• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.129-129
• /
• 2023

연안 환경은 기후 및 도시개발과 같은 자연·인공적 요인에 따라 끊임없이 변화한다. 근래에는 연안 도시 인구증가, 기후변화 등의 영향으로 인해 그 변화가 가속화되고 있으며, 특히 연안 침식 및 이에 따른 해안선 변화에 대한 심각성이 대두되고 있다. 연안 침식은 해류와 해안 유사의 마찰로 발생하는 유사이송 현상으로 야기되며, 해안 환경을 변화를 초래하며 인간사회에 경제적인 피해를 주기도 한다. 연안침식이 사회적인 문제로 부상했음에도 여전히 이에 대한 대중적 문제의식은 부족한 실정이다. 이는 대중매체를 통한 시각적인 노출이 가능한 다른 재해에 비해 재해의 물리적 과정에 대한 시각적인 관측이 어렵다는 배경이 있다고 판단된다. 더불어, 재해의 간접체험이 가능한 플랫폼이 부족하다는 점도 원인으로 여겨진다. 기술이 발달함에 따라 시뮬레이션을 통한 재해의 간접체험이 가능한 플랫폼이 개발되어왔으며, 이는 직접 경험하기 어려운 재해에 대해 위험성 인지 및 경각심 고취에 활용되어왔다. 본 연구에서는 수치해석 플랫폼인 Celeris Advent(Tavakkol and Lynett, 2017)를 기반으로 실시간 유사이송 해석이 가능한 인터랙티브 수치모형을 개발하여 문제를 개선하고자 하였다. GUI(Graphical User Interface)를 통해 조작이 가능한 Celeris Advent는 수치해석 결과를 실시간으로 가시화하며, 이에 대한 사용자 상호작용이 가능하다. 이를 기반으로 유사의 흐름에 대해 모의가 가능하도록 모형을 구성하여 실시간 사용자 입력 및 유사이송 물리현상 관측이 가능하도록 모형을 개발하였다. 수치모형 지배방정식은 2차원 천수방정식과 유사이송방정식을 양방향 결합하여 구성하였다. 개발된 모형의 정확성 평가를 위해 1차원 및 2차원 수리실험 데이터를 활용하여 수치실험을 수행하였으며, 전반적인 결과는 실험데이터와 잘 일치하였다.

• The Journal of the Korea Contents Association
• /
• v.7 no.6
• /
• pp.44-51
• /
• 2007

For real-time recognizing of model objects in remote position a new Neural Networks algorithm is proposed. The proposed neural networks technique is the real time computation methods through the inter-node diffusion. In the networks, a node corresponds to a state in the quantized input space. Each node is composed of a processing unit and fixed weights from its neighbor nodes as well as its input terminal. The most reliable algorithm derived for real time recognition of objects, is a dynamic programming based algorithm based on sequence matching techniques that would process the data as it arrives and could therefore provide continuously updated neighbor information estimates. Through several simulation experiments, real time reconstruction of the nonlinear image information is processed. 1-D LIPN hardware has been composed and various experiments with static and dynamic signals have been implemented.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.4
• /
• pp.35-42
• /
• 2021

The college English teaching-learning model in this study is intended to effectively apply dictogloss activities to enhance competencies such as communication, self-directedness, and cooperation by upgrading the utilization of various online platform functions. Dictogloss is a language teaching and learning activity that combines four functions (listening, speaking, reading, and writing) of communication. College English classes in this study focus on communication-oriented integrated English education. In this study, the teaching and learning is an online-based English integrated teaching-learning method based on constructivism theory. The model presented the roles of learners and teachers according to the seven procedures.

• Journal of Energy Engineering
• /
• v.4 no.3
• /
• pp.387-393
• /
• 1995

본 연구에서는 단기 전력수요예측에 있어서 필요한 데이터의 수와 계산시간을 경감하면서 보다 정확성을 기할 수 있는 앨고리즘의 개발을 위하여 이에 적합한 칼만필터링 앨고리즘을 고찰하였다. 또한 칼만필터 앨고리즘을 토대로 필터의 모형화를 통하여 단기 전력수요를 예측할 수 있는 실시간 동적예측 모형을 구축하고 그 적용 가능성을 시험하였다.

