• 산업경영시스템학회지
• /
• 제35권2호
• /
• pp.204-211
• /
• 2012

In this study, appropriate preventive measures are suggested as follows by analyzing industrial accident cases occurred for five years of company J and workers' survey. First, personnel management including meticulous shift work and rotation task for older workers should be made strictly in terms of safety and health management. Second, Industrial disasters occurred more in spring than in other seasons, so safety management will have to be enhanced in spring. That is, to reduce industrial disaster various occupational safety and health activities to prevent spring fatigue are needed. Third, to improve safety consciousness of workers, penalties for those who have not received safety training and for people without protective equipment are required. Also, hazard prediction training such as Tool Box Meeting shall be proceeded. Fourth, building of proactive safety culture that the workers themselves handle risk factors is urgent. Fifth, the company-wide safety and health programs including safety awards and cases presentation are needed to be planned.

• 한국정보통신학회논문지
• /
• 제25권9호
• /
• pp.1244-1253
• /
• 2021

본 논문에서는 보행자 경로 예측 기법을 이용하여 보행자들이 현재 시점 이후로 위험구역으로 진입하는지 사전에 예측하는 방법과 경로 예측 네트워크의 효율적인 간소화 방법을 제안한다. 그리고 임베디드 환경에서 실시간 운용을 위해 작은 네트워크에 대하여 KD(Knowledge Distillation)을 적용하는 방법을 제안한다. 예측된 미래 경로와 위험구역 간의 상관관계를 이용하여 진입 여부를 판단하였으며 작은 네트워크를 학습할 때 효율적인 KD를 적용하여 성능저하를 최소화하였다. 실험을 통하여, 제안하는 간소화 기법을 적용한 모델이 기존 모델과 비교하여 37.49%의 속도향상 대비 미미한 정확도 저하를 이끌어 내는 것을 보여 주었다. 또한, 91.43%의 정확도를 가진 작은 네트워크를 KD를 이용하여 학습한 결과 94.76%의 향상된 정확도를 보임을 확인하였다.

• Korean Journal of Radiology
• /
• 제21권8호
• /
• pp.1007-1017
• /
• 2020

Objective: The purpose of our study was to investigate the predictive abilities of clinical and computed tomography (CT) features for outcome prediction in patients with coronavirus disease (COVID-19). Materials and Methods: The clinical and CT data of 238 patients with laboratory-confirmed COVID-19 in our two hospitals were retrospectively analyzed. One hundred sixty-six patients (103 males; age 43.8 ± 12.3 years) were allocated in the training cohort and 72 patients (38 males; age 45.1 ± 15.8 years) from another independent hospital were assigned in the validation cohort. The primary composite endpoint was admission to an intensive care unit, use of mechanical ventilation, or death. Univariate and multivariate Cox proportional hazard analyses were performed to identify independent predictors. A nomogram was constructed based on the combination of clinical and CT features, and its prognostic performance was externally tested in the validation group. The predictive value of the combined model was compared with models built on the clinical and radiological attributes alone. Results: Overall, 35 infected patients (21.1%) in the training cohort and 10 patients (13.9%) in the validation cohort experienced adverse outcomes. Underlying comorbidity (hazard ratio [HR], 3.35; 95% confidence interval [CI], 1.67-6.71; p < 0.001), lymphocyte count (HR, 0.12; 95% CI, 0.04-0.38; p < 0.001) and crazy-paving sign (HR, 2.15; 95% CI, 1.03-4.48; p = 0.042) were the independent factors. The nomogram displayed a concordance index (C-index) of 0.82 (95% CI, 0.76-0.88), and its prognostic value was confirmed in the validation cohort with a C-index of 0.89 (95% CI, 0.82-0.96). The combined model provided the best performance over the clinical or radiological model (p < 0.050). Conclusion: Underlying comorbidity, lymphocyte count and crazy-paving sign were independent predictors of adverse outcomes. The prognostic nomogram based on the combination of clinical and CT features could be a useful tool for predicting adverse outcomes of patients with COVID-19.

