• 한국학교수학회논문집
• /
• 제22권4호
• /
• pp.395-413
• /
• 2019

본 연구는 블렌디드 이러닝이 공과대학 학생들의 공학수학 교수·학습에 미치는 영향을 알아보기 위하여 M대학교 기계공학과 3학년 42명을 연구대상자로 선정하였다. 본 연구에서 공학수학 교과목에 블렌디드 이러닝을 적용한 수업은 오프라인에서는 전체 수강생을 대상으로 강의실에서 면대면 수업의 형태로 진행되었고, 수업이 진행되는 동안 수업의 전 과정을 녹화한 후 녹화된 동영상을 LMS에 탑재하여 온라인 상에서 개별 학습이 이루어지도록 하였다. 한 학기 동안 오프라인과 온라인을 혼합한 형태로 수업을 진행하면서 학습자들의 온라인 자료의 활용 실태 및 오프라인 수업에서의 학생들의 태도의 변화 등을 조사하였다. 그 결과 다음과 같은 결론을 얻었다. 첫째, 공학수학에 적용한 블렌디드 이러닝은 학생들의 자기주도적이고 개별화된 학습에 긍정적인 영향을 준다. 둘째, 블렌디드 이러닝은 공학수학 교수·학습에 긍정적인 영향을 준다. 셋째, 블렌디드 이러닝은 학생들의 수업 만족도에 긍정적인 영향을 준다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.234-234
• /
• 2023

유해 남조 대발생(Harmful Algal blooms, HABs)이 담수호에 발생하면 마이크로시스틴과 같은 독성물질과 맛·냄새 물질을 생성하여 상수원이용과 친수활동을 방해한다. 그래서 유해 남조 대발생 전 유해남조 세포수를 예측하여 선제적 대응하는 것은 중요하다. 따라서 본 연구는 머신러닝기반 Random Forest(RF)를 활용하여 팔당댐 앞의 유해남조 세포수를 예측하는 모델을 개발하고 성능을 평가하고자 한다. 모델 구축을 위해 2012년 4월부터 2021년 12월까지의 팔당호(삼봉리, 경안천) 및 남북한강(의암댐~이포보)권역의 조류, 수질, 수리/수문, 기상 자료를 수집하여 입력 및 출력 자료로 이용하였다. 수집된 데이터에는 다양한 입력변수들이 있어 남조 세포수 예측 성능 비교를 위한 전체 26개 변수 적용과 통계학적으로 상관관계가 높은 12개 변수 적용을 통해 모델을 구축하였다. 입력, 출력 자료로 이용한 유해남조 세포수는 로그변환된 값으로 사용하였으며 일반적인 조류 시료 채취기간이 7일이므로 7일 후를 예측하기 위한 모델을 구축하였다. 구축한 모델의 성능은 실측데이터와 예측데이터의 R²로 산출하여 평가하였다. 전체 26개 입력변수로 모델 구축 후 학습 및 검증 수행 결과 R²의 학습 0.803, 검증 0.729로 나타났고, 유해남조 세포수와 유의미한 상관관계를 보이는 12개 입력변수로 모델 구축 후 학습 및 검증 수행 R²은 학습 0.784, 검증 0.731로 나타났다. 두 모델의 성능을 살펴본 결과 입력변수 개수의 변화에 따른 성능차이는 크지 않은 것으로 나타났으며, 남조세포수 예측을 위한 모델로서 활용가능함을 알 수 있었다. 향후 연구에서는 Random Forest 외 다른 기계학습 모델들과 딥러닝 모델을 통해 남조세포수 예측 성능이 높은 모델을 구축해볼 필요성이 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.397-398
• /
• 2019

망막혈관 영상에서(retinal image) 혈관의 모양 또는 생성변화를 효과적으로 검진하기 위해서 망막혈관을 자동적으로 분리하는 영상분할 기법의 개발은 매우 중요한 사안이다. 이를 위해서 주로 망막혈관영상의 잡음을 억제하고 또한 혈관의 명암대비도(contrast)를 증가시키는 전처리 과정을 거쳐서 혈관의 국부적인 화소값의 변화, 방향성을 판별하여 혈관을 자동적으로 검출하는 방법들이 제시되어왔으며 최근에는 합성곱 신경망(CNN) 딥러닝 학습모델을 활용한 망막혈관 분리 알고리즘들이 제시되고 있다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.337-337
• /
• 2022

