• 디지털콘텐츠학회 논문지
• /
• 제7권1호
• /
• pp.47-52
• /
• 2006

본 논문에서는 전두엽과 두정엽의 4채널 뇌파를 이용하여 인간의 쾌적성 평가를 위한 알고리즘을 개발하고자 한다. 알고리즘은 선형 예측 분석과 신경회로망으로 구성되며, 많은 피검자들의 템플릿(template)을 활용한다. 먼저 다양한 실험 환경을 조성하여 쾌적 및 불쾌적한 상태의 뇌파를 수집하였다. 그리고 나서 개발된 알고리즘을 이용하여 쾌적성 평가 실험을 수행하였으며, 전두엽의 a파 전력비(power ratio)를 이용한 기존의 감성 평가 방법과 성능을 비교해 보았다. 온도와 습도를 이용한 쾌적성 평가를 위해 여러 방법으로 수집된 뇌파를 통해 적은 채널을 이용하면서 감성을 평가할 수 있는 전극의 위치를 확인하고자 실시한 여러 가지 조합의 2채널, 4채널 실험에서는 쾌적성 평가 결과가 제시한 task와 80%가 일치하여 Heller의 감정 모델에 근거한 4채널이 가장 변별력을 나타내는 전극의 위치임을 알 수 있었다. 또한 기존의 a파 전력을 통하여 뇌의 활성 영역을 구분하여 감성을 평가하는 방법에서는 상당히 저조한 성능을 나타내어 감성과의 상관성을 확인할 수 없었다.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2019년도 춘계 학술논문 발표대회
• /
• pp.67-68
• /
• 2019

The mechanical and durability characteristics of concrete structures depend on the construction environment, material conditions, design conditions, and temperature and humidity environment after casting. However, wired communicati-on sensors which are mainly used in the field have many limitations in their usability and monitoring. In this study, all temperature and humidity data measured from embedded sensors are monitored via a wireless sensor network. Based on the measured temperature data, the predicted compressive strength of the concrete was compared with the actual compressive strength. As a result, The error between predicted strength and experimental strength has decreased over time.

• 반도체디스플레이기술학회지
• /
• 제20권3호
• /
• pp.161-166
• /
• 2021

To prevent accidents caused by changes in the surrounding environment or other factors, various protection facilities are installed at the photovoltaic connection module. The main causes of fire are sparks due to foreign substances inside the photovoltaic connection module through high temperature rise and dew condensation in the photovoltaic connection module, and fire due to heat from the power diode. The proposed method can predict the fire by measuring flame, carbon dioxide, carbon monoxide, temperature, humidity, input voltage, and current on the photovoltaic connection module, and when the fire conditions are reached, fire alarm and power off can be sent to managers and users in real time to prevent fire in advance.

• 콘크리트학회논문집
• /
• 제13권4호
• /
• pp.305-313
• /
• 2001

본 연구에서는 콘크리트 열전도율의 영향인자에 대하여 TLPP원리를 응용한 QTM-D3 장비를 이용하여 실험을 실시하였고, 이들 실험결과를 이용하여 콘크리트의 열전도율을 예측하는 모델식을 제안하였다. 본 연구를 통하여 얻은 결론은 다음과 같다. 콘크리트, 모르타르 및 페이스트의 열전도율에 미치는 주요 영향인자를 구명하기 위해 본 연구에서 선택된 실험변수는 재령, 골재 함유량, 시멘트 함유량, 결합재 종류, 잔골재율, 시편의 온도 및 함수상태로 총 7가지이다. 이중에서 골재 함유량과 함수상태가 콘크리트 열전도율의 주요 영향인자임을 알 수 있었다. 그리고 시멘트 사용량이 많은 페이스트나 모르타르의 경우 시멘트 함유량이나 결합재 종류에 의해서도 열전도율이 영향을 받고 있다. 그러나 재령은 콘크리트의 열전도율에 큰 영향을 미치지 않음을 알 수 있었다. 콘크리트 열전도율에 주요 영향인자인 골재 함유량, 잔골재율, 시편의 온도 및 함수상태를 이용하여 콘크리트의 열전도율을 계산할 수 있는 모델식을 제안하였다.

• 한국신뢰성학회지:신뢰성응용연구
• /
• 제17권2호
• /
• pp.92-102
• /
• 2017

Purpose: Reliability prediction standards consider environmental conditions, such as temperature, humidity and vibration in order to predict the reliability of the electronics components. There are many types of standards, and each standard has a different failure rate prediction model, and requires different environmental conditions. The purpose of this study is to make a sensitivity analysis by changing the temperature which is one of the environmental conditions. By observing the relation between the temperature and the failure rate, we perform the sensitivity analysis for standards including MIL-HDBK-217F, RiAC-HDBK-217Plus and FIDES. Methods: we establish environmental conditions in accordance with maneuver weapon systems's OMS/MP and mission scenarios then predict the reliability using MIL-HDBK-217F, RiAC-HDBK-217Plus and FIDES through the case of DC-DC Converter. Conclusion: Reliability prediction standards show different sensitivities of their failure rates with respect to the changing temperatures.

