• Aerospace Industry
• /
• v.56
• /
• pp.48-51
• /
• 1997

과학기술은 잠시도 쉬지 않고 연구발전하고 있다. 그리고 지금 아무꺼리낌없이 우리가 이용하고 있는 많은 기술이 모두 과학자들의 끊임없는 연구 개발의 결과로 나타난 것이다. 그러나 실험실에서의 연구 성공이 곧 실용기술로 모두 이용되는 것은 아니다. 여러 연구 가운데는 상당히 쓸모있는 연구인데도 불구하고 끝내 실용화되지 못하고 만 예도 없지 않다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.203-204
• /
• 2013

분산되어 있는 컴퓨팅 자원을 가상화시킨 이후 접근하여 사용하는 클라우드 컴퓨팅은 인터넷의 발전과 대규모의 데이터센터를 지니는 IT 기업의 등장으로 그 모습을 드러내게 되었다. 복잡도가 높은 다중 클라우드 환경에서 클라우드 브로커(CSB)는 클라우드 사용자(CSC)와 클라우드 제공자(CSP)를 중개하여 최적의 가상 머신(VM) 배치를 할 수 있도록 한다. CSB의 과제는 가장 좋은 성능을 보이며 동시에 가장 경제적인 VM들을 다른 CSP들로부터 제공받아 CSC가 사용할 수 있도록 하는 것이다. 본 논문에서는 초기 VM 배치를 위해 CSC에서 요구하는 자원의 양을 예측하는 기법들을 소개하고, 관련된 미래 기술의 발전 방향에 대해 논의하고자 한다.

• Journal of Scientific & Technological Knowledge Infrastructure
• /
• s.17
• /
• pp.58-65
• /
• 2005

• The Magazine of the IEIE
• /
• v.34 no.1
• /
• pp.17-27
• /
• 2007

• The Journal of the Korea institute of electronic communication sciences
• /
• v.8 no.11
• /
• pp.1655-1664
• /
• 2013

Recently, it becomes essential to forecast the future and identify emerging technologies in order to improve R&D efficiency and gain a competitive advantage under rapidly changing environment of science and technology. Therefore this research aims to identify the future and emerging technologies especially for the industry and applied it to list top ten emerging technologies. In this study, we identify research fronts across all areas of science and technology through verifying and comparing the 2008 and the 2012 surge in research activities. Finally we detect rapidly increasing 10 promising technology areas. This research results are expected to provide valuable information to support stragegic and policy decision making.

• Journal of Korea Water Resources Association
• /
• v.55 no.8
• /
• pp.565-575
• /
• 2022

Recently, in the field of water resource engineering, interest in predicting time series water levels and flow rates using deep learning technology that has rapidly developed along with the Fourth Industrial Revolution is increasing. In addition, although water-level and flow-rate prediction have been performed using the Long Short-Term Memory (LSTM) model and Gated Recurrent Unit (GRU) model that can predict time-series data, the accuracy of flow-rate prediction in rivers with rapid temporal fluctuations was predicted to be very low compared to that of water-level prediction. In this study, the Paldang Bridge Station of the Han River, which has a large flow-rate fluctuation and little influence from tidal waves in the estuary, was selected. In addition, time-series data with large flow fluctuations were selected to collect water-level and flow-rate data for 2 years and 7 months, which are relatively short in data length, to be used as training and prediction data for the LSTM and GRU models. When learning time-series water levels with very high time fluctuation in two models, the predicted water-level results in both models secured appropriate accuracy compared to observation water levels, but when training rapidly temporal fluctuation flow rates directly in two models, the predicted flow rates deteriorated significantly. Therefore, in this study, in order to accurately predict the rapidly changing flow rate, the water-level data predicted by the two models could be used as input data for the rating curve to significantly improve the prediction accuracy of the flow rates. Finally, the results of this study are expected to be sufficiently used as the data of flood warning system in urban rivers where the observation length of hydrological data is not relatively long and the flow-rate changes rapidly.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.248-248
• /
• 2020