• 한국터널지하공간학회 논문집
• /
• 제19권6호
• /
• pp.915-936
• /
• 2017

본 논문에서는 2016년을 기준으로 강화된 터널 방재시설 설치 및 관리지침과, 점차 강화되고 있는 터널 CCTV설치 터널등급 기준과 터널 영상유고감지 시스템의 설치 운용에 대한 요구의 증가 상황을 정리해 보고하였다. 그럼에도, 가동중인 알고리즘 기반의 터널 영상유고감시 시스템의 정상 인지율은 50%가 채 되지 않는 것으로 파악되었으며, 그에 대한 주원인은 터널 내 낮은 조도, 심한 먼지로 인한 영상 선명도 저하, 낮은 CCTV 설치위치로 인한 이동객체의 겹침현상 등으로 파악되었다. 따라서, 본 연구에서는 이러한 열악한 조건에서도 영상유고 정상 인지율을 확보할 수 있는 딥러닝 기반 영상유고감지 시스템을 개발하였으며, 이에 대한 이론적 배경 제시와 시스템의 타당성 검토 연구가 진행되었다. 개발 시스템의 타당성 검토 연구는 터널 방재시설 및 관리지침 내 영상유고감지 항목중 정지 및 역주행 차량을 감지하는 주요 정보인 차량 객체 인식과 보행자 감지를 중심으로 진행되었다. 또한, (1) 동일 터널 내에서 학습과 추론이 이루어 지는 경우와 (2) 다양한 터널의 영상 정보를 통합 학습하고, 각 터널의 영상유고감지에 투입되는 경우, 두개의 시나리오를 설정하여 타당성 검토를 진행하였다. 두 시나리오 모두 일정 시간의 학습 자료와 유사한 상황에 대해서는 열악한 터널환경과 무관하게 그 감지성능이 80% 이상으로 우수하나, 추가 학습 없이 학습된 시간 구간과 멀어질수록 그 추론 성능은 상대적으로 낮은 40% 수준으로 떨어짐을 알 수 있었다. 그러나, 시간이 지남에 따라 자동으로 누적되어 확장되는 영상유고 빅데이터를 반복적으로 학습함으로써, 설치된 영상유고감지 시스템의 보완이나 보정절차 없이도 자동으로 그 영상유고감지 성능이 향상될 수 있음을 보였다.

• Nuclear Engineering and Technology
• /
• 제53권10호
• /
• pp.3275-3285
• /
• 2021

A Nuclear Power Plant (NPP) is a complex dynamic system-of-systems with highly nonlinear behaviors. In order to control the plant operation under both normal and abnormal conditions, the different systems in NPPs (e.g., the reactor core components, primary and secondary coolant systems) are usually monitored continuously, resulting in very large amounts of data. This situation makes it possible to integrate relevant qualitative and quantitative knowledge with artificial intelligence techniques to provide faster and more accurate behavior predictions, leading to more rapid decisions, based on actual NPP operation data. Data-driven models (DDM) rely on artificial intelligence to learn autonomously based on patterns in data, and they represent alternatives to physics-based models that typically require significant computational resources and might not fully represent the actual operation conditions of an NPP. In this study, a feed-forward backpropagation artificial neural network (ANN) model was trained to simulate the interaction between the reactor core and the primary and secondary coolant systems in a pressurized water reactor. The transients used for model training included perturbations in reactivity, steam valve coefficient, reactor core inlet temperature, and steam generator inlet temperature. Uncertainties of the plant physical parameters and operating conditions were also incorporated in these transients. Eight training functions were adopted during the training stage to develop the most efficient network. The developed ANN model predictions were subsequently tested successfully considering different new transients. Overall, through prompt prediction of NPP behavior under different transients, the study aims at demonstrating the potential of artificial intelligence to empower rapid emergency response planning and risk mitigation strategies.

• 한국시뮬레이션학회논문지
• /
• 제30권2호
• /
• pp.49-64
• /
• 2021

화학·생물(화생) 위험을 초기 단계에 효과적으로 대응하기 위해서는 화생 대응 계획을 체계적으로 발전시켜야 하며, 모델링 및 시뮬레이션은 이를 위한 과학적 수단으로 활용될 수 있다. 그러나 오염 확산 모델링 분야는 많은 발전을 이루고 있으나, 화생 대응 계획을 모의하고 적절성을 분석하는 시뮬레이션 분야는 여전히 초기 단계에 머무르고 있다. 이에 본 논문에서는 화생 오염 탐지, 보호, 제독 등 대응 계획을 과학적으로 모의하기 위한 모델을 제안한다. 먼저 기상 및 지형 조건을 고려하여 예측된 오염 확산 결과를 교전 모델에 반영하는 방법을 제시한다. 이어서 공개된 사상자 예측 기법을 기반으로 전투 모의 개체의 화생 피해를 모의하는 화생 전투 피해 모의 기법을 설계한다. 그리고 화생 위험 탐지·정찰, 제독, 보호 등 화생 위험 대응 계획을 체계적으로 모의하는 과업을 모델링한다. 끝으로 화생 감시소 운용에 의한 오염 탐지의 신속성을 분석하는 한편, 화생 제독소 운용 시 오염 부대 규모와 제독 부대 규모에 따른 제독 소요 시간을 분석함으로써 화생 전투 모의 실험의 가능성을 확인한다. 제안된 모델을 이용하면 향후 군의 화생 방호 체계 및 운용개념에 대한 효과 분석은 물론 재난 방재 및 모의 훈련 분야에서도 일부 활용이 가능할 것으로 기대된다.

• 한국측량학회지
• /
• 제34권6호
• /
• pp.597-607
• /
• 2016

The goal of this study was to analyze landslide susceptibility using two different models and compare the results. For this purpose, a landslide inventory map was produced from a field survey, and the inventory was divided into two groups for training and validation, respectively. Sixteen landslide conditioning factors were considered. The relationships between landslide occurrence and landslide conditioning factors were analyzed using the FR (Frequency Ratio) and EBF (Evidential Belief Function) models. The LSI (Landslide Susceptibility Index) maps that were produced were validated using the ROC (Relative Operating Characteristics) curve and the SCAI (Seed Cell Area Index). The AUC (Area under the ROC Curve) values of the FR and EBF LSI maps were 80.6% and 79.5%, with prediction accuracies of 72.7% and 71.8%, respectively. Additionally, in the low and very low susceptibility zones, the FR LSI map had higher SCAI values compared to the EBF LSI map, as high as 0.47%p. These results indicate that both models were reasonably accurate, however that the FR LSI map had a slightly higher accuracy for landslide susceptibility mapping in the study area.

