• 한국항행학회논문지
• /
• 제18권6호
• /
• pp.582-587
• /
• 2014

본 연구는 장기간의 해상활동으로 의료기관 방문이 어려운 해상 활동자의 심혈관계질환 예측인자로 검사가 용이한 생체전기저항분석법 (BIA; bioelectrical impedance analysis)의 활용이 가능한지를 확인해보았다. 현재 심혈관성질환의 예측인자로 사용되고 있는 총콜레스테롤 측정치를 기준으로 BIA의 측정치와 관련성을 통계적 방법으로 분석한 결과 인체부위별 지방두께와 상관관계를 보였으며, 특히 왼쪽(왼) 허벅지의 지방두께가 총 콜레스테롤 측정치와 높은 상관관계를 나타냈다. 이 결과로 장기적인 해상 활동을 요하는 사람들은 BIA 검사를 통해 왼허벅지의 지방두께 변화를 심혈관질환의 예측인자로 활용할 수 있을 것이다. 하지만 선행연구의 부재로 후속연구가 필요하고 해상이라는 특수 상황이 고려된 측정도구의 정확성과 타당성 진단이 이루어져야 될 것으로 사료된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.179-183
• /
• 2009

본 연구에서는 GCM 기후변화 전망 시나리오를 이용하여 유역단위의 기후변화를 추정하였다. 원시 GCM 시나리오를 지역화 시키기 위해서 인공신경망 모형을 사용하였다. GCM에서 모의되는 강수플럭스, 해면기압, 지표면 근처에서의 일 평균온도, 지표면으로부터 발생하는 잠열플럭스 등과 같은 22개의 변수는 인공신경망의 잠재적 예측인자로 사용되었으며, AWS에서 관측된 강수량과 온도는 예측변수로 사용되었다. 원시 GCM 데이터는 CCCma(Canadian Centre for Climate Modeling and Analysis)에서 제공되는 CGCM3.1/T63 20C3M 시나리오를 사용하였으며, 인공신경망 학습과정에서 사용된 기준시나리오(reference scenario)자료의 기간은 1997년부터 2000년까지의 데이터를 사용하였다. 인공신경망을 학습을 통하여 결정된 각 층사이의 가중치를 이용하여 이산화탄소 배출농도를 가정하여 생성된 CGCM3.1/T63 SRES B1 기후변화시나리오(project scenario)를 인공신경망의 입력값으로 하여 미래의 기온과 강수변화를 전망하였다. 신경망의 학습효과를 높이기 위하여 기온과 강수에 대한 평균 및 누적기간을 각각 일단위와 월단위로 설정하였다. 본 연구에서 사용된 인공신경망은 3층 퍼셉트론(다층 퍼셉트론)을 사용하였으며, 학습방법으로는 역전파알고리즘(back-propagation algorithm)을 이용하였다. 민감도분석을 통하여 선택된 예측인자는 소양강댐유역(1011, 1012소유역)에서의 인공신경망 예측인자로 활용되었으며, 2001년부터 2100년까지의 일 평균온도와 일 강수량의 변화경향을 추정하였다. 1011유역, 1012유역에서는 여름철의 온도변화경향이 겨울철에 비하여 높게 나타났다. 일 평균온도의 통계분석 결과 평균예측오차가 가장 적게 나타나는 지역은 1001유역으로 -0.08로 평균예측오차가 가장 적게 나타났으며, 인공신경망기법을 이용하여 스케일 상세화된 일 평균온도와 관측된 일 평균온도가 얼마나 잘 일치하는지를 확인할 수 있는 1012유역에서 CORR이 0.74로 가장 높게 나타났다.

• 지구물리와물리탐사
• /
• 제23권3호
• /
• pp.149-156
• /
• 2020

복잡하고 다양한 광상 생성 과정과 부존 위치의 심부화로 인하여 광물자원 탐사의 효율을 높일 수 있는 예측탐사의 필요성이 점차 높아지고 있다. 최근의 머신러닝 기법의 활용성 증가와 광역 지질 데이터베이스의 구축 상황을 고려하면, 예측탐사의 기반인 광상 배태 가능성 평가 기술의 신뢰도는 점차 높아질 것으로 예상된다. 이번 연구에서는 심층신경망을 이용하여 화성암과 단층 및 자력탐사 정보의 광화 인자로의 활용 가능성을 확인하였다. 지질 정보의 수치화 기법으로 단층, 화성암, 자력 정보를 입력 자료로 구성하여 0.9 이상의 정확도를 가지며 예측 값이 안정적으로 수렴하는 금속 광상 예측 모델을 구축할 수 있었다. 이 기술은 추후 정밀한 지질 조사 결과와 물리탐사 정보가 확보된다면, 광화대 규모에서의 예측 탐사에도 활용할 수 있을 것으로 기대된다. 또한, 이 연구를 통해 지하의 화성암 정보를 제공하는 자력자료를 활용할 경우 지표의 화성암 정보를 보완하여 보다 높은 성능의 모델을 구축할 수 있는 것으로 확인되었다. 즉, 단순히 많은 자료를 융합하는 것 보다는 광체 성인과의 지질학적 상관관계를 고려하여 입력 자료를 구성하는 것이 보다 중요하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• 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.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제12권5호
• /
• pp.33-36
• /
• 2007

