• 천문학회지
• /
• 제34권1호
• /
• pp.25-29
• /
• 2001

We have constructed a non-spherical model for the hot oxygen corona of Mars by including the effects of planetary rotation and diurnal variation of the Martian ionosphere. Exospheric oxygen densities are calculated by integrating ensemble of ballistic and escaping oxygen atoms from the exobase over the entire planet. The hot oxygen atoms are produced by dissociative recombination of $O^+_2$, the major ion in the Martian ionosphere. The densities of hot oxygen atoms at the exobase are estimated from electron densities which have been measured to vary with solar zenith angle. Our model shows that the density difference of hot oxygen atoms between noon and terminator is about two orders of magnitude near the exobase, but reduces abruptly around altitudes of 2000 km due to lateral transport. The diurnal variation of hot oxygen densities remains significant up to the altitude of 10000 km. The diurnal variation of the hot oxygen corona should thus be considered when the upcoming Nozomi measurements are analyzed. The non-spherical model of the hot oxy-gen corona may contribute to building sophisticate solar wind interaction models and thus result in more accurate escaping rate of oxygens from Mars.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2009년도 학술발표회 초록집
• /
• pp.52-56
• /
• 2009

In this study a dynamic modeling scheme is presented to derive the probabilistic structure of soil water and plant water stress when subject to stochastic precipitation conditions. The newly developed model has the form of the Fokker-Planck equation, and its applicability as a model for the probabilistic evolution of the soil water and plant water stress is investigated under climate change scenarios. This model is based on the cumulant expansion theory, and has the advantage of providing the probabilistic solution in the form of probability distribution function (PDF), from which one can obtain the ensemble average behavior of the dynamics. The simulation result of soil water confirms that the proposed soil water model can properly reproduce the results obtained from observations, and it also proves that the soil water behaves with consistent cycle based on the precipitation pattern. The plant water stress simulation, also, shows two different PDF patterns according to the precipitation. Moreover, with all the simulation results with climate change scenarios, it can be concluded that the future soil water and plant water stress dynamics will differently behave with different climate change scenarios.

• Ocean and Polar Research
• /
• 제37권4호
• /
• pp.265-278
• /
• 2015

We analyzed the North Pacific Intermediate Water (NPIW) that was simulated in 25 coupled general circulation models (CGCMs) using historical and Representative Concentration Pathway 4.5 (RCP4.5) scenario experiments of Coupled Model Intercomparison Project Phase 5 (CMIP5), focusing on the evaluation of the performance of HadGEM2-AO. A large inter-model diversity in salinity, density, and depth of the NPIW exists even though the multi-model ensemble mean (MME) is comparable to observations. It was found that the depth of the NPIW tends to be deeper in the models in which the NPIW is relatively saltier. HadGEM2-AO simulates the lightest NPIW having the lowest salinity at shallower depth, compared with other CGCMs. Future projections of the NPIW show that the temperature of the NPIW increases, but the density decreases in all CMIP5 models. It was shown that the salinity of the NPIW decreases in most models and the decrease tends to be larger in models simulating the lighter NPIW. The HadGEM2-AO projects moderate changes in the temperature and density of the NPIW out of the CMIP5 models.

• Nuclear Engineering and Technology
• /
• 제50권8호
• /
• pp.1306-1313
• /
• 2018

The randomness and incipient nature of certain faults in reactor systems warrant a robust and dynamic detection mechanism. Existing models and methods for fault diagnosis using different mathematical/statistical inferences lack incipient and novel faults detection capability. To this end, we propose a fault diagnosis method that utilizes the flexibility of data-driven Support Vector Machine (SVM) for component-level fault diagnosis. The technique integrates separately-built, separately-trained, specialized SVM modules capable of component-level fault diagnosis into a coherent intelligent system, with each SVM module monitoring sub-units of the reactor coolant system. To evaluate the model, marginal faults selected from the failure mode and effect analysis (FMEA) are simulated in the steam generator and pressure boundary of the Chinese CNP300 PWR (Qinshan I NPP) reactor coolant system, using a best-estimate thermal-hydraulic code, RELAP5/SCDAP Mod4.0. Multiclass SVM model is trained with component level parameters that represent the steady state and selected faults in the components. For optimization purposes, we considered and compared the performances of different multiclass models in MATLAB, using different coding matrices, as well as different kernel functions on the representative data derived from the simulation of Qinshan I NPP. An optimum predictive model - the Error Correcting Output Code (ECOC) with TenaryComplete coding matrix - was obtained from experiments, and utilized to diagnose the incipient faults. Some of the important diagnostic results and heuristic model evaluation methods are presented in this paper.

