• 대한토목학회논문집
• /
• 제42권1호
• /
• pp.11-21
• /
• 2022

가뭄은 장기간에 걸쳐 광범위하게 발생하며, 사회·경제적으로도 큰 피해를 발생시킨다. 가뭄 위험도는 기상학적 및 수문학적 요소와 더불어 사회적, 환경적, 물리적 및 경제적 요소로 이루어져 있기 때문에, 가뭄 위험도에 대한 영향을 정량적으로 파악하는 것이 중요하다. 본 연구에서는 충청북도를 대상으로 구조방정식모형을 이용하여 가뭄 노출성, 취약성, 대응능력 및 위험도 사이의 영향 관계를 파악하고, 베이지안 네트워크를 적용하여 가뭄 위험도에 대한 영향을 평가하였다. 또한, 가뭄 위험도 평가 인자별 민감도 분석을 통해 가뭄 위험도의 변화 정도를 분석하였다. 그 결과 과거 가뭄 위험도가 가장 큰 지역은 충주시로, 노출성 및 대응능력을 변화시켰을 때에도 가장 크게 산정되었다. 다만, 취약성을 변화시켰을 때에는 음성군이 위험도가 가장 큰 것으로 나타났다. 위험도에 대한 영향인자들의 민감도 분석을 실시한 결과 증평군이 민감도가 가장 컸으며, 노출성, 취약성 및 대응능력에서 제천시, 음성군, 옥천군이 민감도가 크게 나타났다. 이러한 결과를 통해 가뭄 위험도 및 가뭄 위험도에 대한 영향인자를 확인하였으며, 영향인자별 지역의 특성을 고려한 가뭄 대책 마련이 가능하다.

• 한국정보통신학회논문지
• /
• 제13권4호
• /
• pp.765-773
• /
• 2009

최근의 텔레매틱스 교통정보제공서비스는 지능형 교통시스템의 구축을 통한 실시간 교통정보 수집이 가능해짐에 따라 다양해지고 있다. 본 논문에서는 고품질의 다양한 교통정보제공을 위해 필요한 미래시간에 대한 단기 교통정보 예측 모델을 제안하고 개발하였다. 단기 예측 모델은 현재로부터 가까운 미래의 교통 상황을 예측하기 위한 교통 모델로 본 연구에서 제안한 예측 모델은 각 도로에 대하여 5분 이후부터 1시간 이전까지의 미래시간에 대한 차량 평균 속도를 예측 결과로 준다. 본 연구에서 제안한 예측 모델은 베이지안 네트워크에 기반을 두고 있으며 각 도로의 미래시간 교통상황에 영향을 줄 수 있는 요인들을 분석하여 베이지안 네트워크의 원인노드로 설정하였다. 설계된 베이지안 네트워크에 대하여 실시간 교통정보데이터를 이용하여 가우시안 혼합 분포를 가정한 베이지안 네트워크의 결합 확률 밀도 함수를 EM(Expectation Maximization) 알고리즘으로 구하여 미래시간의 교통정보를 예측하였다. 예측 모델의 정확도 검증을 위해 실시간 교통데이터로 다양한 실험을 수행하였다. 실험결과 제안된 모델은 현재 시간으로부터 10분 이후, 30분 이후, 60분 이후 예측 오차로 각각 4.5, 4.8, 5.2의 RMSE(Root Mean Square Error) 값을 주었다.

• 경영과정보연구
• /
• 제38권3호
• /
• pp.187-210
• /
• 2019

기업은 사회의 구성원으로서 사회적 책임을 다해야 하는 의무가 있다. 비록 기업이 사회적 책임을 완수하기 위해서 기업의 자원을 일정 부분 소비하지만 이러한 기업의 사회적 책임활동은 사회적 불평등을 해소하는데 도움을 주고 있다. 한편, 기업의 사회적 책임활동은 기업의 지속적 성장과 관련이 높을 수 있다. 많은 선행연구들은 기업의 사회적 책임활동과 기업의 지속가능성에 대해 관심을 가지고 있다. 그러나 기존의 선행연구들은 변수들간의 관계를 단순하게 선형이라고 가정하고 있기 때문에 복잡한 현실세계를 반영하지 못하는 한계점 또한 존재하고 있다. 따라서 본 연구에서는 마코브 블랭킷을 통해 변수들간 최소한의 상관관계를 도출하고 베이지안 네트워크를 통해 다양한 현실세계 속에서 변수들간의 관련성을 분석하고자 한다. 또한 본 연구에서 사용한 민감도분석은 복잡한 현실세계에서 다양한 변수들간의 변동성을 파악하는데 유용하게 활용될 수 있을 것이다. 본 연구는 기업의 지속가능성에 관심이 많은 투자자와 채권자들에게 유용한 정보를 제공할 수 있을 것이다. 왜냐하면, 그들은 기업의 가치에 관심이 많은데 사회적 책임활동은 기업의 가치에 긍정 또는 부정적인 영향 모두 미칠 수 있기 때문이다. 본 연구의 중요한 결과로 기업의 미래이익지속성은 당연히 영업이익과 밀접한 관련이 있으며, 기업의 지배구조가 건전할수록 기업은 안정적으로 사회적 책임을 완수하는 모습을 보였다. 그러나 기업의 규모가 크다고 하여 기업 관련 법규를 잘 준수하는 것을 아니라는 것이 나타났다. 이는 최근의 많은 기업들이 법규를 준수하지 않아 사회적 지탄을 받는 일과도 무관하지 않을 것이다. 한편, 기업의 지속가능성이 자본시장에 미치는 영향을 고려할 때 이러한 자본시장을 감독하는 관계당국도 본 연구의 결과를 활용하여 정책을 입안하거나 규정을 정비하는데 도움을 받을 수 있을 것이다.