한반도 기후변화평가보고서에 의하면 집중호우의 빈도와 강도는 1990년대 후반부터 꾸준히 증가하는 경향을 보였고 2020년의 홍수는 예견된 것으로 우려가 현실화 된 사건이라 볼 수 있다. 2020년 홍수에서 알 수 있듯이 강수량과 하천의 유량을 직접 담아내는 국내 댐 시설의 운영은 증가하는 기후변화의 위험에 더욱 중요한 역할을 할 것으로 보인다. 단일 목적으로 건설된 발전용댐의 경우도 다목적댐, 홍수조절댐 등 다양한 수자원시설과 동일한 수계 내에 배치되어 있기 때문에 기후변화 시나리오에 따라 발전용댐의 운영도 변화되어야 할 것이다. 2020년 발전용댐의 다목적 활용 협약 등의 여건 변화는 수자원 활용 측면에서 발전용댐의 역할이 기대되고 있다. 따라서 본 연구에서는 기후변화 시나리오에 따른 발전용댐의 운영안을 회복탄력성 관점에서 제시하고자 한다. 기후변화는 CMIP6 데이터베이스에서 제공하는 18개의 GCMs의 결과를 고려하여 기후변화를 고려하였으며 3개의 미래구간에 대해 100개의 앙상블을 생성하였다. 해당 자료는 LSTM 모형으로 기반으로 댐 유입량을 예측하기 위해 사용되었다. 유입량 예측 결과 0.77~0.89의 NSE 값을 갖는 것으로 평가되었다. 최종적으로 기후변화 시나리오 따라 증가하는 예측된 유입량에 맞춰 댐 모의운영을 수행하였고 회복탄력성, 발전량, 홍수위험 등을 평가하였다. 그 결과 전력생산 관점의 회복탄력성을 유지하는 운영안을 제시하였고, 이를 통해 전력생산량을 증가시키면서 홍수조절 및 용수공급에 기여함을 확인하였다. 향후 방류량에 따라 하류의 구체적인 치수위험평가가 동시에 이뤄진다면 기후변화 시나리오별 발전용댐의 최적 운영기준을 제시할 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.120-120
• /
• 2023

본 연구에서는 CCTV 영상 내 빗줄기의 특성을 바탕으로 강우강도를 산정하기 위한 합성곱 신경망(CNNs, Convolutional Neural Networks) 기반 강우강도 산정 모형을 제안하였다. 중앙대학교 및 한국건설생활환경시험연구원 내 대형기후환경시험실에서 얻은 CCTV 영상들을 대상으로 연구를 수행하고, 우적계 등과 같은 지상 관측자료와 강우강도 산정 결과를 비교·검증하였다. 먼저, CCTV 영상 내 빗줄기의 미세한 변동 특성을 반영하기 위해 데이터 전처리 작업을 진행하였다. 이는 원본 영상으로부터 빗줄기 층을 분리해내는 과정, 빗줄기 층에서 빗물 입자를 분리해내는 과정, 그리고 빗물 입자를 인식하는 과정 등 총 세 단계로 구분된다. 합성곱 신경망 기반 강우강도 산정 모형 구축을 위해 영상 전처리가 완료된 데이터들을 입력값으로 설정하고, 촬영 시점에 대응되는 지상관측 자료를 출력값으로 고려하여 강우강도 산정모형을 훈련시켰다. CCTV 원자료 내 특정 영역에 편향되어 강우강도를 산정하는 과적합 현상의 발생을 방지하기 위해 원자료 내 5개의 관심 영역(ROI, Region of Interest)을 설정하였다. 추가로, CCTV의 해상도를 총 4개(2560×1440, 1920×1080, 1280×720, 720×480)로 구분함으로써 해상도 변화에 따른 학습 결과의 차이를 분석·평가하였다. 이는 기존 사례들과 비교했을 때, CCTV 영상을 기반으로 빗줄기의 거동 특성과 같은 물리적인 현상을 직간접적으로 고려하여 강우강도를 산정했다는 점과 더불어 머신러닝을 적용하여 강우 이미지가 갖는 본질적인 특징들을 파악했다는 측면에서, 추후 본 연구에서 제안한 모형의 활용 가치가 극대화될 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.229-229
• /
• 2023