• 통합자연과학논문집
• /
• 제14권4호
• /
• pp.183-188
• /
• 2021

Collaborative filtering is one of the commonly used methods in the web recommendation system. Numerous researches on the collaborative filtering proposed the numbers of measures for enhancing the accuracy. This study suggests the movie recommendation system applied with Word2Vec and ensemble convolutional neural networks. First, user sentences and movie sentences are made from the user, movie, and rating information. Then, the user sentences and movie sentences are input into Word2Vec to figure out the user vector and movie vector. The user vector is input on the user convolutional model while the movie vector is input on the movie convolutional model. These user and movie convolutional models are connected to the fully-connected neural network model. Ultimately, the output layer of the fully-connected neural network model outputs the forecasts for user, movie, and rating. The test result showed that the system proposed in this study showed higher accuracy than the conventional cooperative filtering system and Word2Vec and deep neural network-based system suggested in the similar researches. The Word2Vec and deep neural network-based recommendation system is expected to help in enhancing the satisfaction while considering about the characteristics of users.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.510-512
• /
• 2022

미세먼지 예측 정확도 향상을 위해 다양한 연구가 진행되고 있다. 그러나 미세먼지 농도가 가지는 다양한 특성에 따라 예측 모델의 학습이 잘 이루이지지 않는 문제가 있다. 본 논문에서는 시계열의 특성과 불규칙적인 특성을 가지는 미세먼지 농도의 학습 및 예측을 위해 LSTM과 EEMD 기반의 미세먼지 농도 예측 모델의 성능을 비교하고자 한다. 두 모델을 통해 시계열 특성 파악 방법과 독립적인 개별 특성 파악 방법의 성능 차이를 확인한 결과, 개별 특성 파악에 강점을 가지는 EEMD 예측 모델이 LSTM 기반의 예측 모델보다 좋은 성능을 보이는 것을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.204-204
• /
• 2021

Terrestrial water storage (TWS) includes all components of water (e.g., surface water, groundwater, snow and ice) over the land. So accurately predicting and estimating TWS is important in water resource management. Although many land surface models are used to predict the TWS, model output has errors and biases in comparison to the observation data due to the model deficiencies in the model structure, atmospheric forcing datasets, and parameters. In this study, Gravity Recovery And Climate Experiment (GRACE) satelite TWS data is assimilated in the Community Land Model version 5 with a biogeochemistry module (CLM5.0-BGC) over East Asia from 2003 to 2010 by employing the Ensemble Adjustment Kalman Filter (EAKF). Results showed that TWS over East Asia continued to decrease during the study period, and the ability to simulate the surface water storage, which is the component of the CLM derived TWS, was greatly improved. We further investigated the impact of assimilated TWS on the vegetated and carbon related variables, including the leaf area index and primary products of ecosystem. We also evaluated the simulated total ecosystem carbon and calculated its correlation with TWS. This study shows that how the better simulated TWS plays a role in capturing not only water but also carbon fluxes and states.

