• 한국정밀공학회지
• /
• 제34권1호
• /
• pp.41-46
• /
• 2017

Magnetically levitated (Maglev) vehicles maintain a constant air gap between guideway and car bogie, and thereby achieves non-contact riding. Since the straightness and the flatness of the guideway directly affect the stability of levitation as well as the ride comfort, it is necessary to monitor the status of the guideway and to alert the train operators to any abnormal conditions. In order to develop a signal processing algorithm that extracts guideway irregularities from sensor data, virtual testing using a simulation model would be convenient for analyzing the exact effects of any input as long as the model describes the actual system accurately. Simulation model can also be used as an estimation model. In this paper, we develop a state-space dynamic model of a maglev vehicle system, running on the guideway that contains jumps. This model contains not only the dynamics of the vehicle, but also the descriptions of the power amplifier, the anti-aliasing filter and the sampling delay. A test rig is built for the validation of the model. The test rig consists of a small-scale maglev vehicle, tracks with artificial jumps, and various sensors measuring displacements, accelerations, and coil currents. The experimental data matches well with those from the simulation model, indicating the validity of the model.

• 한국항공우주학회지
• /
• 제31권5호
• /
• pp.100-109
• /
• 2003

$SIMULINK^R$를 이용하여 Pt6A-62 터보프롭엔진의 성능모사모델이 정상상태 및 천이성능 예측을 위해 제안되었다. $SIMULINK^R$모델은 GUI 방식으로 사용자 편의와 컴퓨터프로그램의 수정이 용이하다는 장점을 가지고 있다. $SIMULINK^R$모델은 유동경로에 따른 구성품들 즉, 대기조건, 압축기, 연소기, 압축기 터빈, 동력터빈, 배기노즐, 적분기 서브시스템들로 구성하였다. 이러한 서브시스템외에 보다 정확한 기체상수값을 계산하기위한 Gasprop 서브시스템블록, 2-D look-up 테이블로부터 스케일링에 의해 적합한 작동 점을 탐색하기 위한 탐색 서브시스템블록이 있다. 정상상태 해석 타당성 확인 경우, 제안된 $SIMULINK^R$에 의한 해석결과는 사용프로그램인 GASTURB와 해석결과에 잘 일치하였다. 또한 천이모델의 타당성 확인 경우에 있어서는, 제안된모델에의한 동적성능모사 결과가 기 성능이 입증된 FORTRAN프로그램을 이용한 해석결과와 합리적으로 일치함이 확인되었다.

• The Plant Pathology Journal
• /
• 제30권2호
• /
• pp.125-135
• /
• 2014

A population model of bacterial spot caused by Xanthomonas campestris pv. vesicatoria on hot pepper was developed to predict the primary disease infection date. The model estimated the pathogen population on the surface and within the leaf of the host based on the wetness period and temperature. For successful infection, at least 5,000 cells/ml of the bacterial population were required. Also, wind and rain were necessary according to regression analyses of the monitored data. Bacterial spot on the model is initiated when the pathogen population exceeds $10^{15}cells/g$ within the leaf. The developed model was validated using 94 assessed samples from 2000 to 2007 obtained from monitored fields. Based on the validation study, the predicted initial infection dates varied based on the year rather than the location. Differences in initial infection dates between the model predictions and the monitored data in the field were minimal. For example, predicted infection dates for 7 locations were within the same month as the actual infection dates, 11 locations were within 1 month of the actual infection, and only 3 locations were more than 2 months apart from the actual infection. The predicted infection dates were mapped from 2009 to 2012; 2011 was the most severe year. Although the model was not sensitive enough to predict disease severity of less than 0.1% in the field, our model predicted bacterial spot severity of 1% or more. Therefore, this model can be applied in the field to determine when bacterial spot control is required.

• 대한교통학회지
• /
• 제36권2호
• /
• pp.141-154
• /
• 2018

지속적으로 증가하는 국제선 항공수요에 대웅하기 위해 지방 광역권에도 새로운 공항 건설 및 기존 공항 확장 계획이 이루어지고 있다. 그러나 기존 항공수요예측은 우리나라 전체 항공수요 또는 주요 도시 간의 항공수요에 대해서 수행되어 왔으며, 지방의 고유 특성을 고려한 지역별 항공수요예측은 많이 이루어지지 않았다. 본 연구에서는 영남권 국제선 항공수요를 대상으로 하였고, 현실적으로 관측하기 어려운 지방 광역권의 고유 특성을 반영할 수 있는 패널 자료를 활용한 fixed-effects model을 최적 모형으로 제안하였다. 모형 검증결과를 살펴보면 패널 자료 분석은 시계열 특성을 가지는 몇 개의 거시 사회경제지표만을 사용한 모형에서 다루기 어려운 허구적 회귀와 미관찰 이질성을 효과적으로 처리하고 있음을 알 수 있다. 다양한 통계적 검증과 적합성 평가를 통해서 본 연구에서 제안한 fixed-effects model이 다른 계량경제 모형들에 비해서 영남권 국제선 수요예측에 있어서 우수함을 증명하였다.