• International Journal of Computer Science & Network Security
• /
• 제22권5호
• /
• pp.330-334
• /
• 2022

In light of the decreasing crop production and shortage of food across the world, one of the crucial criteria of agriculture nowadays is selecting the right crop for the right piece of land at the right time. First problem is that How Farmers can predict the right crop for cultivation because famers have no knowledge about prediction of crop. Second problem is that which algorithm is best that provide the maximum accuracy for crop prediction. Therefore, in this research Author proposed a method that would help to select the most suitable crop(s) for a specific land based on the analysis of the affecting parameters (Temperature, Humidity, Soil Moisture) using machine learning. In this work, the author implemented Random Forest Classifier, Support Vector Machine, k-Nearest Neighbor, and Decision Tree for crop selection. The author trained these algorithms with the training dataset and later these algorithms were tested with the test dataset. The author compared the performances of all the tested methods to arrive at the best outcome. In this way best algorithm from the mention above is selected for crop prediction.

• 한국환경과학회지
• /
• 제25권5호
• /
• pp.683-694
• /
• 2016

Sensitivity analysis of the WRF model according to the impact of nudging (e.g., nudging techniques and application domains) was conducted during high nocturnal ozone episode to improve the prediction of the regional ozone concentration in the southeastern coastal area of the Korean peninsula. The analysis was performed by six simulation experiments: (1) without nudging (e.g., CNTL case), (2) with observation nudging (ONE case) to all domains (domain 1~4), (3) with grid nudging (GNE case) to all domains, (4)~(6) with grid nudging to domain 1, domain 1~2 and domain 1~3, respectively (GNE-1, GNE-2, GNE-3 case). The results for nudging techniques showed that the GNE case was in very good agreement with those observed during all analysis periods (e.g., daytime, nighttime, and total), as compared to the ONE case. In particular, the large effect of grid nudging on the near-surface meteorological factors (temperature, relative humidity, and wind fields) was predicted at the coastline and nearby sea during daytime. The results for application domains showed that the effects of nudging were distinguished between the meteorological factors and between the time periods. When applied grid nudging until subdomain, the improvement effects of temperature and relative humidity had differential tendencies. Temperature was increased for all time, but relative humidity was increased in daytime and was decreased in nighttime. Thus, GNE case showed better result than other cases.

• 방재기술
• /
• 통권10호
• /
• pp.19-26
• /
• 1991

This reoprt intended to apprehend the principle for combustible phenomena in the environments and the prediction of its hazard in the virtual fire. So we first explained the basic machanism for the combustion, and discovered the tendency of the conbustion in the condition of the environmental factors(Humidity, Wind, Temperature) by means of some sxperiments about the wood as example.

• 생물환경조절학회지
• /
• 제28권2호
• /
• pp.95-103
• /
• 2019

온도와 상대습도는 작물 재배에 있어서 중요한 요소로써, 수량과 품질의 증대를 위해서는 적절히 제어 되어야 한다. 그리고 정확한 환경 제어를 위해서는 환경이 어떻게 변화할지 예측할 필요가 있다. 본 연구의 목적은 현시점의 환경 데이터를 이용한 다층 퍼셉트론(multilayer perceptrons, MLP)을 기반으로 미래 시점의 기온 및 상대습도를 예측하는 것이다. MLP 학습에 필요한 데이터는 어윈 망고(Mangifera indica cv. Irwin)을 재배하는 8연동 온실($1,032m^2$)에서 2016년 10월 1일부터 2018년 2월 28일까지 10분 간격으로 수집되었다. MLP는 온실내부 환경 데이터, 온실 외 기상 데이터, 온실 내 장치의 설정 및 작동 값을 사용하여 10~120분 후 기온 및 상대습도를 예측하기 위한 학습을 진행하였다. 사계절이 뚜렷한 우리나라의 계절에 따른 예측 정확도를 분석하기 위해서 테스트 데이터로 계절별로 3일간의 데이터를 사용했다. MLP는 기온의 경우 은닉층이 4개, 노드 수가 128개일 때($R^2=0.988$), 상대습도는 은닉층 4개, 노드 수 64개에서 가장 높은 정확도를 보였다($R^2=0.990$). MLP 특성상 예측 시점이 멀어질수록 정확도는 감소하였지만, 계절에 따른 환경 변화에 무관하게 기온과 상대습도를 적절히 예측하였다. 그러나 온실 내 환경 제어 요소 중 분무 관수처럼 특이적인 데이터의 경우, 학습 데이터 수가 적기 때문에 예측 정확도가 낮았다. 본 연구에서는 MLP의 최적화를 통해서 기온 및 상대습도를 적절히 예측하였지만 실험에 사용된 온실에만 국한되었다. 따라서 보다 일반화를 위해서 다양한 장소의 온실 데이터 이용과 이에 따른 신경망 구조의 변형이 필요하다.

• 한국공간구조학회논문집
• /
• 제21권2호
• /
• pp.99-110
• /
• 2021

This study presents the estimation of crack depth by analyzing temperatures extracted from thermal images and environmental parameters such as air temperature, air humidity, illumination. The statistics of all acquired features and the correlation coefficient among thermal images and environmental parameters are presented. The concrete crack depths were predicted by four different machine learning models: Multi-Layer Perceptron (MLP), Random Forest (RF), Gradient Boosting (GB), and AdaBoost (AB). The machine learning algorithms are validated by the coefficient of determination, accuracy, and Mean Absolute Percentage Error (MAPE). The AB model had a great performance among the four models due to the non-linearity of features and weak learner aggregation with weights on misclassified data. The maximum depth 11 of the base estimator in the AB model is efficient with high performance with 97.6% of accuracy and 0.07% of MAPE. Feature importances, permutation importance, and partial dependence are analyzed in the AB model. The results show that the marginal effect of air humidity, crack depth, and crack temperature in order is higher than that of the others.