PM2.5 concentration in Seoul could be predicted by deep neural network model. In this paper, the contribution of input factors to the model's prediction results is analyzed using the LRP(Layer-wise Relevance Propagation) technique. LRP analysis is performed by dividing the input data by time and PM concentration, respectively. As a result of the analysis by time, the contribution of the measurement factors is high in the forecast for the day, and those of the forecast factors are high in the forecast for the tomorrow and the day after tomorrow. In the case of the PM concentration analysis, the contribution of the weather factors is high in the low-concentration pattern, and that of the air quality factors is high in the high-concentration pattern. In addition, the date and the temperature factors contribute significantly regardless of time and concentration.
본 연구에서는 붕산주입 및 회석운전동안에 노심의 붕산농도를 변화시키기 위한 보충수 유량을 예측하고 화학 및 체적제어계통을 포함한 원자로 냉각재계통내에 있는 각종 계통에서 붕산농도 거동분석을 위한 종합적 붕산주입 및 희석모델(INBAD)이 제안되었다. 이 모델은 기존의 노심코드와 새로 개발된 붕산주입 및 희석모델로 구성되어 있으며 붕산주입 및 희석모델은 단일 cell 모델 및 다중 cell모델을 이용하여 본 연구목적에 맞게 개발되었다. 또한, 본 모델에서는 보다 실제적인 붕산농도 거동분석을 위하여 가변적 가압기 가열기 출력 및 선택적인 보충수 운전형태 (직접주입 또는 간접주입)가 모사되었다. 이 모델의 유용성을 증명하기 위하여 영광 3,4호기 설계자료를 이용하여 각종 계통에서 직접주입 및 간접주입운전에 대한 붕산농도 거동분석을 수행하였고, 노심의 붕산농도에 대한 가압기 가열기의 영향을 검토하였다. 그 결과 본 모델은 붕산주입 및 희석운전시에 각종 계통에서 붕산농도 변화를 정확히 예측할 수 있음을 보여 주었다.
Every nuclear power plant measured concentrations of tritium in groundwater and surface water around the plants periodically. It was not easy to predict the tritium concentration only with these measurement data in case of various release scenarios. KAERI developed a new approach to find the relationship between the tritium release rate and tritium concentration in the environment. The approach was based upon a dynamic compartment model. In this paper the dynamic compartment model was modified to predict the tritium behavior more accurately. The mechanisms considered for the transfer of tritium between the compartments were evaporation, groundwater flow, infiltration, runoff, and hydrodynamic dispersion. Time dependent source terms of the compartment model were introduced to refine the release scenarios. Also, transfer coefficients between the compartments were obtained using realistic geographical data. In order to illustrate the model various release scenarios were developed, and the change of tritium concentration in groundwater and surface water around the nuclear power plants was estimated.
In this study, we developed a $PM_{10}$ forecasting model using DNN and Membership Function, and improved the forecasting performance. The model predicts the $PM_{10}$ concentrations of the next 3 days in the Seoul area by using the weather and air quality observation data and forecast data. The best model(RM14)'s accuracy (82%, 76%, 69%) and false alarm rate(FAR:14%,33%,44%) are good. Probability of detection (POD: 79%, 50%, 53%), however, are not good performance. These are due to the lack of training data for high concentration $PM_{10}$ compared to low concentration. In addition, the model dose not reflect seasonal factors closely related to the generation of high concentration $PM_{10}$. To improve this, we propose Julian date membership function as inputs of the $PM_{10}$ forecasting model. The function express a given date in 12 factors to reflect seasonal characteristics closely related to high concentration $PM_{10}$. As a result, the accuracy (79%, 70%, 66%) and FAR (24%, 48%, 46%) are slightly reduced in performance, but the POD (79%, 75%, 71%) are up to 25% improved compared with those of the RM14 model. Hence, this shows that the proposed Julian forecast model is effective for high concentration $PM_{10}$ forecasts.
A new neural network model has been developed to predict short-term air pollution concentration. In addition, a multiple regression model widely used in statistical analysis was tested. These models were applied for prediction of daily maximum ozone concentration in Seoul during the summer season of 1991. The time periods between May and September 1989 and 1990 were utilized to train set of learning patterns in neural network model, and to estimate multiple regression model. To evaluate the results of the different models, several Performance indices were used. The results indicated that the multiple regression model tended to underpredict the daily maximum ozone concentration with small r$^{2}$(0.38). Also, large errors were found in this model; 21.1 ppb for RMSE, 0.324 for NMSE, and -0.164 for MRE. On the other hand, the results obtained from the neural network model were very promising. Thus, we can know that this model has a prominent efficiency in the adaptive control for the non-linear multi- variable systems such as photochemical oxidants. Also, when the recent new information was added in the neural network model, prediction accuracy was increased. From the new model, the values of RMSE, NMSE and r$^{2}$ were 13.2ppb, 0.089, 0.003 and 0.55 respectively.
