• 한국해양환경ㆍ에너지학회지
• /
• 제15권2호
• /
• pp.150-155
• /
• 2012

예인선의 주요 목적의 하나는 구난 작업시 다른 선박을 예인하는 것이다. 예인선이 이러한 작업을 안전하게 수행하기 위해서는 적절한 예인력을 가질 수 있어야 한다. 따라서 예인 작업중 피 예인선박에 대한 저항을 추정하는 것은 매우 중요하고도 필수적인 과정이다. 본 논문에서는 예인력을 추정할 수 있는 선박의 저항 계산 프로그램을 연구하였다. 계산 프로그램은 정수중의 기본 선체 저항과 바람, 표류, 선체 표면 거칠기, 파랑, 천수 및 조류에 의한 부가저항을 계산하는 기능을 가지고 있다. 모든 추정값은 도표 또는 수식을 이용하는 통계적이고 경험적인 방법으로 계산된다. 본 프로그램에 의한 계산 결과는 미국 해군의 예인 매뉴얼로부터 계산된 결과와 비교하였다. 그 결과 본 프로그램은 손상 선박의 저항을 적절히 추정할 수 있는 유용한 프로그램이라고 판단된다.

• 환경영향평가
• /
• 제22권6호
• /
• pp.609-626
• /
• 2013

Air quality models have been widely used to study and simulate many air quality issues. In the simulation, it is important to raise the accuracy of meteorological predicted data because the results of air quality modeling is deeply connected with meteorological fields. Therefore in this study, we analyzed the effects of meteorological fields on the air quality simulation. This study was designed to evaluate MM5 predictions by using different initial condition data and different observations utilized in the data assimilation. Among meteorological scenarios according to these input data, the results of meteorological simulation using National Centers for Environmental Prediction (Final) Operational Global Analysis data were in closer agreement with the observations and resulted in better prediction on ozone concentration. And in Seoul, observations from Regional Meteorological Office for data assimilations of MM5 were suitable to predict ozone concentration. In other areas, data assimilation using both observations from Regional Meteorological Office and Automatical Weather System provided valid method to simulate the trends of meteorological fields and ozone concentrations. However, it is necessary to vertify the accuracy of AWS data in advance because slightly overestimated wind speed used in the data assimilation with AWS data could result in underestimation of high ozone concentrations.

• Membrane and Water Treatment
• /
• 제10권1호
• /
• pp.1-11
• /
• 2019

The Intergovernmental Panel on Climate Change (IPCC) Fifth Assessment Report (AR5) predicted that recent extreme hydrological events would affect water quality and aggravate various forms of water pollution. To analyze changes in water quality due to future climate change, input data (precipitation, average temperature, relative humidity, average wind speed and sunlight) were established using the Representative Concentration Pathways (RCP) 8.5 climate change scenario suggested by the AR5 and calculated the future runoff for each target period (Reference:1989-2015; I: 2016-2040; II: 2041-2070; and III: 2071-2099) using the semi-distributed land use-based runoff processes (SLURP) model. Meteorological factors that affect water quality (precipitation, temperature and runoff) were inputted into the multiple linear regression analysis (MLRA) and artificial neural network (ANN) models to analyze water quality data, dissolved oxygen (DO), biological oxygen demand (BOD), chemical oxygen demand (COD), suspended solids (SS), total nitrogen (T-N) and total phosphorus (T-P). Future water quality prediction of the Anseongcheon River basin shows that DO at Gongdo station in the river will drop by 35% in autumn by the end of the $21^{st}$ century and that BOD, COD and SS will increase by 36%, 20% and 42%, respectively. Analysis revealed that the oxygen demand at Dongyeongyo station will decrease by 17% in summer and BOD, COD and SS will increase by 30%, 12% and 17%, respectively. This study suggests that there is a need to continuously monitor the water quality of the Anseongcheon River basin for long-term management. A more reliable prediction of future water quality will be achieved if various social scenarios and climate data are taken into consideration.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.341-343
• /
• 2019

고농도 미세먼지 발생이 증가함에 따라 미세먼지 예측에 많은 관심이 집중되고 있다. 미세먼지는 대기 중에 있는 직경 $10{\mu}m$ 이하의 밀입자 물질을 말하며, 온도, 상대습도, 풍속 등의 기상 변화에 영향을 받는다. 따라서 미세먼지 예측을 위해 기상 정보와의 상관관계를 분석하는 다양한 연구가 진행되었다. 하지만 미세먼지의 비선형적 시계열 분포는 예측 모델의 복잡도를 증가시키고, 부정확한 예측값을 초래할 수 있다. 본 연구에서는 기계학습의 군집 알고리즘 및 분류알고리즘을 이용하여 미세먼지의 비선형적 특성을 완화하고자 한다. 사용된 기계학습 알고리즘은 병합군집, 밀도기반군집이며, 각 알고리즘을 통한 군집결과를 비교, 분석하였다.