• 한국수자원학회논문집
• /
• 제50권7호
• /
• pp.489-502
• /
• 2017

본 연구에서는 충주댐 유역에 대해 다목적 댐 예측유입량 산정기법 BAYES-ESP를 개발하고 평가하였다. BAYES-ESP 기법은 기존 ESP (Ensemble Streamflow Prediction) 기법에 베이지안 이론을 적용하여 개발하였으며, 수문모델은 ABCD를 활용하였다. 입력자료는 기온, 강수량 자료와 댐 관측유입량 자료를 활용하였으며, 기온 및 강수량은 기상청, 국토교통부, 한국수자원공사의 지점관측자료, 댐 관측유입량은 한국수자원공사의 자료를 이용하였다. 적용성 평가방법은 시계열 분석과 Skill Score를 활용하였으며, 평가기간은 1986~2015년이다. 시계열 분석 결과 ESP 댐 예측유입량(ESP)는 매년 전망값의 큰 차이가 없었으며, 다우년 및 과우년의 예측성이 떨어지는 것으로 나타났다. BAYES-ESP 댐 예측유입량(BAYES-ESP)는 ESP가 관측유입량에 비해 과소모의하는 경향을 보정하였으며, 특히 다우년에 개선효과가 있는 것으로 나타났다. 월별 평균 댐 관측유입량과의 Skill Score 비교분석결과 ESP는 1~3월에 SS가 비교적 높은 값을 보였으며, 나머지 월에는 음의 값을 나타내었다. BAYES-ESP는 ESP와 관측 값 간의 선형적 관계를 갖는 1~3월에 ESP의 정확도를 향상시키는 것으로 나타났다. ESP 기법은 국내 강수특성상 우리나라에 적용하기에는 한계가 있었으며, 이를 개선한 BAYES-ESP 기법은 댐 유입량 예측연구에 가치가 있다고 판단된다.

• 환경영향평가
• /
• 제27권3호
• /
• pp.291-306
• /
• 2018

본 연구는 붉가시나무(Quercus acuta Thunb.)를 대상으로 기후변화의 영향을 평가함에 있어 분산능력을 고려해보고자 하였다. 기후변화에 따른 붉가시나무의 잠재서식지 변화를 예측하기 위하여 종의 분포자료와 기후자료를 활용하여 종분포모형을 개발하였다. 종분포모형은 9개 알고리즘을 True Skill Statistic 평가 값 가중치로 합산하는 앙상블모형을 적용하여 불확실성을 줄이고자 하였다. 미래의 시간적 범위는 2050년과 2070년을 대상으로 하였으며, 기후변화 시나리오는 RCP4.5와 RCP8.5를 선정 하였다. 최종적인 미래 잠재서식지는 현재 적합서식지에서 분산능력에 따라 분산가능한지의 여부를 고려하여 결정하였다. 분산능력은 제한이 없는 경우(Unlimited)와 거리에 따른 분산 확률 함수에 3가지 계수값 (${\theta}=-0.005$, ${\theta}=-0.001$, ${\theta}=-0.0005$)을 적용하여 R 패키지인 Migclim을 사용하여 구현하였다. 2050년 RCP4.5 시나리오에서 계수값이 ${\theta}=-0.005$일 때 붉가시나무의 잠재서식지가 감소하였다. 그 이외의 경우에는 분산능력이 낮은 경우에도 한반도 내의 잠재서식지가 늘어났다. 하지만 분산능력을 고려하였을 경우 붉가시나무의 미래 잠재서식지 확장에는 한계가 분명하게 나타났다. 따라서 기후변화에 따른 미래 잠재서식지 예측에 있어서 분산능력을 고려하는 것이 중요하다고 판단된다.

• 정보처리학회 논문지
• /
• 제13권2호
• /
• pp.41-47
• /
• 2024

시간 및 주파수 영역에서 각각 학습한 모델 간에 성능 차이가 발생할 경우, 앙상블을 수행하더라도 개별 모델 간의 성능 불균형으로 인하여 앙상블의 성능이 오히려 저하되는 현상을 확인할 수 있었다. 따라서, 본 논문은 시간 영역과 주파수 영역에서 특징을 추출하고, 이들을 융합한 단계적 학습 방법을 통해 파이프라인 누출 감지의 정확성을 높이기 위한 누출판별 기법을 제안한다. 이 방법은 두 단계의 학습 과정으로 이루어지며, 먼저, 단계 1에서는 시간 영역과 주파수 영역에서 독립적으로 모델 학습을 수행하여 도메인별로 주어진 데이터로부터 중요한 특징들을 효과적으로 추출하도록 하였다. 단계 2에서는 사전학습 완료된 각 모델로부터 해당 분류기를 제거한 후, 두 도메인의 특징들을 서로 융합하고 새로운 분류기를 추가하여 재학습을 수행하였다. 본 논문에서 제안하는 전이학습 기반 특징융합 기법은 시간 및 주파수 영역에서 추출된 특징들을 융합하여 모델 학습을 수행함으로써, 두 영역의 특징이 상호 보완적으로 작용하여 모델이 다양한 정보를 활용함으로 인해 99.88%의 높은 정확도를 달성하여 파이프 누수 감지에 있어 우수한 성능을 입증하였다.