강화학습은 에이전트(agent)가 주어진 환경(environment)과의 상호작용을 통해서 상태(state)를 변화시켜가며 최대의 보상(reward)을 얻을 수 있도록 최적의 행동(action)을 학습하는 기계학습법을 의미한다. 최근 알파고와 같은 게임뿐만 아니라 자율주행 자동차, 로봇 제어 등 다양한 분야에서 널리 사용되고 있다. 상수도관망 분야의 경우에도 펌프 운영, 밸브 운영, 센서 최적 위치 선정 등 여러 문제에 적용되었으나, 설계에 강화학습을 적용한 연구는 없었다. 설계의 경우, 관망의 크기가 커짐에 따라 알고리즘의 탐색 공간의 크기가 증가하여 기존의 최적화 알고리즘을 이용하는 것에는 한계가 존재한다. 따라서 본 연구는 강화학습을 이용하여 상수도관망의 구성요소와 환경요인 간의 복잡한 상호작용을 고려하는 설계 방법론을 제안한다. 모델의 에이전트를 딥 강화학습(Deep Reinforcement Learning)으로 구성하여, 상태 및 행동 공간이 커 발생하는 고차원성 문제를 해결하였다. 또한, 해당 모델의 상태 및 보상으로 절점에서의 압력 및 수요량과 설계비용을 고려하여 적절한 수량과 수압의 용수 공급이 가능한 경제적인 관망을 설계하도록 하였다. 모델의 행동은 실제로 공학자가 설계하듯이 절점마다 하나씩 차례대로 다른 절점과의 연결 여부를 결정하는 것으로, 이를 통해 관망의 레이아웃(layout)과 관경을 결정한다. 본 연구에서 제안한 방법론을 규모가 큰 그리드 네트워크에 적용하여 모델을 검증하였으며, 고려해야 할 변수의 개수가 많음에도 불구하고 목적에 부합하는 관망을 설계할 수 있었다. 모델 학습과정 동안 에피소드의 평균 길이와 보상의 크기 등의 변화를 비교하여, 제안한 모델의 학습 능력을 평가 및 보완하였다. 향후 강화학습 모델을 통해 신뢰성(reliability) 또는 탄력성(resilience)과 같은 시스템의 성능까지 고려한 설계가 가능할 것으로 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.392-392
• /
• 2022

세계적 규모의 팬데믹 감염병의 출현은 전 세계적으로 경제적, 문화적, 사회적 파급효과가 매우 강력하며 전 인류를 위협하고 있다. 최근에 발병한 중증급성 호흡기질환 코로나바이러스 2(Severe Acute Respiratory Syndrome Coronavirus 2, SARS-CoV-2)는 2019년 12월 중국 우한에서 첫 보고 되었고 2022년 현재까지 종식되지 않고 있으며 바이러스의 전파력과 치명률이 높고 무증상 감염상태일 때에도 전염이 가능하여 현재 역학조사의 사후적 대응에 대한 한계가 있어 선제적 대응을 위한 수단이 필수 불가결해지고 있는 실정이다. 하수기반역학(Waste Based Epidemiology, WBE)이란 하수처리장으로 유입되기 전의 하수를 분석하여 하수 집수구역 내 도시민의 생활상을 예측하는 것으로 하수로 배출된 감염자의 분비물 및 배설물 속 바이러스를 하수관로에서 신속하게 검출함으로써 특정지역의 감염성 질환 전파 정도와 유행하는 타입(변이)등을 분석하고 기존 역학조사의 문제점을 극복할 수 있으며 선제적인 대응이 가능하다. 현재 COVID-19의 대유행과 관련하여 WBE를 기반으로 한 다양한 연구가 진행되고 있으며 실제 환자의 발생과 상관관계가 있음이 확인되고 있고 백신 접종과 새롭게 발생한 변이바이러스의 관계 속에서 발생하는 변수를 고려한 모델이 없다는 점을 들어 새로운 감염병 확산 예측 모델에 대한 필요성 또한 커지고 있다. 본 연구에서는 병원에서부터 하수처리장까지의 하수관거와 하수처리장에서의 SARS-CoV-2 검출농도 및 거동을 파악하는 것을 목적으로 하고 있으며 COVID-19의 감염규모 확산에 관한 방법론에서 수학적모델 (Euler Method, RK4 Method, Gillespie Algorithm)과 딥러닝 기반의 Nowcasting model과 Fore casting model을 살펴보고자 한다.