• 정보교육학회논문지
• /
• 제25권4호
• /
• pp.641-651
• /
• 2021

본 연구에는 국내의 예비교사 양성 기관의 현실에 맞도록 소프트웨어(SW)교육 역량 강화를 위해 예비교사들을 대상으로 언플러그드 활동을 위한 수업모형을 개발하는데 그 목적이 있다. 연구의 목적을 달성하기 위해 문헌탐색을 통해 1차 모형을 개발한 후, 이 모형의 최종사용자인 예비교사를 가르치는 교수자 1인을 대상으로 사용성 평가를 실시하였다. 그 다음 수업모형을 적용하여 설계된 언플러그드 수업에 참여한 예비교사들을 대상으로 모형에 대한 의견을 수렴하였다. 최종적으로 개발된 모형은 전문가 4인으로부터 타당화를 검증받았다. 본 연구의 모형은 크게 동기유발하기, 안내하기, 활동구성하기, 사례 체험하기, 확장하기 및 결과내기, 정리하기의 여섯 단계로 구성되며, 각각의 단계에서 요구되는 수업활동을 포함하고 있다. 최종 모형은 4인의 전문가에게 타당성을 검증받았으며, 본 연구의 논의점에 제안되었다.

• 분석과학
• /
• 제24권6호
• /
• pp.533-543
• /
• 2011

hERG (human ether-a-go-go related gene) 이온채널은 심장 재분극의 중요 요소이며 이 채널의 저해제는 부정맥과 돌연사를 유발할 수 있다. 따라서, 신약개발과정에서 후보물질이 hERG 이온채널의 잠재적인 저해제일 경우에는 심장독성 부작용을 유발하므로, 이를 최소화하고자 많은 노력이 집중되고 있다. 본 연구는 HEK(인간 배아 신장)세포에서 얻은 202개 유기화합물의 $IC_{50}$ 데이터를 이용하여 2차원 구조-활성의 정량적 관계(2D-QSAR)방법으로 예측하는 모델을 개발하였다. hERG이온채널 저해제의 기계 학습방법으로는 다중선형회귀(Multiple Linear Regression), 서포트 벡터 머신(Support Vector Machine: SVM)방법과 인공신경망(Artificial Neural Network)방법이며, 교차검증을 적용한 모집단 기반 전진선택(forward selection)방법과 결합하여 각 학습모델에 적합한 최적의 표현자들을 결정하였다. 가장 우수한 방법은 14종의 표현자를 사용한 인공신경망방법($R^2_{CV}$=0.617, RMSECV=0.762, MAECV=0.583)이었고, 다중선형회귀방법을 통해서 hERG이온채널 저해물질의 구조적 특징과 수용체와의 상호작용을 설명할 수 있다. QSAR모델의 검증은 교차검증과 Y-scrambling test방법으로 수행하였다.

• 생태와환경
• /
• 제41권1호
• /
• pp.43-53
• /
• 2008

본 연구의 목적은 분포형 수문모형인 TOPMODEL을 이용하여 산림유역의 홍수수문곡선을 추정하는 것이다. 이를 위하여 유역면적 58.3ha의 명성유역을 선정하였으며, 대상유역에 대하여 강우량과 유출량을 측정하였다. Monte Carlo기법을 이용하여 강우사상별로 최적의 매개 변수 조합을 구하고, 매개변수별 모의기간에 대한 평균값을 적용하여 매개변수를 결정하였다. 1997년에 측정된 6개의 강우-유출량 자료를 이용하여 매개변수 보정을 실시하였으며, $1998\sim1999$년에 측정된 8개의 강우-유출량 자료를 이용하여 모형의 검증을 실시하였다. 보정기간에 대한 유출량 추정 오차는 $-2.74\sim1.81%$의 범위를 보였으며, 모형 효율(E)은 평균 0.92이었다. 6개의 강우사상에 대하여 실측된 평균 첨두유량은 $0.324m^3\;s^{-1}$이었으며, 이에 대한 추정치는 $0.295m^3\;s^{-1}$로 모의되었다. 강우 사상별 첨두유량의 오차범위는 $-27.65\sim-1.13%$로 나타났으며, 이는 강우특성 및 선행강우조건에 영향을 받은 것으로 판단된다. 검증기간에 대하여 각 강우사상별 모형효율(E)의 평균값은 0.92로 나타났다. 첨두유량의 실측값은 평균적으로 $0.087m^3\;s^{-1}$이었으며, 추정된 첨두유량의 평균은 $0.090m^3\;s^{-1}$로 나타났다. 첨두시간은 보정기간에 대하여는 관측값과 모의값의 평균이 각각 18.3 hrs와 11.0 hrs이었으며, 검증기간에 대하여는 각각 16.6hrs와 13.5 hrs이었다.