최근 들어 preferential flow같은 현장조건의 불균질한 매질을 이동하는 지하수 거동해석에 이류 분산 방정식을 적용하는데 많은 문제점들이 제기되어 왔다. 이에 따라 Kim 등(2005)은 최소한의 모형인자로 preferential flow 경로를 통한 토양지하수의 흐름을 예측할 수 있는 간단한 모형을 개발한 바 있다. Kim 등(2005)이 제시한 Generalized Preferential Flow Model(GPFM)은 토양을 표층주변의 분배 층(distribution layer)과 그 밑의 운반구역(conveyance zone)으로 나누어 거동을 예측하고 있다. 본 연구에서는 GPFM을 간단히 소개하고 기존의 다른 실험결과에 적용한 후 이류분산방정식(CDM)과의 비교를 통해 모형을 검증해 보고자 하였다. 기존에 발표된 두 개의 실험값에 GPFM을 적용해본 결과, GPFM은 세 가지 인자-유효함수비, 유속, 분산계수-를 입력하여 silty 및 sandy loam 토양 내 추적자의 파과곡선을 잘 예측하였다. CDM을 이용한 예측 값과 비교한 결과 GPFM과 CDM 모두 실제 관측된 파과곡선과 일치된 경향을 보였으나, GPFM에 의해 추측된 인자들이 더 현실적으로 가능한 값을 나타내었다. 인용된 두 실험값에 GPFM을 적용할 경우 예측 값에 가장 영향을 끼친 인자는 유효함수비로 나타났는데, 이는 Kim 등(2005)이 같은 종류의 토양에서 유속이 GPFM의 결과에 가장 영향을 끼쳤다고 보고한 것에 비해, 다른 성질의 토양에서는 유효 함수비가 가장 결정적인 인자임을 보여준다. 본 연구를 통해 GPFM이 이용하기가 쉽고 여러 가지 현장조건에 적용성이 높아 preferential flow 경로를 통한 토양지하수의 흐름을 예측할 수 있는 유용한 도구임을 확인하였다.

• 한국지반환경공학회 논문집
• /
• 제3권4호
• /
• pp.11-17
• /
• 2002

본 논문의 목적은 섬진다목적댐 유역의 하천을 대상으로 강우시에 단기 수질상태를 예측하기 위하여 병렬다중결선의 계층구조를 갖는 신경망이론을 이용하였다. 본 연구에 적용한 신경망이론의 학습알고리즘으로는 역전파알고리즘을 사용하였으며, 최적모형의 개발을 위해 모멘트법-적응학습율기법을 이용하였다. 하천 수질오염 부하량에 영향을 미치는 요소로서 상류로부터 유입되는 유입량과 수질인자인 BOD, COD, SS를 고려하였다. 섬진다목적댐 유역에 대해 단기 수질을 예측할 수 있는 다층신경망모형을 개발하기 위해 은닉층 노드수와 학습회수에 변화를 주어 각 수질인자별로 4가지씩 총 12개의 모형을 구성하여 학습을 실시하였다. 제안된 신경망모형의 검증을 위해 학습시키지 않은 수질자료를 예측한 결과 양호한 것으로 분석되었고, 하천수계의 단기 수질오염 예측에 활용할 수 있을 것으로 사료되었다.

• 한국항공우주학회지
• /
• 제39권12호
• /
• pp.1107-1114
• /
• 2011

본 논문에서는 레이저 피닝(Laser peening) 구조물에 대한 피로 수명을 예측하였다. 레이저 피닝에 의해 생성된 압축잔류응력(Compressive residual stress)을 계산하기 위해서 유한 요소 시뮬레이션(Finite element simulation)을 수행하였고, 피로 수명 예측 시에 압축잔류응력 효과를 고려하기 위해서 수정된 Goodman 식을 사용하였다. 또한, S-N 선도 모델 불확실성(Model uncertainty)을 고려한 피로 수명 예측을 위해 부가 적응 인자 접근법(Additive adjustment factor approach)을 적용하여 예측된 피로 수명의 신뢰 구간(Reliable bounds)을 결정하였다.