• 한국항해항만학회지
• /
• 제47권1호
• /
• pp.1-9
• /
• 2023

해양사고 분석에 관한 많은 연구가 진행되고 있으며, 해양사고는 매년 업데이트되고 있어 주기적으로 원인을 분석하고 규명하는 것이 필요하다. 이 연구에서는 이전의 데이터와 새로운 데이터를 활용하여 해양사고를 파악·분석을 통해 어선 해양사고 원인을 규명하여 사고를 예방하는 것이다. 해양사고 데이터는 어선의 특수성을 고려하여 해양안전심판원의 어선에 대한 해양사고재결서 16년간의 1,921건을 수집하였으며, 해양수산부 종합상황실 사고알림문자 이력 3년간의 1,917건을 수집하였다. 재결서 데이터와 문자 데이터는 변수에 따라 분류하였으며, 수량화 작업을 수행하였다. 수량화 작업을 통한 데이터를 사용하여 베이지안 네트워크를 이용해 사전확률을 계산하였고, 후방 추론을 이용하여 어선 해양사고를 예측하였다. 두 가지 수집한 데이터 중 해양사고재결서는 모든 어선의 사고가 재결서에 포함되지 않았기 때문에 해양수산부 사고알림문자를 선택하였다. 분류한 데이터를 베이지안 네트워크를 사용하여 어선 해양사고의 사전 확률을 계산하였다. 후방 추론으로 계산한 기관손상이 서해 연안에서 발생할 어선 해양사고의 확률은 0.0000031%였다. 이 연구의 기대효과는 어선 해양사고를 분석하기 위하여 새로운 사고알림문자 데이터를 활용하여 실제 어선 특성에 맞는 해양사고를 분석할 수 있다는 것이다. 추후에는 어선 해양사고에 영향을 미치는 변수들 간의 인과관계에 관한 연구를 수행할 예정이다.

• 정보처리학회논문지C
• /
• 제13C권2호
• /
• pp.259-266
• /
• 2006

스팸 메일의 양의 급증함에 따라, 다양한 스팸 메일 필터링 기법이 제시되고 있다. 이런 필터링 기법 가운데, 학습 기반 필터링 기법은 현재 가장 보편화된 필터링 기법 가운데 하나이다. 본고에서는 신경망과, 유전자알고리즘, 카이제곱통계를 이용한 학습 기반 필터링 기법을 제시한다. 제안된 필터링 기법은 기존 필터링 기법의 문제를 해결하고, 스팸 메일 필터링에 높은 정확도를 제공할 수 있다 제안된 필터링 기법은 스팸메일 필터링 정확도와 정상 메일 필터링 정확도에서 각각 95.25%와 95.31%의 높은 정확도를 보인다. 이런 실험 결과는 기존의 규칙 기반 필터링 기법과 베이지안 필터링 기법에 비해 각각 7%, 12% 이상 높은 수치이다.

• 정보보호학회논문지
• /
• 제23권6호
• /
• pp.1103-1110
• /
• 2013

본 논문에서는 소셜 네트워크 서비스 상에 공개된 개인정보의 소유자 식별 방법을 제안한다. 구체적으로는 트위터상에 언급된 지역 정보가 게시자의 거주지를 의미하는지를 자동으로 판단하는 방법이다. 개인정보 소유자 식별은 특정인의 개인정보가 온라인 상에 얼마나 노출되어 있는지 파악하여 그 위험도를 산정하기 위한 과정의 일부로서 필수적이다. 제안 방법은 트윗 문장의 어휘 및 구조적 특징 13개를 자질(feature set)로 활용한 소유자 식별 규칙들을 통해 지역정보가 게시자의 거주지를 의미하는지 판단한다. 실제 트위터 데이터를 이용한 실험에서 제안방법이 n-gram을 자질로 사용한 나이브베이지안 같은 전통적인 문서 분류 모델보다 더 높은 성능 (F1값 0.876)을 보였다.

