• Nuclear Engineering and Technology
• /
• 제55권11호
• /
• pp.4282-4286
• /
• 2023

Nuclear energy is estimated by the machine learning method as the mathematical quantifications where neural networking is the major algorithm of the data propagations from input to output. As the aspect of nuclear energy, the other energy sources of the traditional carbon emission-characterized oil and coal are compared. The artificial intelligence (AI) oriented algorithm like the intelligence of a robot is applied to the modeling in which the mimicking of biological neurons is utilized in the mathematical calculations. There are graphs for nuclear priority weighted by climate factor and for carbon dioxide mitigation weighted by climate factor in which the carbon dioxide quantities are divided by the weighting that produces some results. Nuclear Priority and CO2 Mitigation values give the dimensionless values that are the comparative quantities with the normalization in 2010. The values are 1.0 in 2010 of the graphs which are changed to 24.318 and 0.0657 in 2040, respectively. So, the carbon dioxide emissions could be reduced in this study.

• KIEAE Journal
• /
• 제15권2호
• /
• pp.27-35
• /
• 2015

Purpose: Healthcare is on the whole a personal and critical service that consumer's use, whereas hospitalization is as a rule painful, because nature nurtures and Sun Light Luminosity for healthcare settings is considered healing. The performance and design of climate responsive buildings such as AKU requires a detailed study of attributes of climate both at micro as well as macro level. The therapeutic value of contact with nature through window view, greenery and landscape is calculated there. Method: A two prong strategy is been devised for this article, at micro level three typical morphologies are analysed by creating same environment of neighboring building on sun shading chart, radiation and temperature range. Since the analysis of local climate helps to determine the design strategies for hospital Healing Environment which is suitable for Karachi climate; in order to track the macro climatic behaviour, a considerable analysis of psychometrics chart for AKU Karachi are designed on Climate Consultant (CC) and analysed by Machine Learning. Climate Consultant proposes different design strategies suitable for Karachi. And on the other hand time wise illumination sources for clinical area which are then measured on psychrometric chart- according to singular space: multi patient admission, secondly: acute ambulatory ward, and tertiary: multi windowed space according to the mushrabiyah and sky light pattern. Result: Our findings support the hypothesis that windowed wall is 75-80% more healing wall; an accelerated evidence was found for healing at macro level if the form of the hospital is designed according to the climatologically preferences, whereas at micro level: the light resource becomes the staff attentiveness determinant. In Conclusion evidence was provided that the actual form of luminosity results consequently in satisfaction while light entering from several set of windows and other sources might be valued if design according to the healing environment. The data added on the sun shading chart to calculate rays entraining into space in patient room equal to 124416.21 Watts/ meter $m^2$ is calculated as precise healing rate-and is confirmed by questionnaire from patients belonging from each clinical stage having different illnesses.

• 한국농공학회논문집
• /
• 제64권1호
• /
• pp.39-50
• /
• 2022

In this study, we suggested the optimal training period for predicting the streamflow using the LSTM (Long Short-Term Memory) model based on the deep learning and CMIP5 (The fifth phase of the Couple Model Intercomparison Project) future climate scenarios. To validate the model performance of LSTM, the Jinan-gun (Seongsan-ri) site was selected in this study. We comfirmed that the LSTM-based streamflow was highly comparable to the measurements during the calibration (2000 to 2002/2014 to 2015) and validation (2003 to 2005/2016 to 2017) periods. Additionally, we compared the LSTM-based streamflow to the SWAT-based output during the calibration (2000~2015) and validation (2016~2019) periods. The results supported that the LSTM model also performed well in simulating streamflow during the long-term period, although small uncertainties exist. Then the SWAT-based daily streamflow was forecasted using the CMIP5 climate scenario forcing data in 2011~2100. We tested and determined the optimal training period for the LSTM model by comparing the LSTM-/SWAT-based streamflow with various scenarios. Note that the SWAT-based streamflow values were assumed as the observation because of no measurements in future (2011~2100). Our results showed that the LSTM-based streamflow was similar to the SWAT-based streamflow when the training data over the 30 years were used. These findings indicated that training periods more than 30 years were required to obtain LSTM-based reliable streamflow forecasts using climate change scenarios.

