• Safety and Health at Work
• /
• 제15권2호
• /
• pp.200-207
• /
• 2024

Background: Workers are often exposed to hazardous heat due to their work environment, leading to various injuries. As a result of climate change, heat-related injuries (HRIs) are becoming more problematic. This study aims to identify critical contributing factors to the severity of occupational HRIs. Methods: This study analyzed historical injury reports from the Occupational Safety and Health Administration (OSHA). Contributing factors to the severity of HRIs were identified using text mining and model-free machine learning methods. The Multinomial Logit Model (MNL) was applied to explore the relationship between impact factors and the severity of HRIs. Results: The results indicated a higher risk of fatal HRIs among middle-aged, older, and male workers, particularly in the construction, service, manufacturing, and agriculture industries. In addition, a higher heat index, collapses, heart attacks, and fall accidents increased the severity of HRIs, while symptoms such as dehydration, dizziness, cramps, faintness, and vomiting reduced the likelihood of fatal HRIs. Conclusions: The severity of HRIs was significantly influenced by factors like workers' age, gender, industry type, heat index , symptoms, and secondary injuries. The findings underscore the need for tailored preventive strategies and training across different worker groups to mitigate HRIs risks.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1449-1463
• /
• 2020

최근 지구온난화에 따른 기후변화 문제의 심각성이 커지면서 국가 온실가스 배출량을 상쇄시킬 수 있는 산림의 탄소흡수에 대한 중요성이 높아지고 있으며, 기후변화협약에 따라 국가의 산림 탄소흡수량을 국지적인 수준에서 과학적이고 정밀하게 산출할 것이 요구되고 있다. 본 연구에서는 위성영상과 일기상 자료를 함께 활용함으로써 산림 광합성의 민감한 일변화를 반영하고, 안정된 산림으로서 대표성을 가지는 광릉숲(Gwangneung Forest) 극상림(climax forest)의 플럭스관측 자료를 참조하여 GPP(gross primary production) 재현 모델을 수립하고, 수종 및 임령에 따른 탄소흡수량 조견표를 적용하여, 우리나라의 국지지역에 최적화된 Tier 2.5 수준의 일일 탄소흡수능 격자자료를 산출하였다. 2013년 1월 1일부터 2015년 12월 31일까지 1,095일간의 실험에서, 일일 기준탄소흡수능(reference amount of CO2 absorption, RACA) 산출 모델은 상관계수 0.948의 높은 정확도를 나타냈으므로, 향후 Tier 3 수준의 일일 실제탄소흡수능(actual amount of CO2 absorption, AACA)을 정확히 산출하기 위해서는 장기간의 상세산림조사 자료와의 결합이 필요할 것이다.

• 한국수자원학회논문집
• /
• 제51권6호
• /
• pp.503-514
• /
• 2018

최근 기후변화 및 유역개발로 인하여 메콩강 유역의 수문환경이 급격히 변화하고 있으며, 메콩강을 공유하는 국가의 수재해 예방 및 지속가능한 수자원개발을 위해서는 메콩강 주요지점에서의 유량 정보의 분석 및 예측이 요구된다. 본 연구에서는 물리적 기반의 수문모형인 SWAT과 데이터기반 딥러닝 알고리즘인 LSTM을 이용하여 메콩강 하류 Kratie 지점의 유출모의를 수행하고, 유출모의 정확도 및 두 가지 방법론의 장 단점을 비교 분석한다. SWAT 모형의 구축을 위해 범용 입력자료(지형: HydroSHED, 토지이용: GLCF-MODIS, 토양: FAO-Soil map, 강우: APHRODITE 등)을 이용하였으며 warming-up 및 매개변수 보정 후 2003~2007년 일유량 모의를 수행하였다. LSTM을 이용한 유출모의의 경우, 딥러닝 오픈소스 라이브러리인 TensorFlow를 활용하여 Kratie 지점기준 메콩강 상류 10개 수위관측소의 두 기간(2000~2002, 2008~2014) 일수위 정보만을 이용하여 심층신경망을 학습하고, SWAT 모형과 마찬가지로 2003~2007년을 대상으로 Kratie 지점에 대한 일수위 모의 후 수위-유량관계곡선식을 이용하여 유출량으로 환산하였다. 두 모형의 모의성능 비교 검토를 위하여 모의기간에 대해 NSE (Nash-Sutcliffe Efficiency)을 산정한 결과, SWAT은 0.9, LSTM은 보다 높은 0.99의 정확도를 나타내는 것으로 분석되었다. 메콩강과 같은 대유역의 특정 지점에 대한 수문시계열 자료의 모의를 위해서는 다양한 입력자료를 요구하는 물리적 수문모형 대신 선행 시계열자료의 변동성을 기억 학습하여 이를 예측에 반영하는 LSTM 기법 등 데이터기반의 심층신경망 모형의 적용이 가능할 것으로 판단된다.