• 한국농공학회논문집
• /
• 제64권6호
• /
• pp.35-41
• /
• 2022

Heavy snow damage can be prevented in advance with an appropriate security system. To develop the security system, we developed a model that predicts snow depth after a few hours when the snow depth is observed, and utilized it to calculate a failure probability with various types of greenhouses and observed snow depth data. We compared the Markov chain model and Bayesian long short-term memory models with varying input data. Markov chain model showed the worst performance, and the models that used only past snow depth data outperformed the models that used other weather data with snow depth (temperature, humidity, wind speed). Also, the models that utilized 1-hour past data outperformed the models that utilized 3-hour data and 6-hour data. Finally, the Bayesian LSTM model that uses 1-hour snow depth data was selected to predict snow depth. We compared the selected model and the shifting method, which uses present data as future data without prediction, and the model outperformed the shifting method when predicting data after 11-24 hours.

• 대기
• /
• 제34권2호
• /
• pp.177-185
• /
• 2024

As increasing global interest in renewable energy due to the ongoing climate crisis, there is a growing need for efficient technologies to manage such resources. This study focuses on the predictive skill of daily solar power generation using weather observation and forecast data. Meteorological data from the Korea Meteorological Administration and solar power generation data from the Korea Power Exchange were utilized for the period from January 2017 to May 2023, considering both inland (Daejeon) and coastal (Busan) regions. Temperature, wind speed, relative humidity, and precipitation were selected as relevant meteorological variables for solar power prediction. All data was preprocessed by removing their systematic components to use only their residuals and the residual of solar data were further processed with weighted adjustments for homoscedasticity. Four models, MLR (Multiple Linear Regression), RF (Random Forest), DNN (Deep Neural Network), and RNN (Recurrent Neural Network), were employed for solar power prediction and their performances were evaluated based on predicted values utilizing observed meteorological data (used as a reference), 1-day-ahead forecast data (referred to as fore1), and 2-day-ahead forecast data (fore2). DNN-based prediction model exhibits superior performance in both regions, with RNN performing the least effectively. However, MLR and RF demonstrate competitive performance comparable to DNN. The disparities in the performance of the four different models are less pronounced than anticipated, underscoring the pivotal role of fitting models using residuals. This emphasizes that the utilized preprocessing approach, specifically leveraging residuals, is poised to play a crucial role in the future of solar power generation forecasting.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 춘계학술대회
• /
• pp.89-92
• /
• 2015

본 논문에서는 산불 발생 시 화재의 확산경로와 속도 예측에 따른 안전 구역 확보를 통해 화재진압에 소요되는 시간을 줄이고 인명, 산림재산 피해를 최소화 하는 방법을 제안한다. 기존 산불 확산경로 예측 방법에서는 지형, 기상, 연료인자, 영상정보 등을 통해 산불 확산 모델 및 속도를 예측한다. 하지만 이 경우 범위가 넓은 산을 관제하기엔 비용도 많이 소요가 되고, 확산 모델 예측 및 경로 파악에만 집중하여 안전 구역 확보에 대한 노력이 부족한 문제점들이 발생한다. 따라서 본 논문에서는 적은 비용으로 산불의 이동방향과 속도를 예측하고 화재 진압을 위한 안전구역을 확보하는 알고리즘을 제안한다. 제안된 알고리즘은 시간에 따른 정보로 온도 변화량 및 연기와 풍향 등의 산불 재난에 따른 속성정보를 분석하여 산불의 이동방향을 예측하고 안전구역을 확보하는 기법이다. 주어진 모의실험 환경에서 산불의 이동 속도 및 이동 방향을 분석함으로써 산불에 대한 피해를 줄이고 빠르게 진압할 수 있을 것으로 기대된다.