• 한국의류산업학회지
• /
• 제20권6호
• /
• pp.744-751
• /
• 2018

This study aimed to provide the information on the thermal sensation and the amount of clothing worn of junior high school students in winter classroom the relation with their climate adaptability. Total usable questionnaires were obtained from 467 male and female students. The questionnaire included general characteristics, physical characteristics, self awareness of body shape, climate adaptability and subjective thermal sensation in winter classroom. The data were analyzed using SPSS Statistics 18.0 for frequency analysis, factor analysis, chi-square analysis, t-test and correlation analysis. The results were as follows. The average body type based on BMI was normal($20.1kg/m^2$ ). Females perceived their body type as thinner than males. They wore more (8.67 garment items compared to 8.14 for males). Only about 25% of students voted the thermal sensation to neutral(47% cool~very cold, 28% warm~very hot). Females were more sensitive to the cold, perceived less healthy, and wore more garments in the cold. Students felt colder in winter classroom when their cold adaptability was lower and they actively adjusted thermal insulation against the cold. It is recommended to suggest the guidelines for the proper indoor temperature and for the wear behavior in classroom in the perspectives of increasing the learning efficiency and improving the students' climate adaptability.

• 농촌계획
• /
• 제28권2호
• /
• pp.87-96
• /
• 2022

As part of strengthening energy security and responding to climate change, the government has promoted various renewable energy measures to increase the development of renewable energy facilities. As a result, small-scale solar installations in rural areas have increased rapidly. The number of complaints from local residents is increasing. Therefore, in this study, deep learning technology is applied to high-resolution aerial images on the internet to detect solar power plants installed in rural areas to determine whether or not solar power plants are installed. Specifically, I examined the solar facility detector generated by training the YOLO(You Only Look Once) v2 object detector and looked at its usability. As a result, about 800 pieces of training data showed a high object detection rate of 93%. By constructing such an object detection model, it is expected that it can be utilized for land use monitoring in rural areas, and it can be utilized as a spatial data construction plan for rural areas using technology for detecting small-scale agricultural facilities.

• 한국과학교육학회지
• /
• 제25권3호
• /
• pp.364-370
• /
• 2005

본 연구는 중학교 153명을 대상으로 과학 수업에서 교사와 동료 학생에 의해 강조되는 동기적 학습 환경에 대한 인식(교사의 학습 장려/교사의 상대적 비교 강조/동료들의 자기 개선 및 자기 발전 추구/동료들의 상대적 우월성 추구/실수에 대한 걱정)과 성취 목적(과제 지향/수행 지향/수행 회피)을 조사하였다. 동기적 학습 환경에 대한 인식이 성취 목적에 미치는 영향을 단계적 중다회귀분석으로 조사하였다. 연구 결과, 동기적 학습 환경에 대한 인식에서는 성에 따른 차이가 없었으나, 성취 목적에서는 유의미한 성별 차이가 있는 것으로 나타났다. 회귀 분석 결과에서는 과학 수업에서 동료 학생이 학습에 대한 자기 개선이나 자기 발전을 중요시 한다고 인식하는 것은 학생들이 과제 지향 목적을 가지도록 유도하는 것으로 나타났다. 반면 과학 교사나 동료 학생이 상대적 우월성 및 비교를 추구한다고 인식하는 것은 학생들이 수행 지향 목적을 가지도록 유도하였으며, 동료 학생이 실수에 대해 걱정한다고 인식하는 것은 수행 회피 목적을 가지도록 이끌었다. 과학 교사의 상대적 우월성 및 비교 강조는 수행 지향 목적뿐만 아니라 수행 회피 목적의 채택에도 영향을 미쳤다. 본 연구 결과는 과학 교육에서 학생들의 긍정적인 동기를 유발시킬 수 있는 교수방법에 대해 시사점을 제공한다.

• 대한지구과학교육학회지
• /
• 제12권1호
• /
• pp.1-17
• /
• 2019

기후변화 대응을 공식화하고 보완하는데 있어서 교육의 중요성은 국제 및 국가별 체제, 의제, 전략 및 실행 계획에 의해 널리 인식되어왔다. 기후변화 교육은 기후변화에 대한 최신 정보와 지식에 접근하고 정책 개발을 지원하며 기후 변화 대응의 효과를 높이기 위해 지역 사회의 필요를 충족시킬 수 있는 잠재력을 가지고 있다. 이 연구는 기후변화와 도시화를 교육하교학습하기 위한 적절한 방법 중 하나로 통합 도시 기후 교육 (IUCE)의 혁신적인 모델을 개발하였다. 이 연구에서는 다낭 시 캠르 지역의 IUCE 사례 연구에서 얻은 접근법, 방법론 및 주요 교훈을 제시한다. 이 연구의 결과를 통해 도시 복원력 구축에 효과적으로 기여하는 방식으로 IUCE의 개발 및 구현에 대한 여러 가지 중요한 특성을 확인할 수 있다. 이러한 특성에는 (1) 다차원 접근법, (2) 교사 중심의 기반, (3) 학교 가족 공동체 연결, 그리고 (4) 공생 원리가 포함된다.