• 터널과지하공간
• /
• 제19권3호
• /
• pp.203-212
• /
• 2009

지하고준위 방사성폐기물 처분장 근계영역에서의 거동을 예측하는 것은 처분장 설계나 안전성 평가에 중요하다. 본 연구에서는 3차원 유한차분 코드를 이용하여 처분장 설계인자 및 재료물성으로 구성되는 7가지 인자에 대한 민감도 분석을 실시하였다. 민감도 분석 결과 처분공 간격, 터널 간격, 냉각시간과 암반의 열전도도가 다른 인자에 비해 영향이 큰 것으로 나타났다. 처분장 주변의 암반과 완충재 온도의 통계적인 분포를 구하기 위해 backpropagation 인공신경망 기법이 적용되었다. 학습된 인공신경망의 적합성을 평가하기 위해 무작위로 선정된 입력 인자에 대한 예측이 실시되었다. 인자 값의 변화가 ${\pm}10%$ 인 경우, 신경망은 1% 오차로 신뢰할 수 있는 예측 결과를 보임을 알 수 있었다. 이렇게 학습된 신경망은 다양한 경우에 대한 신속한 온도 예측에 활용할 수 있었다. 완충재와 암반의 온도는 각각 평균 $98^{\circ}C$, $83.9^{\circ}C$ 표준편차는 $3.82^{\circ}C$ 와 $3.67^{\circ}C$로 나타났다. 인공신경망을 이용함으로써 암반과 완충재 온도를 $1^{\circ}C$ 변화시키기 위해 필요한 설계 인자의 조정 범위를 추정할 수 있었다.

• 한국산학기술학회논문지
• /
• 제16권7호
• /
• pp.4364-4374
• /
• 2015

본 연구에서는 복합 전열 촉진 핀 열교환기의 열전달 및 압력손실에 대하여 실험적으로 검토하였다. 비교를 위하여 널리 사용되는 루버 핀 열교환기에 대한 실험도 수행하였다. 핀 피치(1.5mm~1.7mm)와 열수(1열~3열)를 변화시키며 열전달 및 압력손실에 미치는 영향을 검토하였다. 실험범위에서 핀 피치가 j와 f 인자에 미치는 영향은 크지 않았다. 열수가 증가하면 j 인자는 감소하고 f 인자는 열수와 무관하였다. 루버 핀의 j와 f 인자가 복합 전열 촉진 핀의 값들보다 크게 나타났다. 1열의 경우 평균 j 인자와 f 인자는 23%, 27% 크고, 2열에서는 11%, 8%, 3열에서는 10%, 9% 크게 나타났다. 하지만 동일 압력 손실 대비 전열 성능은 복합 전열 촉진 핀 열교환기가 1열에서 6.4%, 2열에서 11.1%, 3열에서 13.6% 크게 나타났다. 기존 루버 핀 상관식은 j 인자를 과대 예측하고 f 인자를 과소 예측하였다.

• 한국통신학회논문지
• /
• 제17권9호
• /
• pp.993-1000
• /
• 1992

음성신호의 분석으로부터 유도되는 직교인자는 화자의 개인성을 많이 포함하고 있으므로, 최근 많은 연구자들이 이것을 이용한 통계적 처리방법으로 화자인식을 수행하여 좋은 화자인식율을 얻고 있다. 그러나 이러한 방법들은 아직 음성의 발성속도나 시간적 동특성으로 인해서 발생하는 문제점을 갖고 있다. 따라서 본 논문에서는 이러한 문제점을 해결하기 위해서 음성분석의 한 방법인 Karhunen-Loeve 직교 변환에 의해서 추출한 직교인자를 화자인식에 이용하는 방법에 DTW법을 결합하는 두가지 기법을 제안하였다. 첫째는 직교인자를 특징벡터로 하여 DTW법을 적용하고, 둘째는 직교인자를 최적경로에 이용하는 기법이다. 이들 두 기법에 의한 화자인식 결과와 직교인자의 통계적 처리에 의한 종래의 화자인식방법의 결과를 비교하였다. 사용된 직교인자는 음성신호에서 선형예측계수와 부분자기상관계수를 각각 추출하여 위의 화자인식방법에 각각 적용하였다. 이를 실험한 결과, 선형예측계수로 부터 얻은 직교인자를 최적경로를 이용한 기법에 적용하는 경우 88.6%의 가장 높은 인식율을 얻었다.