• 대한원격탐사학회지
• /
• 제36권1호
• /
• pp.67-81
• /
• 2020

The rapid climatic changes being caused by global warming are resulting in abnormal weather conditions worldwide, which in some regions have increased the frequency of landslides. This study was aimed to analyze and compare the landslide susceptibility using the Frequency Ratio (FR), Statistical Index, Weight of Evidence, Certainty Factor, and Index of Entropy (IoE) at Woomyeon Mountain in South Korea. Through the construction of a landslide inventory map, 164 landslide locations in total were found, of which 50 (30%) were reserved to validate the model after 114 (70%) had been chosen at random for model training. The sixteen landslide conditioning factors related to topography, hydrology, pedology, and forestry factors were considered. The results were evaluated and compared using relative operating characteristic curve and the statistical indexes. From the analysis, it was shown that the FR and IoE models were better than the other models. The FR model, with a prediction rate of 0.805, performed slightly better than the IoE model with a prediction rate of 0.798. These models had the same sensitivity values of 0.940. The IoE model gave a specific value of 0.329 and an accuracy value of 0.710, which outperforms the FR model which gave 0.276 and 0.680, respectively, to predict the spatial landslide in the study area. The generated landslide susceptibility maps can be useful for disaster and land use planning.

• 대한공간정보학회지
• /
• 제25권1호
• /
• pp.19-27
• /
• 2017

본 연구의 목적은 인제읍을 대상으로 빈도비와 로지스틱 회귀분석 모델을 통합한 앙상블 모델을 이용하여 산사태 취약성을 분석하고, 예측 정확도를 비교하는 것이다. 산사태 위치는 산사태 발생 전 후에 촬영된 항공사진을 이용하여 추출되었다. 추출된 총 422개의 산사태는 산사태 취약성 분석을 위해 훈련용 (70%)과 검증용 (30%) 자료로 랜덤하게 분류되었다. 산사태 관련인자는 고도, 경사도, 경사향, 배수로부터의 거리, 토양수분지수, 하천강도지수, 토질, 유효토심, 영급, 경급, 밀도, 임상 등 총 12개의 인자를 이용하였다. 산사태 및 산사태 관련인자는 공간데이터베이스로 구축된 뒤 빈도비와 앙상블 모델을 이용하여 산사태와 산사태 관련 인자 간 상관관계를 분석하였다. 그 결과를 바탕으로 각 모델별 산사태 취약성 지도를 작성하였고, relative operating characteristics(ROC) 곡선을 이용하여 예측 정확도를 검증 및 비교하였다. 분석 결과, 앙상블 모델에 의해 작성된 산사태 취약성 지도는 75.2%의 예측 정확도를 보였고, 이 결과는 빈도비 모델에 의해 작성된 산사태 취약성 지도와 비교하여 예측 정확도가 약 2% 향상된 것으로 나타났다. 본 연구에서 작성된 산사태 취약성 지도는 향후 효과적인 토지이용 계획을 수립하고, 재난재해로 인한 피해를 경감시키는데 활용 가능할 것으로 판단된다.

• 한국방재안전학회논문집
• /
• 제14권3호
• /
• pp.17-27
• /
• 2021

본 연구에서는 6개의 기계학습 기법들을 활용하여 2019년과 2020년 전국 땅밀림 현장조사 결과를 기반으로 땅밀림 위험지역을 A부터 C까지 3개 등급(A등급: 위험, B등급: 보통, C등급: 양호)으로 구분할 수 있는 분류모형을 구축하고, 분류 정확도를 비교·분석한다. 기계학습 기법으로는 K-Nearest Neighbor, Support Vector Machine, Logistic Regression, Decision Tree, Random Forest, Extreme Gradient Boosting 총 6개를 적용하였다. 분류 정확도 분석결과, 6개의 기법 모두 0.9 이상의 우수한 정확도를 보여주었다. 수치형 자료를 학습에 적용한 경우가, 문자형 자료를 학습한 모형보다 우수한 성능을 나타냈으며, 현장조사 평가점수 자료군(C1~C4) 보다는 전문가의견이 반영된 평가점수 자료군(R1~R4)으로 학습한 모형이 정확도가 높은 것으로 분석되었다. 특히, 직접징후와 간접징후 정보를 학습에 반영한 경우가 예측정확도가 높게 나타났다. 향후 땅밀림 현장조사 자료가 지속적으로 확보될 경우, 본 연구에서 활용한 기계학습기법은 땅밀림 분류를 위한 도구로 활용이 가능할 것으로 판단된다.