• 한국ITS학회:학술대회논문집
• /
• 2005.11a
• /
• pp.186-190
• /
• 2005

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.286-286
• /
• 2023

물의 전체 순환 구조에서 토양수분이 차지하는 정량적 비중은 상대적으로 작지만, 강우-유출 과정의 비선형에 영향을 미치는 지배적 요인 중 하나이고, 토양 침식과 산사태, 농업생산량, 기후 변화 대응 등 광범위한 주제와 연관되어 있어, 토양수분의 물리과정에 대한 이해 증진과 예측 기술의 지속적인 개선이 필요하다. 본 연구에서는 금오공과대학교 유역 내에서 토양수분과 기상 요소를 실시간 관측하고, 기계학습 기법을 이용하여 토양수분을 단기 예측하는 기술을 개발하고 평가한다. 구체적으로는, 토양 관측 장비인 TEROS를 사용하여 표층 지점의 10cm, 심층 지점의 40cm에서의 토양수분, 토양장력과 토양온도를, 기상 관측 장비인 ATMOS를 사용하여 태양복사, 강수량, 기온, 풍속, 대기압 등 다양한 기상 요소를, 실시간 클라우드 방식으로 1여 년간 수집한 데이터를 활용한다. 또한, 과거 및 실시간 데이터를 기반으로 LSTM(Long-Short Term Memory) 기법을 사용하여 토양수분 예측 모형을 구축하고, 선행 예측 시간에 따른 모의 정확도를 평가한다. 기상 요소의 누적 등 자료 분석 방법이 표층 및 심층 토양수분 예측에 미치는 영향, 그리고 예측 모형 개선 방향에 대해 토의한다. 실시간 현장 관측 자료 및 인공지능 기반 단기 토양수분 예측 모의 기술은 소규모 유역의 수문순환 분석 및 물리기반 모형의 개선 등 다양한 분야에서 활용할 수 있을 것으로 기대된다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.12 no.2
• /
• pp.53-60
• /
• 2023

Recently, the demand and traffic volume for various multimedia contents are rapidly increasing through real-time streaming platforms. In this paper, we predict real-time streaming traffic to improve the quality of service (QoS). Statistical models have been used to predict network traffic. However, since real-time streaming traffic changes dynamically, we used recurrent neural network-based deep learning models rather than a statistical model. Therefore, after the collection and preprocessing for real-time streaming data, we exploit vanilla RNN, LSTM, GRU, Bi-LSTM, and Bi-GRU models to predict real-time streaming traffic. In evaluation, the training time and accuracy of each model are measured and compared.

• Proceedings of the KSR Conference
• /
• 2011.10a
• /
• pp.2409-2421
• /
• 2011

This paper will present hybrid tests to a one bay-one story steel frame structure under ground excitation. A structure used in this paper for hybrid test, to evaluate performance and behavior, is divided into two models; one is numerical model with one column element, and a truss or a beam element, the other is physical substructural model with one beam-column element. All tests considered one or three degrees of freedom to implement real-time hybrid test, and two control algorithms to control hardware are used; one using MATLAB/Simulink, the other using OpenSees, OpenFresco and xPCTarget. In addition, for real-time data communication between numerical and physical substructural models SCRAMNet was used. The results of hybrid tests were compared with one of numerical analysis of numerical model with fiber force-based beam-column elements using OpenSees. Real-time hybrid tests were implemented for the validation of control system with simple structure, and then it will be extended to hybrid test for higher nonlinear or complex structure later on.

• Journal of Korean Society of Transportation
• /
• v.20 no.4
• /
• pp.135-150
• /
• 2002

The basic assumption of analytical Dynamic Traffic Assignment models is that traffic demand and network conditions are known as a priori and unchanging during the whole planning horizon. This assumption may not be realistic in the practical traffic situation because traffic demand and network conditions nay vary from time to time. The rolling horizon implementation recognizes a fact : The Prediction of origin-destination(OD) matrices and network conditions is usually more accurate in a short period of time, while further into the whole horizon there exists a substantial uncertainty. In the rolling horizon implementation, therefore, rather than assuming time-dependent OD matrices and network conditions are known at the beginning of the horizon, it is assumed that the deterministic information of OD and traffic conditions for a short period are possessed, whereas information beyond this short period will not be available until the time rolls forward. This paper introduces rolling horizon implementation to enable a multi-class analytical DTA model to respond operationally to dynamic variations of both traffic demand and network conditions. In the paper, implementation procedure is discussed in detail, and practical solutions for some raised issues of 1) unfinished trips and 2) rerouting strategy of these trips, are proposed. Computational examples and results are presented and analyzed.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.10 no.5
• /
• pp.14-22
• /
• 2011

This study is to estimate delay time model of signalized intersection by using travel data of Bus Information System. BIS, which applies the advanced information technology to an existing bus system, has been developing and operating in many cities. However, even though some useful traffic informations have been collected from BIS operation, utilization of real-time data to the traffic operation has not been promoted due to the inhomogeneity of modal speeds. Accordingly, in this study, a fundamental research is performed for traffic controls in urban areas and providing a traffic information throughout a methodology for estimating delay time using the data from BIS was developed. This delay time model setting bus travel time excluding service time of a bus stop as explanatory variables was constructed as a regression model, and the coefficient of determination of a linear regression model most highly appeared as 0.826. As a result of performing T-test with field survey values and model estimation values for verifying constructed models statistically, it was analyzed to be statistically significant in a confidence level of 95%.