• Journal of the Korean Society of Marine Environment & Safety
• /
• v.28 no.5
• /
• pp.780-790
• /
• 2022

Quantitative risk levels must be presented by analyzing the causes and consequences of accidents and predicting the occurrence patterns of the accidents. For the analysis of marine accidents related to vessel traffic, research on the traffic such as collision risk analysis and navigational path finding has been mainly conducted. The analysis of the occurrence pattern of marine accidents has been presented according to the traditional statistical analysis. This study intends to present a marine accident prediction model using the statistics on marine accidents related to vessel traffic. Statistical data from 1998 to 2021, which can be accumulated by month and hourly data among the Korean domestic marine accidents, were converted into structured time series data. The predictive model was built using a long short-term memory network, which is a representative artificial intelligence model. As a result of verifying the performance of the proposed model through the validation data, the RMSEs were noted to be 52.5471 and 126.5893 in the initial neural network model, and as a result of the updated model with observed datasets, the RMSEs were improved to 31.3680 and 36.3967, respectively. Based on the proposed model, the occurrence pattern of marine accidents could be predicted by learning the features of various marine accidents. In further research, a quantitative presentation of the risk of marine accidents and the development of region-based hazard maps are required.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2008.11a
• /
• pp.185-188
• /
• 2008

영상의 화질을 평가하는 방법은 어떤 정보를 기준으로 평가하느냐에 따라서 전체 기준법 (Full Reference), 부분기준법 (Reduced Reference) 그리고 무기준법 (No Reference)으로 나눌 수 있다. 이중 무기준법은 수신 영상만을 가지고 측정하기 때문에, 다른 방법보다 활용범위가 넓다. 또한, 최근 사람의 눈의 특성을 고려한 인지적(Perceptual)화질평가 방법이 많이 논의되어, 사람이 실제 보고 느끼는 바를 객관화 시키는 방법이 개발되어 왔다. 이들 화질평가 방법들에 대해 많은 연구가 수행되고 있으며, 국제기구들을 통하여 이들 지표들에 대한 표준화가 진행되고 있다. 본 논문에서는 휘도, 색차의 분포도를 분석하여 원본의 화질을 예측하는 방법을 통해서, 기존 무기준법의 정확도를 높이고자 한다. 영상신호의 양자화나 부호화로 인해 임계값을 벗어나는 값들이 생기게 되며, 이 값을 휘도, 색차의 분포도 분석으로 예측하여 화질평가를 수행하게 된다. 실험 결과 제안된 방법의 상관도는 다른 방법보다 높은 것으로 나타났다.

• Journal of the Korean Society of Food Science and Nutrition
• /
• v.42 no.5
• /
• pp.832-836
• /
• 2013

To develop a predictive model for the shelf-life of fish cake, fish cake was stored at 30, 35, or $40^{\circ}C$ and populations of total aerobic bacteria were determined during storage. Gompertz model parameters were determined and their dependence on temperature formulated as a quadratic equation for applications toward shelf-life prediction. The predicted shelf-life values for fish cake used in this study were 6.9, 5.5, and 3.8 days at 0, 4, and $10^{\circ}C$, respectively. The shelf-life prediction equation was appropriate based on statistical analyses that reveal accuracy and bias factors. These results suggest that our prediction model is applicable for estimating the shelf-life of fish cake.

• Journal of the Korean Ceramic Society
• /
• v.38 no.6
• /
• pp.575-581
• /
• 2001

세라믹/금속기지 복합재료에서 횡방향의 단축인장하중을 받는 경우, 복합재료의 특성에 관한 시뮬레이션 결과이다. 세라믹과 금속기지간 계면에 강한 결합이 존재하는 복합재와, 계면에서의 결합이 약한 복합재의 두 경우에 대하여 횡방향 평균응력과 평균변형율에 대한 관계를 계산하였다. 복합재료의 미시역학적개념과 유한요소해석법을 적용하여 세라믹체적분율의 변화에 따라 각기 해석되었다. 본 연구에서 계산된 횡방향 탄성계수는 문헌에 알려져 있는 미시역학개념으로 유도된 식에 의한 횡방향탄성계수값과 잘 일치되었다. 계면에서 강한 결합이 있는 복합재와는 달리, 약한 결합의 복합재는 인장하중에 의하여 세라믹/금속계면에서 금속재료와 세라믹간의 분리가 발생된다. 이 분리는 전체복합재의 강성을 감소시키며, 금속의 부피분율이 감소될수록 (즉, 세라믹의 부피분율이 증가할수록) 횡방향 평균응력의 평균변형율에 대한 감소로 나타났다. 미시역학의 개념을 적용한 유한요소해석기법을 통하여, 이미 알고 있는 복합재 각 성분의 특성으로부터 복합재료의 계면특성과 횡방향특성을 예측할 수 있다.

• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 1994.11a
• /
• pp.17-22
• /
• 1994

오류역전파 신경망을 인산형 연료전지의 조업변수인 산소 및 수소 유량, 작동온도에 대하여 학습시켜 연료전지 모델을 구성하였다. 또한 구성된 모델을 이용하여 다양한 조업조건에서의 단위전지 성능을 예측하여 이를 실험결과와 비교하였으며, 학습된 신경망을 ASPEN PLUS의 단위공정으로 도입하여 50kW 출력의 연료전지 공정을 구성한 후 조업변수에 대한 영향을 살펴보았다. 3개의 층으로 구성된 오류역전파 신경망은 학습단계상수와 모멘텀이 각각 0.7 및 0.9인 경우 단위전지 성능곡선을 가장 정확히 학습하였으며, 이에 의하여 구성된 신경망 모델은 수소 및 산소의 유량, 온도의 변화에 따른 단위전지 성능곡선의 변화를 정확히 예측하였다. 연료전지 전체공정의 모사에서는 개질기의 경우 $600^{\circ}C$의 상압에서 수증기/탄화수소 비율이 2.6일 때, 연료전지의 경우 작동온도가 190~20$0^{\circ}C$일 때 연료전지의 출력이 최대값을 나타내었으며, 단위전지의 전기화학적 효율은 약 45%, 수소이용률은 약 61%, 발전시스템 전체의 효율은 18%이었다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.519-519
• /
• 2015

2007년 발간된 IPCC의 4차 평가보고서에서 자연재해, 환경, 해양, 농업, 생태계, 보건 등 다양한 부분에 미치는 기후변화의 영향에 대한 과학적 근거들이 제시되면서 기후변화는 현세기 범지구적인 화두로 대두되고 있다. 또한, 기후변화에 의한 지구 온난화는 대규모의 수문순환 과정에서의 변화들과 연관되어 담수자원은 기후변화에 대단히 취약하며 미래로 갈수록 악영향을 받을 것으로 6차 기술보고서에서 제시하고 있다. 특히 우리나라는 지구온난화가 전 지구적인 평균보다 급속하게 진행될 가능성이 높기 때문에 기후변화에 대한 담수자원 취약성이 더욱 클 것으로 예상된다. 따라서 지표수에 용수의존도가 높은 우리나라의 댐 저수지를 대상으로 기후변화에 따른 수환경 변화의 정확한 분석과 취약성 평가는 필수적이다. 본 연구에서는 SRES A1B 시나리오를 적용하여 기후변화가 주암호 저수지의 수환경 변화에 미치는 영향을 분석하였다. 지역스케일의 미래 기후시나리오 생산을 위해 인공신경망(Artificial Neural Network.,ANN)기법을 적용하여 예측인자(강우, 상대습도, 최고온도, 최저온도)에 대해 강우-유출모형에 적용이 가능한 지역스케일로 통계적 상세화를 수행하였으며, 이를 유역모델에 적용하여 저수지 유입부의 유출량 및 부하량을 예측하였다. 유역 모델의 결과를 토대로 저수지 운영모델에 저수지 유입부의 유출량을 적용하여 미래 기간의 방류량을 산정하였으며, 최종적으로 저수지 모델에 유입량, 유입부하량 및 방류량을 적용하여 저수지 내 오염 및 영양물질 순환 및 분포 예측을 통해서 기후변화가 저수지 수환경에 미치는 영향을 평가하였다. 기후변화 시나리오에 따른 상세기 후전망을 위해서 기후인자의 미래분석 기간은 (I)단계 구간(2011~2040년), (II)단계 구간(2041~2070년), (III) 단계 구간(2071~2100년)의 3개 구간으로 설정하여 수행하였으며, Baseline인 1991~2010년까지의 실측값과 모의 값을 비교하여 검증하였다. 강우량의 경우 Baseline 대비 미래로 갈수록 증가하는 것으로 전망되었으며, 2011년 대비 2100년에서 연강수량 6.4% 증가한 반면, 일최대강수량이 7.0% 증가하는 것으로 나타나 미래로 갈수록 집중호우의 발생가능성이 커질 것으로 예측되었다. 유역의 수문 수질변화 전망도 강수량 증가의 영향으로 주암댐으로 유입하는 총 유량이 Baseline 대비 증가 하였으며, 유사량 및 오염부하량도 증가하는 것으로 나타났다. 저수지 수환경 변화 예측결과 유입량이 증가함에 따라서 연평균 체류시간이 감소하였으며, 기온 및 유입수온 상승의 영향으로 (I)단계 구간대비 미래로 갈수록 상층 및 심층의 수온이 상승하는 것으로 나타났다. 연중 수온성층기간 역시 증가하는 것으로 나타났으며, 남조류는 (I)단계 구간 대비 (III)단계 구간으로 갈수록 출현시기가 빨라지며 농도 역시 증가하였다. 또한 풍수년, 평수년에 비해 갈수년에 남조류의 연평균농도 상승폭과 최고농도가 크게 나타나 미래로 갈수록 댐 유입량이 적은 해에 남조류로 인한 피해 발생 가능성이 높아질 것으로 예상된다.

