으며, 연구대상자는 세 시점 모두를 응답한 2845명의 고령자를 대상으 로 하였다. 대상자중심접근인 성장혼합모형(Growth Mixture Model; GMM)을 적용하여 변화궤적에 따 른 잠재계층을 분석 하였고, 도출된 각 잠재유형별 특성을 파악하기 위해 χ2 분석, 분산분석을 실시하 였으며, 계층 간 차이를 유발하는 요인을 파악하기 위해 다항로지스틱 회귀분석을 실시하였다. 결과 : GMM 적용결과, 사회적 건강의 변화궤적에 대한 잠재계층은 최종 4개의 집단으로 저수준 감소-증 가 집단, 중수준 유지-증가 집단, 고수준-감소 집단, 고수준 유지’집단으로 분류되었다. 또한 사회적 건강 수준에 따라 여가만족도에서 차이가 나타나는 것으로 드러났으며, 그 외에도 연령 차이가 존재하였 다. 잠재계층분류에 영향을 미치는 영향변인을 검증한 결과, 특히 여성일수록, 종교를 가지고 있을수록, 여가만족도와 전반적 만족도가 모두 높을수록 고수준 유지 집단에 속할 확률이 높은 것으로 나타났다. 결론 : 국내 고령자의 사회적 건강은 시간이 지남에 따라 감소하는 궤적을 보이는 것으로 나타났다. 변화 궤적에 따라 4개의 집단으로 구분 지을 수 있으며, 각 잠재 유형별 연령과 여가 만족도 부분에서 집단별 차이가 드러났다.

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.