• 한국방재안전학회논문집
• /
• 제13권2호
• /
• pp.27-38
• /
• 2020

최근 국내에서는 다양한 이상기후들이 발생하고 있으며 이로 인해 인명피해, 재산피해와 같은 큰 피해들이 발생하고 있다. 그 중에서도 폭염으로 인한 피해는 점점 증가하는 경향을 보인다. 이에 대처하기 위해서는 빠르고 정확한 기온 및 폭염발생여부 예측이 필수적이다. 현재 기상청에서는 폭염에 대한 정보를 단기예보를 통해 제공하는데, 단기예보를 위한 기온예측은 수치예보모델을 통해 수행된다. 과거 15년간(1998~2012년) 인구대비 폭염 사망률이 가장 높았던 ◯◯군에 대하여 2019년도 기온 예보자료와 관측 자료를 비교한 결과, 평균제곱근오차가 1.57℃ 발생하였고, 관측 값이 33℃이상에 해당하는 데이터만 비교한 결과, 평균제곱근오차가 1.96℃ 발생하였다. 예보시간은 4시간이고 예보과정에는 약 3~4시간이 소요된다. 이에 본 연구에서는 소요시간과 예측 정확도를 고려하여, 기계학습방법의 일종인 LSTM을 이용한 기온 및 폭염발생 예측 방법론을 제시한다. 기계학습모델을 이용한 4시간 기온예측결과 1.71℃의 평균제곱근오차가 발생하였고, 관측 값이 33℃ 이상에 해당하는 데이터만 비교한 결과 1.39℃의 평균제곱근오차가 발생하였다. 전 범위의 오차는 수치예보모델이 더 작은 값을 가지지만, 33℃이상의 경우에는 기계학습모델 예측의 정확도가 더 높았다. 또한 수치예보를 이용한 경우 예상 소요시간이 4시간가량인 반면 기계학습을 이용한 기온예측에는 평균 9분26초의 시간이 소요되어 경제적이라 판단하였다. 향후 공간적인 범위를 확대하거나 대상 지역을 변경하는 일반적인 방안에 대해서 연구를 수행하고자 한다.

• 한국재난정보학회 논문집
• /
• 제17권2호
• /
• pp.254-265
• /
• 2021

연구목적: 국내 항만시설의 진단을 통한 성능 및 안전에 대한 점검과 진단을 20년 넘게 진행되었지만 그 진단 이력과 결과를 활용한 중장기적인 시설개선과 성능개선을 위한 발전전략이나 방향이 현실적으로 작동하지 않고 있다. 특히, 사용년수가 오래된 항만구조물의 경우, 선박의 대형화와 사용빈도 증가, 기후변화로 인한 자연재해의 영향 등으로 안전성능과 기능적 면에서 상당히 많은 문제점을 내포하고 있다. 연구방법: 본 연구에서는 중력식 안벽에 대한 부재수준의 유지관리 이력 데이터를 수집하여 이를 빅데이터로써 정의하고 해당 데이터를 바탕으로 프로젝트 수준의 시설물의 노후화 패턴 및 열화를 추정하기 위한 예측근사모델을 도출하였다. 특히 GP 및 SGP 기법의 머신러닝 알고리즘을 통하여 생성된 상태기반 노후도 패턴 및 열화 근사모델에 대한 유효성 검토를 통해 빅데이터 활용에 적합한 모델을 상호비교하고 제안하였다. 연구결과: 제안된 기법의 적합성을 검토한 결과 GP기법은 RMSE 및 R²는 0.9854와 0.0721, SGP기법은 0.7246과 0.2518로 GP기법을 적용한 예측모델이 적합한 것으로 검토 되었다. 결론: 머신러닝 기법을 통해 이러한 연구는 향후 항만시설 데이터취합이 지속적으로 이루어진다면 향후 항만시설 투자의사결정에 중요한 역할을 할 것으로 기대한다.