• Transactions of the Korean Society of Mechanical Engineers B
• /
• v.38 no.9
• /
• pp.773-779
• /
• 2014

A qualitative and quantitative analysis on flame dynamics is required to model combustion instability characteristics in gas turbine lean premixed combustors. The current paper shows the flame transfer function modeling results using CFD(Computational Fluid Dynamics) techniques for the flame dynamics study. It is generally known that flame shapes determine the basic characteristics of the flame transfer function. The comparisons of the modeled flame shapes with the measured ones were made using the optimized heat transfer conditions. Modeling results of the flame transfer function show the close behaviors to the measured data with a reasonable accuracy if the flame geometry can be exactly captured.

• Proceedings of the Korean Geotechical Society Conference
• /
• 2003.06b
• /
• pp.67-81
• /
• 2003

터널 설계 조사단계 및 시공중 RMR 및 Q분류를 시행하고자 하는 경우, 여러 가지 제약조건으로 말미암아 지하수 조건에 해당하는 항목인 Jw의 선정은 조사자의 경험에 의존하고 있다. Jw 선정시에는 되도록 정량적인 선정이 가능한 지하수 유입량 자료에 기초하는 것이 바람직하기 때문에, 본 고에서는 여러 가지 예측방법을 검증함으로서 보다 합리적인 방법을 제안하고자 한다. 절리수두, 지하수 유입량, 수리전도도 특성 등의 다양한 자료를 구한 대전 LNG Pilot Cavern의 결과를 바탕으로 수치해석 결과, 이론식에 의한 결과를 측정결과와 상호 비교하였다. 그 결과 합리적인 수리전도도 모델을 선정할 수 있다면 이론식으로도 Jw값을 비교적 근사하게 선정할 수 있다는 사실을 제안하였다.

• Journal of Intelligence and Information Systems
• /
• v.22 no.1
• /
• pp.139-157
• /
• 2016