토양수분은 증발산, 유출, 침투 등 물수지 요소들과 밀접한 연관이 있는 주요한 변수 중에 하나이다. 토양수분의 정도는 토양의 특성, 토지이용 형태, 기상 상태 등에 따라 공간적으로 상이하며, 특히 기상 상태에 따라 시간적 변동성을 보이고 있다. 기존 토양수분 측정은 토양시료 채취를 통한 실내 실험 측정과 측정 장비를 통한 현장 조사 방법이 있으나 시간적, 경제적 한계점이 있으며, 원격탐사 기법은 공간적으로 넓은 범위를 포함하지만 시간 해상도가 낮은 단점이 있다. 또한, 모델링을 통한 토양수분 예측 기술은 전문적인 지식이 요구되며, 복잡한 입력자료의 구축이 요구된다. 최근 머신러닝 기법은 수많은 자료 학습을 통해 사용자가 원하는 출력값을 도출하는데 널리 활용되고 있다. 이에 본 연구에서는 토양수분과 연관된 다양한 기상 인자들(강수량, 풍속, 습도 등)을 활용하여 머신러닝기법의 반복학습을 통한 토양수분의 예측 가능성을 분석하고자 한다. 이를 위해 시공간적으로 토양수분 실측 자료가 잘 구축되어 있는 청미천과 설마천 유역을 대상으로 머신러닝 기법을 적용하였다. 두 대상지에서 2008년~2012년 수문자료를 확보하였으며, 기상자료는 기상자료개방포털과 WAMIS를 통해 자료를 확보하였다. 토양수분 자료와 기상자료를 머신러닝 알고리즘을 통해 학습하고 2012년 기상 자료를 바탕으로 토양수분을 예측하였다. 사용되는 머신러닝 기법은 의사결정 나무(Decision Tree), 신경망(Multi Layer Perceptron, MLP), K-최근접 이웃(K-Nearest Neighbors, KNN), 서포트 벡터 머신(Support Vector Machine, SVM), 랜덤 포레스트(Random Forest), 그래디언트 부스팅 (Gradient Boosting)이다. 토양수분과 기상인자 간의 상관관계를 분석하기 위해 히트맵(Heat Map)을 이용하였다. 히트맵 분석 결과 토양수분의 시간적 변동은 다양한 기상 자료 중 강수량과 상대습도가 가장 큰 영향력을 보여주었다. 또한 다양한 기상 인자 기반 머신러닝 기법 적용 결과에서는 두 지역 모두 신경망(MLP) 기법을 제외한 모든 기법이 전반적으로 실측값과 유사한 형태를 보였으며 비교 그래프에서도 실측값과 예측 값이 유사한 추세를 나타냈다. 따라서 상관관계있는 과거 기상자료를 통해 머신러닝 기법 기반 토양수분의 시간적 변동 예측이 가능할 것으로 판단된다.

• Journal of Scientific & Technological Knowledge Infrastructure
• /
• s.12
• /
• pp.46-51
• /
• 2003

슈퍼컴퓨팅인프라구축사업의 필요성은 슈퍼컴퓨터가 엄밀한 정확도를 요구하는 초미세 반도체 설계, 신물질 설계 및 항공우주 산업분야로부터 거대한 기상정보 예측 등 다양한 첨단과학 분야의 연구개발에 필수 장비라는 사실에서 비롯된다. 세계 각국은 슈퍼컴퓨터를 과학기술 발전과 국가 경쟁력 확보의 전략요소로 인식하여, 슈퍼컴퓨팅, 네트워킹, 첨단 응용 및 가시화장비 등을 상호 연계한 국가(또는 지역별) 슈퍼컴퓨팅 인프라 구축을 강화하고 있다. 미국은 1990년 초부터 HPCC (고성능 컴퓨팅 및 통신) 프로그램에 매년 10억불 규모의 예산을 지속적으로 투자하여 왔다.

• Journal of the Korea Institute of Military Science and Technology
• /
• v.2 no.1
• /
• pp.101-109
• /
• 1999

The objective of this research is to study effects of the residual stresses on the crack growth and the life of the structure, caused by cold working around the hole of the aircraft structure which will be jointed by rivets and bolts, etc. The compensated Morrow's equation, by experimental data from the materials AL7075-T6 and AL2024-T3, is suggested to calculate the values of the fatigue life prediction of the structure. Also, the compensated Forman's equation, by experimental data from a material AL7075-T6, is suggested to calculate the values of the crack growth prediction of the structure. It is founded that the calculated values from the suggested equations are almost close to the known values of the fatigue life prediction and the crack growth prediction. It is shown that this paper, associated with an initial research on the effects of residual stresses around hole, gives a direction to study the problem at the aircraft maintenance field.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.3
• /
• pp.261-267
• /
• 2021

The mission of the reserve forces unit is to prepare good training for reserve forces during peacetime. For good training, units require proper organization support agents, but they have difficulties due to a lack of unit members. For that reason, the units forecast the monthly attendance rate of reserve forces (using the x-1 year's result) to organize support agents and unit schedule. On the other hand, the existing planning method can have more errors compared to the actual result of the attendance rate. This problem has a negative effect on the training performance. Therefore, it requires more accurate forecast models to reduce attendance rate errors. This paper proposes an attendance rate forecast model using data mining. To verify the proposed data mining based model, the existing planning method was compared with the proposed model using real data. The results showed that the proposed model outperforms the existing planning method.