• Korean Journal of Radiology
• /
• 제21권7호
• /
• pp.869-879
• /
• 2020

Objective: To evaluate the performance of a convolutional neural network (CNN) model that can automatically detect and classify rib fractures, and output structured reports from computed tomography (CT) images. Materials and Methods: This study included 1079 patients (median age, 55 years; men, 718) from three hospitals, between January 2011 and January 2019, who were divided into a monocentric training set (n = 876; median age, 55 years; men, 582), five multicenter/multiparameter validation sets (n = 173; median age, 59 years; men, 118) with different slice thicknesses and image pixels, and a normal control set (n = 30; median age, 53 years; men, 18). Three classifications (fresh, healing, and old fracture) combined with fracture location (corresponding CT layers) were detected automatically and delivered in a structured report. Precision, recall, and F1-score were selected as metrics to measure the optimum CNN model. Detection/diagnosis time, precision, and sensitivity were employed to compare the diagnostic efficiency of the structured report and that of experienced radiologists. Results: A total of 25054 annotations (fresh fracture, 10089; healing fracture, 10922; old fracture, 4043) were labelled for training (18584) and validation (6470). The detection efficiency was higher for fresh fractures and healing fractures than for old fractures (F1-scores, 0.849, 0.856, 0.770, respectively, p = 0.023 for each), and the robustness of the model was good in the five multicenter/multiparameter validation sets (all mean F1-scores > 0.8 except validation set 5 [512 x 512 pixels; F1-score = 0.757]). The precision of the five radiologists improved from 80.3% to 91.1%, and the sensitivity increased from 62.4% to 86.3% with artificial intelligence-assisted diagnosis. On average, the diagnosis time of the radiologists was reduced by 73.9 seconds. Conclusion: Our CNN model for automatic rib fracture detection could assist radiologists in improving diagnostic efficiency, reducing diagnosis time and radiologists' workload.

• 방사성폐기물학회지
• /
• 제4권2호
• /
• pp.197-207
• /
• 2006

고준위폐기물처분장의 공학적 성능은 공학적 방벽의 열적-수리적-역학적 거동에 의해 크게 좌우된다. 2002년에 제안된 기준처분시스템 완충재의 열적-수리적-역학적 거동 실증을 위해서, 엔지니어링 규모의 실증장치인 KENTEX를 제작설치 하였다. 이 실증실험은 2005년 5월 31일에 시작하여 현재 진행 중에 있다. 본 논문에서는 운전 중인 KENTEX시설과 이 시설에서 수행 중인실험 및 향후 연구내용을 소개하고, 또한 센서 설치 및 운전조건 결정을 위해 수행한 운전 전 T-H-M 모델 계산결과도 기술하였다. 한국형 기준처분시스템의 실증연구와 관련하여, KENTEX 실증실험은 향후 추진될 지하시험시설에서의 현장시험에 필요한 자료와 경험을 제공하고, 기준처분시스템의 열적-수리적-역학적 거동특성과 평가모델을 검증할 것이다. 실험적으로는 처분장 완충재로 사용되는 벤토나이트 블록의 제작 및 설치에 대한 엔지니어링 타당성을 보여 주는데 유용하게 활용될 것이다.

• Computers and Concrete
• /
• 제21권4호
• /
• pp.407-417
• /
• 2018

Concrete which is a composite material is one of the most important construction materials. Compressive strength is a commonly used parameter for the assessment of concrete quality. Accurate prediction of concrete compressive strength is an important issue. In this study, we utilized an experimental procedure for the assessment of concrete quality. Firstly, the concrete mix was prepared according to C 20 type concrete, and slump of fresh concrete was about 20 cm. After the placement of fresh concrete to formworks, compaction was achieved using a vibrating screed. After 28 day period, a total of 100 core samples having 75 mm diameter were extracted. On the core samples pulse velocity determination tests and compressive strength tests were performed. Besides, Windsor probe penetration tests and Schmidt hammer tests were also performed. After setting up the data set, twelve artificial intelligence (AI) models compared for predicting the concrete compressive strength. These models can be divided into three categories (i) Functions (i.e., Linear Regression, Simple Linear Regression, Multilayer Perceptron, Support Vector Regression), (ii) Lazy-Learning Algorithms (i.e., IBk Linear NN Search, KStar, Locally Weighted Learning) (iii) Tree-Based Learning Algorithms (i.e., Decision Stump, Model Trees Regression, Random Forest, Random Tree, Reduced Error Pruning Tree). Four evaluation processes, four validation implements (i.e., 10-fold cross validation, 5-fold cross validation, 10% split sample validation & 20% split sample validation) are used to examine the performance of predictive models. This study shows that machine learning regression techniques are promising tools for predicting compressive strength of concrete.