Bankruptcy involves considerable costs, so it can have significant effects on a country's economy. Thus, bankruptcy prediction is an important issue. Over the past several decades, many researchers have addressed topics associated with bankruptcy prediction. Early research on bankruptcy prediction employed conventional statistical methods such as univariate analysis, discriminant analysis, multiple regression, and logistic regression. Later on, many studies began utilizing artificial intelligence techniques such as inductive learning, neural networks, and case-based reasoning. Currently, ensemble models are being utilized to enhance the accuracy of bankruptcy prediction. Ensemble classification involves combining multiple classifiers to obtain more accurate predictions than those obtained using individual models. Ensemble learning techniques are known to be very useful for improving the generalization ability of the classifier. Base classifiers in the ensemble must be as accurate and diverse as possible in order to enhance the generalization ability of an ensemble model. Commonly used methods for constructing ensemble classifiers include bagging, boosting, and random subspace. The random subspace method selects a random feature subset for each classifier from the original feature space to diversify the base classifiers of an ensemble. Each ensemble member is trained by a randomly chosen feature subspace from the original feature set, and predictions from each ensemble member are combined by an aggregation method. The k-nearest neighbors (KNN) classifier is robust with respect to variations in the dataset but is very sensitive to changes in the feature space. For this reason, KNN is a good classifier for the random subspace method. The KNN random subspace ensemble model has been shown to be very effective for improving an individual KNN model. The k parameter of KNN base classifiers and selected feature subsets for base classifiers play an important role in determining the performance of the KNN ensemble model. However, few studies have focused on optimizing the k parameter and feature subsets of base classifiers in the ensemble. This study proposed a new ensemble method that improves upon the performance KNN ensemble model by optimizing both k parameters and feature subsets of base classifiers. A genetic algorithm was used to optimize the KNN ensemble model and improve the prediction accuracy of the ensemble model. The proposed model was applied to a bankruptcy prediction problem by using a real dataset from Korean companies. The research data included 1800 externally non-audited firms that filed for bankruptcy (900 cases) or non-bankruptcy (900 cases). Initially, the dataset consisted of 134 financial ratios. Prior to the experiments, 75 financial ratios were selected based on an independent sample t-test of each financial ratio as an input variable and bankruptcy or non-bankruptcy as an output variable. Of these, 24 financial ratios were selected by using a logistic regression backward feature selection method. The complete dataset was separated into two parts: training and validation. The training dataset was further divided into two portions: one for the training model and the other to avoid overfitting. The prediction accuracy against this dataset was used to determine the fitness value in order to avoid overfitting. The validation dataset was used to evaluate the effectiveness of the final model. A 10-fold cross-validation was implemented to compare the performances of the proposed model and other models. To evaluate the effectiveness of the proposed model, the classification accuracy of the proposed model was compared with that of other models. The Q-statistic values and average classification accuracies of base classifiers were investigated. The experimental results showed that the proposed model outperformed other models, such as the single model and random subspace ensemble model.

• Journal of the Korean Society of Food Science and Nutrition
• /
• v.21 no.2
• /
• pp.163-170
• /
• 1992

Color of kimchi juice was measured instrumentally to evaluate the quality of Korean cabbage kimchi during fermentation at 4$^{\circ}C$ and 16$^{\circ}C$ . These results were compared with those of chemical analyses of kimchi juice and sensory evaluation for kimchi. Chemiral analyses and sensory evaluation showed that the kimchi has reached pH 4.3, the pH value under an optimum ripening period, after 3-days fermentation at 16$^{\circ}C$ with almost the highest contents of vitamin C and carotenoids as well as desirable sour taste and texture. At 4$^{\circ}C$ the kimchi was unripened after 6-days fermentation. At 16$^{\circ}C$, $L^{*}$ value of kimchi juice did not show any significant change during fermentation periods. However, $a^{*}$ value increased until day 4$^{\circ}C$ and thereafter decreased sharply. $b^{*}$ value increased until day 3 and then showed no change. High correlations were seen between volume of kimchi juice, pH, total acidity and $L^{*}$or $b^{*}$ value, and between carotenoid content and $a^{*}$ value, respectively. It was desirable to use color $a^{*}$ or $b^{*}$ value of kimchi juice to evaluate the quality of kimchi. The kimchi was under an over-ripening period when $a^{*}$ value was equal to or lower than the initial value, or when $b^{*}$ value was almost constant. Predicting an optimum ripening period was possible by using a proportional value of $a^{*/}$ $b^{*}$ , i.e., unripening period, 1 $\geq$ and near 1 ; optimum ripening period, near 0.8 ; over-ripening period, < 0.8.eriod, < 0.8.d, < 0.8.