The purpose of this paper is to develop a stochastic model for daily sulphur dioxide $(SO_2)$ concentrations prediction in urban area (Seoul). For this, the influence of the meteorological parameters on the $SO_2$ concentrations is investigated by a statistical analysis of the 24-hr averaged $SO_2$ levels of Seoul area during 1989 $\sim$ 1990. The annual fluctuations of the regression trend, periodicity and dependence of the daily concentration are also analyzed. Based on these, a nonlinear regression transfer function model for the prediction of daily $SO_2$ concentrations is derived. A statistical procedure for using the model to predict the concentration level is also proposed.
This paper is concerned with the development and application of a stochastic model for daily sulphur dioxide $(SO_2)$ concentrations in urban area (Seoul). For this, the characteristics of the regression trend, periodicity and dependence of the daily $SO_2$ concentration are investigated by a statistisical analysis of the daily average $SO_2$ values measured in Seoul area during 1989 $\sim$ 1990. Based on these, nonlinear regression time series model for the prediction of daily $SO_2$ concentrations is derived. A statistical procedure for using the model to predict the concentration level is also proposed.
To estimate the probability of short term concentration of air pollution using long term arithmetic average concentration, the procedure was developed and added to Texas Climatological Model version 2. In the procedure, such statistical characteristics that frequency distribution of short term concentration may be approximated by a lognormal distribution, were applied. This procedure is capable of estimating not only highest concentration for a variety of averaging times but also concentrations for arbitrary occurrence frequency. Evaluation of the procedure with the results of short term concentrations calculated by Texas Episodic Model version 8 using the meteorological data and emission data in Seoul shows that the procedure estimates concentrations fairly well for wide range of percentiles.
There is an increasing demand for prediction of asbestos concentration which has an fatal effect on human body. While demolishing asbestos, the dust scatters and makes workers be exposed to danger. Up to this date, however, factors that particularly influences have not considered in predicting asbestos concentration. Most of the studies could not quantify the distribution of asbestos. Also, they did not use nominal data on buildings as important factors. Therefore, this study aims to build an asbestos concentration prediction model by quantifying distribution of asbestos and using nominal data of buildings based on Artificial Neural Network (ANN). This model can give significant contribution of improving the safety of workers and be useful for finding effective ways to demolish asbestos in planning.
The calibrated Andong Reservoir hydro-dynamic module (PART I) of the 2-dimensional hydrodynamic and water quality model, CE-QUAL-W2 [v3.2], was applied to examine the dynamics of total phosphorus, and chlorophyll $\alpha$ concentration within Andong Reservoir. The modeling effort was supported with the data collected in the field for a five year period. In general, the model achieved a good accuracy throughout the calibration period for both chlorophyll ${\alpha}$ and total phosphorus concentration. The greatest deviation in algal concentration occurred on $10^{th}$ October, starting at the layer just beneath the surface layer and extending up to the depth of 35 m. This deviation is principally attributed to the effect of temperature on the algal growth rate. Also, on the same date, the model over-predicts hypolimnion and epilimnion total phosphorus concentration but under-predicts the high concentrated plume in the metalimnion. The large amount of upwelling of finer suspended solid particles, and re-suspension of the sediments laden with phosphorus, are thought to have caused high concentration in the epilimnion and hypolimnion, respectively. Nevertheless, the model well reproduced the seasonal dynamics of both chlorophyll a and total phosphorus concentration. Also, the model tracked the interflow of high phosphorus concentration plume brought by the turbid discharge during the Asian summer monsoon season. Two different hypothetical discharge scenarios (discharge from epilimnetic, and hypolimnetic layers) were analyzed to understand the response of total phosphorus interflow plume on the basis of differential discharge gate location. The simulated results showed that the hypolimnetic discharge gate operation ($103{\sim}113\;m$) was the most effective reservoir structural control method in quickly discharging the total phosphorus plume (decrease of in-reservoir concentration by 219% than present level).
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.