• 한국대기환경학회지
• /
• 제30권3호
• /
• pp.281-290
• /
• 2014

This study was conducted to evaluate the distribution characteristics of $PM_{10}$ and heavy metals concentrations in the ambient air of Gyeonggi-do area by region and season from February, 2013 to March, 2014. The regression model for the prediction of formation characteristics and contamination degree of $PM_{10}$ and heavy metals by correlation analysis and regression analysis for using the multivariate statistical analysis was also established. The main wind direction during the investigation period was South East (SE) and West South West (WSW) winds, and the concentration of $SO_2$ at Ansan with industrial region showed 1.6 times higher than Suwon, Euiwang with residential region. The concentrations (median) of Pb, Cu and Ni at Ansan showed 3.2~4.5, 1.9~2.2 and 1.7~2.6 times respectively higher than those at Suwon. By the seasonal concentration variation, the concentrations of $PM_{10}$, Pb, Fe and As in winter and spring (December to May) showed 1.7, 1.9, 1.9 and 2.7 times respectively higher than those in summer and fall (June to November). As, Fe and $PM_{10}$ had a big difference by the seasonal factors, and Cu and Ni were evaluated to be influenced by the regional factors. From the results of correlation analysis among the target items, the correlation coefficient of PM and Mn had 0.82 (p/0.01) and that of Fe and Mn had 0.82 (p/0.01), which showed high correlation. And the correlation coefficients for $SO_2$ and Pb, CO and $PM_{10}$ were 0.66 (p/0.01) and 0.62 (p/0.01) respectively. The multiple linear regression models for $PM_{10}$, Pb, Cu, Cr, As, Ni, Fe and Mn were established by independent variables of CO, $SO_2$ and meteorological factors (wind speed, relative humidity). In the regression models, independent variable $SO_2$ was in cause-and-effect relationship with all dependent variables, and $PM_{10}$, Fe and Mn were influenced by CO and wind speed, and Pb, Cu, Ni and As had a main factor of $SO_2$.

• 한국항공우주학회지
• /
• 제49권1호
• /
• pp.41-52
• /
• 2021

발사체가 대기 중에서 상승 비행 시 공기역학적 현상에 기인한 음향하중을 받는데 천음속 영역에서 그 영향이 커진다. 본 연구에서는 천음속 조건에서 해머헤드 발사체 외부에 작용하는 음향하중을 ��-ω SST 난류모델 기반 IDDES 법으로 해석하여 시간 평균 압력계수, 표면 압력섭동, 압력섭동 파워 스펙트럼을 분석하고 가용한 풍동실험 데이터와 비교하였다. IDDES 결과의 격자 의존성을 검토하였으며, 난류 스케일 분해가 가능한 적절한 계산격자를 사용한 경우 천음속 헤머헤드 발사체의 특징적인 유동 현상인 페어링 어깨에서의 유동 박리와 박리 유동의 후방 동체 재 부착, 보트 테일 후방에서의 높은 압력섭동을 공학적으로 유의미한 정확도로 예측 가능함을 확인하였다.

• 한국초지조사료학회지
• /
• 제41권4호
• /
• pp.287-294
• /
• 2021

본 연구는 기계학습을 통한 수량예측모델을 이용하여 이상기상에 따른 WCM의 DMY 피해량을 산출하기 위한 목적으로 수행하였다. 수량예측모델은 WCM 데이터 및 기상 데이터를 수집 후 가공하여 8가지 기계학습을 통해 제작하였으며 실험지역은 경기도로 선정하였다. 수량예측모델은 기계학습 기법 중 정확성이 가장 높은 DeepCrossing (R²=0.5442, RMSE=0.1769) 기법을 통해 제작하였다. 피해량은 정상기상 및 이상기상의 DMY 예측값 간 차이로 산출하였다. 정상기상에서 WCM의 DMY 예측값은 지역에 따라 차이가 있으나 15,003~17,517 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 DMY 예측값은 지역 및 각 이상기상 수준에 따라 차이가 있었으며 각각 14,947~17,571 kg/ha, 14,986~17,525 kg/ha 및 14,920~17,557 kg/ha 범위로 나타났다. 이상기온, 이상강수량 및 이상풍속에서 WCM의 피해량은 각각 -68~89 kg/ha, -17~17 kg/ha 및 -112~121 kg/ha 범위로 피해로 판단할 수 없는 수준이었다. WCM의 정확한 피해량을 산출하기 위해서는 수량예측모델에 이용하는 이상기상 데이터 수의 증가가 필요하다.