• 한국산학기술학회논문지
• /
• 제20권2호
• /
• pp.336-345
• /
• 2019

본 연구의 목적은 초등학생을 대상으로 학습 환경적인 측면의 교실성취목표구조 및 피드백 유형과 교실 내 사회적 관계 측면의 교사 및 친구 관계가 실수에 대한 인식에 어떤 영향을 미치는지 살펴보는 것이었다. 이를 위해 초등학교 4, 5, 6학년 316명의 데이터를 활용하였으며, 분석 방법으로는 중다회귀분석을 실시하였다. 분석 결과, 첫째, 교실성취목표구조, 피드백 유형, 교사관계, 친구관계는 실수로부터 학습할 수 있다는 생각의 총 변량의 19%를 설명하며, 친구관계(${\beta}=.35$), 교사관계(${\beta}=.16$), 피드백 유형(${\beta}=-.11$) 순으로 상대적인 영향력을 가지는 것으로 확인되었다. 둘째, 네 개 예측변인은 실수에 대한 도전적인 태도의 총 변량의 20%를 설명하며, 친구관계(${\beta}=.32$), 교사관계(${\beta}=.21$), 교실성취목표구조(${\beta}=.11$) 순으로 상대적인 영향력을 가지는 것으로 확인되었다. 셋째, 네 개 예측변인은 실수에 대한 고찰의 총 변량의 12%를 설명하는 것으로 나타났으며, 친구관계(${\beta}=.27$), 교사관계(${\beta}=.13$) 순으로 상대적인 영향력을 가지는 것으로 확인되었다. 넷째, 네 개 예측변인은 실수에 대한 부담을 설명하지 못하는 것으로 확인되었다. 본 연구 결과는 초등학생의 실수에 대한 긍정적 인식을 높이기 위해 어떻게 교실 분위기를 조성해야 하는지에 대한 정보를 제공한다는 의의가 있다.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.71-81
• /
• 2019

이 연구의 목적은 성격 5요인에 기초하여 교육대학교 학생의 잠재적 성격 특성 유형을 확인하고, 성격 특성 에 따라 심리적 안녕감, 대학생활적응에 차이가 있는지 살펴보는 것이다. 분석 자료는 A 교육대학교 1~4학년 1,295명의 데이터를 활용하였다. 교육대학교 학생의 잠재적 성격 특성 유형을 확인하기 위해 잠재프로파일분석을 활용하였으며, 분류된 성격 특성 잠재 집단에 따른 심리적 안녕감, 대학생활적응 차이 검증을 위해 다변량분산분석방법을 사용하였다. 잠재프로파일분석결과 교육대학교 학생의 성격 특성은 신경과민성, 외향성, 개방성, 우호성, 성실성의 다중 속성에 의해 (1) 높은 수준의 적응적 성격(신경과민성 하, 나머지 성격 요인 상), (2) 중간 수준의 적응적 성격(성격 5요인 모두 중), (3) 낮은 수준의 적응적 성격(신경과민성 상, 나머지 성격 요인 하)의 세 개 유형으로 구분하는 것이 적합한 것으로 확인되었다. 세 집단에 따라 성격 5요인에 유의한 차이가 나타났는데, 높은 수준의 적응적 성격 집단이 중간과 낮은 수준의 적응적 성격 집단보다, 중간이 낮은 수준의 적응적 성격 집단보다 신경과민성은 낮고 외향성, 개방성, 우호성, 성실성이 높은 것으로 확인되었다. 둘째, 성격 특성 잠재 집단에 따라 심리적 안녕감과 대학생활적응에 차이가 있는지 확인한 결과 높은 수준의 적응적 성격 집단은 중간과 낮은 수준의 적응적 성격 집단보다, 중간은 낮은 수준의 적응적 성격 집단보다 심리적 안녕감과 대학생활적응 하위 요인 모두에서 점수가 더 높은 것으로 나타났다. 본 연구 결과는 교육대학교 학생의 심리적 안녕감과 대학생활적응에 있어 성격 특성의 중요성을 보여주며, 교육대학교 학생의 행복한 대학생활을 위해서는 성격 특성을 고려한 교육적 개입이 필요함을 시사한다.