• 한국지구과학회지
• /
• 제23권8호
• /
• pp.666-675
• /
• 2002

본 연구에서는 자기 주도적 학습을 위한 웹기반 수준별 학습 자료를 설계 ${\cdot}$ 개발하고 이를 현장에 적용하여 그 효과를 검증하고자 하였다. 이를 위하여 제7차 교육과정 고등학교 과학10의 ‘일기와 기후’ 단원을 기본 학습자료와 심화 ${\cdot}$ 보충형 학습자료로 설계 ${\cdot}$ 개발하고 이를 적용하여 그 효과를 전통적 수업과 비교한 결과는 다음과 같다. 첫째, 웹 기반수준별 학습은 전통적 수업보다 학생들의 자기 주도적 학습특성 중 자아개념, 학습열성, 미래지향성, 창의성, 자기 평가력에 긍정적인 효과를 나타내었으며 이는 학습자가 주어진 학습체제와의 다양한 교류를 통하여 필요한 정보와 지식을 획득하는 웹 학습의 특성 때문인 것으로 보인다. 웹 기반 수준별 학습이 자기 주도적 학습특성에 미치는 효과를 학습능력별로 살펴본 결과, 학습자의 학습능력 수준에는 무관한 것으로 나타났다. 둘째, 웹 기반 수준별 학습은 전통적 수업보다 학생들의 과학성취도에 긍정적인 효과를 나타내었으며 학습능력 수준이 중위이상인 학습자들에게 더 효과적이었다. 이러한 연구의 결과를 고려할 때, 하위수준 학습자들의 학업성취도를 높이기 위해서는 보충학습의 내용을 더 구체적으로 구성하고 경로 면에서 학습자 편의성을 높이는 웹 설계가 필요하다. 셋째, 웹 기반 수준별 학습에 대한 학습자들의 인식 결과를 보면 시각적 효과와 화면 구성에 대하여 긍정적인 평가를 하였다. 또한 학습 경험을 계획하고 필요한 자원을 자신만의 경로로 찾아서 학습하는 자기 주도적 학습이 수준별 학습에 긍정적인 효과를 미치는 것으로 응답하였다.

• 대한원격탐사학회지
• /
• 제39권3호
• /
• pp.269-282
• /
• 2023

본 연구는 딥러닝 모델(deep learning model)을 활용하여 토지피복분류를 수행하였으며 입력 이미지의 크기, Stride 적용 등 데이터세트(dataset)의 조절을 통해 토지피복분류를 위한 최적의 딥러닝 모델 선정을 목적으로 하였다. 적용한 딥러닝 모델은 3종류로 Encoder-Decoder 구조를 가진 U-net과 DeeplabV3+, 두 가지 모델을 결합한 앙상블(Ensemble) 모델을 활용하였다. 데이터세트는 RapidEye 위성영상을 입력영상으로, 라벨(label) 이미지는 Intergovernmental Panel on Climate Change 토지이용의 6가지 범주에 따라 구축한 Raster 이미지를 참값으로 활용하였다. 딥러닝 모델의 정확도 향상을 위해 데이터세트의 질적 향상 문제에 대해 주목하였으며 딥러닝 모델(U-net, DeeplabV3+, Ensemble), 입력 이미지 크기(64 × 64 pixel, 256 × 256 pixel), Stride 적용(50%, 100%) 조합을 통해 12가지 토지피복도를 구축하였다. 라벨 이미지와 딥러닝 모델 기반의 토지피복도의 정합성 평가결과, U-net과 DeeplabV3+ 모델의 전체 정확도는 각각 최대 약 87.9%와 89.8%, kappa 계수는 모두 약 72% 이상으로 높은 정확도를 보였으며, 64 × 64 pixel 크기의 데이터세트를 활용한 U-net 모델의 정확도가 가장 높았다. 또한 딥러닝 모델에 앙상블 및 Stride를 적용한 결과, 최대 약 3% 정확도가 상승하였으며 Semantic Segmentation 기반 딥러닝 모델의 단점인 경계간의 불일치가 개선됨을 확인하였다.

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2019년도 하계 학술발표초록집
• /
• pp.154-154
• /
• 2019