• Computers and Concrete
• /
• 제24권6호
• /
• pp.541-553
• /
• 2019

Alkali-silica reaction (ASR) in concrete can induce degradation in its mechanical properties, leading to compromised serviceability and even loss in load capacity of concrete structures. Compared to other properties, ASR often affects the modulus of elasticity more significantly. Several empirical models have thus been established to estimate elastic modulus reduction based on the ASR expansion only for condition assessment and capacity evaluation of the distressed structures. However, it has been observed from experimental studies in the literature that for any given level of ASR expansion, there are significant variations on the measured modulus of elasticity. In fact, many other factors, such as cement content, reactive aggregate type, exposure condition, additional alkali and concrete strength, have been commonly known in contribution to changes of concrete elastic modulus due to ASR. In this study, an artificial intelligent model using artificial neural network (ANN) is proposed for the first time to provide an innovative approach for evaluation of the elastic modulus of ASR-affected concrete, which is able to take into account contribution of several influence factors. By intelligently fusing multiple information, the proposed ANN model can provide an accurate estimation of the modulus of elasticity, which shows a significant improvement from empirical based models used in current practice. The results also indicate that expansion due to ASR is not the only factor contributing to the stiffness change, and various factors have to be included during the evaluation.

• Membrane and Water Treatment
• /
• 제9권2호
• /
• pp.115-121
• /
• 2018

Artificial neural network (ANN) simulation is used to predict the dynamic change of permeate flux during wheat starch industry wastewater microfiltration with and without static turbulence promoter. The experimental program spans range of a sedimentation times from 2 to 4 h, for feed flow rates 50 to 150 L/h, at transmembrane pressures covering the range of $1{\times}10^5$ to $3{\times}10^5Pa$. ANN predictions of the wastewater microfiltration are compared with experimental results obtained using two different set of microfiltration experiments, with and without static turbulence promoter. The effects of the training algorithm, neural network architectures on the ANN performance are discussed. For the most of the cases considered, the ANN proved to be an adequate interpolation tool, where an excellent prediction was obtained using automated Bayesian regularization as training algorithm. The optimal ANN architecture was determined as 4-10-1 with hyperbolic tangent sigmoid transfer function transfer function for hidden and output layers. The error distributions of data revealed that experimental results are in very good agreement with computed ones with only 2% data points had absolute relative error greater than 20% for the microfiltration without static turbulence promoter whereas for the microfiltration with static turbulence promoter it was 1%. The contribution of filtration time variable to flux values provided by ANNs was determined in an important level at the range of 52-66% due to increased membrane fouling by the time. In the case of microfiltration with static turbulence promoter, relative importance of transmembrane pressure and feed flow rate increased for about 30%.

• The Korean Journal of Pain
• /
• 제34권4호
• /
• pp.509-533
• /
• 2021

Background: Postherpetic neuralgia (PHN) is a refractory complication of herpes zoster (HZ). To prevent PHN, various strategies have been aggressively adopted. However, the efficacy of these strategies remains controversial. Therefore, we aimed to estimate the relative efficacy of various strategies used in clinical practice for preventing PHN using a network meta-analysis (NMA). Methods: We performed a systematic and comprehensive search to identify all randomized controlled trials. The primary outcome was the incidence of PHN at 3 months after acute HZ. We performed both frequentist and Bayesian NMA and used the surface under the cumulative ranking curve (SUCRA) values to rank the interventions evaluated. Results: In total, 39 studies were included in the systematic review and NMA. According to the SUCRA value, the incidence of PHN was lower in the order of continuous epidural block with local anesthetics and steroids (EPI-LSE), antiviral agents with subcutaneous injection of local anesthetics and steroids (AV + sLS), antiviral agents with intracutaenous injection of local anesthetics and steroids (AV + iLS) at 3 months after acute HZ. EPI-LSE, AV + sLS and AV + iLS were also effective in preventing PHN at 1 month after acute HZ. And paravertebral block combined with antiviral and antiepileptic agents was effective in preventing PHN at 1, 3, and 6 months. Conclusions: The continuous epidural block with local anesthetics and steroid, antiviral agents with intracutaneous or subcutaneous injection of local anesthetics and a steroid, and paravertebral block combined with antiviral and antiepileptic agents are effective in preventing PHN.

• Nuclear Engineering and Technology
• /
• 제53권7호
• /
• pp.2334-2340
• /
• 2021

Radioactive particle tracking (RPT) is a minimally invasive nuclear technique that tracks a radioactive particle inside a volume of interest by means of a mathematical location algorithm. During the past decades, many algorithms have been developed including ones based on artificial intelligence techniques. In this study, RPT technique is applied in a simulated test section that employs a simplified mixer filled with concrete, six scintillator detectors and a¹³⁷Cs radioactive particle emitting gamma rays of 662 keV. The test section was developed using MCNPX code, which is a mathematical code based on Monte Carlo simulation, and 3516 different radioactive particle positions (x,y,z) were simulated. Novelty of this paper is the use of a location algorithm based on a deep learning model, more specifically a 6-layers deep rectifier neural network (DRNN), in which hyperparameters were defined using a Bayesian optimization method. DRNN is a type of deep feedforward neural network that substitutes the usual sigmoid based activation functions, traditionally used in vanilla Multilayer Perceptron Networks, for rectified activation functions. Results show the great accuracy of the DRNN in a RPT tracking system. Root mean squared error for x, y and coordinates of the radioactive particle is, respectively, 0.03064, 0.02523 and 0.07653.