• 한국지구과학회지
• /
• 제42권6호
• /
• pp.717-733
• /
• 2021

이 연구는 극지 연구의 중요성을 확산하고자, 극지 소양 교육 방향을 설정하는 기초 자료를 제공하기 위해 수행되었다. 초·중·고등학생들의 극지 인식을 극지 정보 획득 현황, 극지에 대한 인상, 극지 문제 인식 측면에서 조사했다. 초·중·고 9개교 학생 975명이 선택형과 서답형이 포함된 16문항에 대한 설문 조사에 참여했다. 연구 결과, 학생들은 시청각 매체를 중심으로 한 극지 경험이 많았고, 학교 교육에서 극지에 대한 학습 경험이 상대적으로 적었다. 극지에 대한 인상은 지구 온난화로 빙하가 녹으면서 위기에 처한 북극곰과 같은 이미지가 대부분이었다. 학생들은 시청각 매체에서 본 장면을 정서와 결합하면서 이미지를 형성했다. 극지 문제 인식 측면에서 학생들은 공통적으로 생물과 자연 환경, 기후 변화에 관심이 많았지만, 학교급 및 진로 희망에 따라 관심 분야가 달랐다. 학생들은 극지 문제를 해결하는 주체로서 과학자의 위상을 높게 평가했으며, 극지 문제에 대해 실용적 가치보다는 세계 시민적 가치를 우선했다. 이상의 결과를 바탕으로 학교 교육과정에서 극지 내용 수용 및 체계화, 극지 과학자와 교육자의 협력에 의한 차별화된 학습 경험 마련, 여러 교과에 생성력 있는 빅아이디어 중심의 극지 소양 설정, 지구계 중심의 학습 접근법, 후속 연구의 방향 설정, 다양한 가치를 수용하는 과학 교육의 필요성 등을 시사점으로 제시했다.

• 한국방재안전학회논문집
• /
• 제14권4호
• /
• pp.17-27
• /
• 2021

유량예측은 효과적인 홍수관리 및 수자원 계획을 위한 매우 중요한 재난방지 접근법이다. 현재 기후변화로 인한 집중호우가 나날이 증가하고 있어 막대한 기반시설 손실과 재산, 인명 피해가 발생하고 있다. 본 연구는 미국 테네시주 Hickman County의 Vernon에 있는 Piney Resort의 최근 홍수사례분석을 통해 최대 강우 시나리오에서 유량예측에 대한 강우의 기여도를 측정했다. Piney River 유역내 USGS 두개의 관측소(03602500, 03599500)에서 20년(2000-2019) 동안의 일별 하천 유량, 수위 및 강우 데이터를 수집했고, Long Short Term Memory(LSTM)을 사용하였다. 또한, Tensorflow, Keras Machine learning frameworks, Python을 이용하여 14일로 구별된 유량 값을 예측하였다. 또한, 모델이 2021년 8월 21일의 범람 이벤트를 예측할 수 있었는지를 결정하는 데 사용되었다. 전체 데이터(수위, 유량 및 강우량)가 포함된 LSTM 모델은 일부 강우 모델을 제외하고 지속성 모델보다 우수한 성능을 보였으며, 강우자료만 이용하여 유량예측을 하는 것은 충분하지 않음을 나타냈다. 결과는 LSTM 모델은 0.68 및 13.84m³/s의 최적 NSE 및 RMSE 값을 나타냈고, 가장 낮은 예측 오차로 예측 최대유량은 94m³/s로 나타났다. 향후 강우 패턴에 대한 다양한 분석이 이루어진다면 효율적인 홍수 경보 시스템 및 정책을 설계하는 관련 연구에 도움을 줄 것으로 판단된다.

• 해양환경안전학회지
• /
• 제29권6호
• /
• pp.543-551
• /
• 2023

기후변화 영향으로 이상고수온, 태풍, 홍수, 가뭄 등 재난 및 안전 관리기술은 지속적으로 고도화를 요구받고 있으며, 특히 해수면 온도는 한반도 주변에서 발생되는 여름철 적조 발생과 동해안 냉수대 출현, 소멸 등에 영향을 신속하게 분석할 수 있는 중요한 인자이다. 따라서, 본 연구에서는 해수면 온도 자료를 해양 이상현상 및 연구에 적극 활용되기 위해 통계적 방법과 딥러닝 알고리즘을 적용하여 예측성능을 평가하였다. 예측에 사용된 해수면 수온자료는 흑산도 조위관측소의 2018년부터 2022년까지 자료이며, 기존 통계적 ARIMA 방법과 Long Short-Term Memory(LSTM), Gated Recurrent Unit(GRU)을 사용하였고, LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence(s2s) 구조에 Attention 기법을 추가한 Attention Long Short-Term Memory (LSTM)기법을 사용하여 예측 성능 평가를 진행하였다. 평가 결과 Attention LSTM 모델이 타 모델과 비교하여 더 좋은 성능을 보였으며, Hyper parameter 튜닝을 통해 해수면 수온 성능을 개선할 수 있었다.