• 문화기술의 융합
• /
• 제6권4호
• /
• pp.157-164
• /
• 2020

COVID-19 (Corona Virus Desease-19)로 인해 2020년에는 국내 모든 대학이 비대면 수업을 진행하는 상황이었다. 본 연구는 이러한 비대면 수업하에서 특히 실습수업이 중요한 공과대학생들의 경우 어떤 요인들이 학업 성취도에 영향을 미치는가를 연구하고자 하는 것이다. 본 연구를 위해 D대학의 공과대학생들 대상의 학습성취도 관련 설문문항을 이용하여 회귀 모델과 경로 분석을 결합한 구조 방정식 모형을 적용하고 본 연구에서 정의한 통계적 연구가설의 타당성을 검증하고자 한다. 또한 본 연구를 통해 지속화 되고 있는 비대면 수업에서, 특히 공과대학에서 고려해야 할 요소들이 무엇인지를 제안하고자한다. 조방정식의 최적의 모형 결과 학습성취도에 직접적인 영향을 주는 요인으로 질의 및 피드백 그리고 이러닝 시스템으로 나타났다. 또한 이 두 요인은 이론수업과 실습수업이라는 매개변수를 통해 학업 성취도에 간접적으로도 영향을 주고 있음을 확인할 수 있었다.

• 실천공학교육논문지
• /
• 제8권2호
• /
• pp.83-89
• /
• 2016

플립러닝은 공학적 원리 등 이론적 측면에 대한 개인 학습차가 있더라도 학습자 중심의 실제 문제해결 및 실습 등을 가능하게 하는 틀로서 공학교육의 심화 정도에 따라 효과적인 교수-학습을 가능하게 한다. 유공압기초실습은 공과대학 기계계열 교과과정에서 1학년 학생들이 처음 접하게 되는 실습 교과목으로 공압기기의 작동원리를 이해하고 자동화의 근간이 되는 전기시퀀스를 포함하는 여러 가지 기본회로를 실습을 통하여 익힘을 목적으로 한다. 본 과목은 전공과목의 입문에 해당하고 학생들은 전공에 대한 지식이 전무한 상태이므로 관련 전공지식을 모두 설명해야 하고, 또 실습에 필요한 지식도 설명해야 하므로 기존의 오프라인으로만 이루어지던 수업에서는 학생들이 실습할 시간이 턱없이 부족한 문제점이 있었다. 본 연구에서는 공학 전공 기초실습 교과목인 '유공압기초실습' 교과목의 효과적인 수업을 위해 '코리아텍(KOREATECH:한국기술교육대학교) 플립러닝 기본모형'에 따라 교수설계를 하여 플립러닝 교과목으로 개발하였고, 이를 사용하여 한 학기동안 수업을 실시한 후 수강생의 설문조사와 취득성적 등을 통해 플립러닝 교육의 효과를 분석하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.320-320
• /
• 2023

강우 데이터는 수문기상, 환경, 농업, 자연재해, 그리고 수자원 시스템 분야에서 가장 필수적인 기본 요소 중 하나이다. 또한 강우 데이터는 수문학적 분석에서 활용되는 필수 입력 자료 중 하나로 관측 데이터의 품질에 따라 수문 모형을 이용한 모의 결과물의 정확도가 결정된다고 할 수 있다. 따라서, 강우 관측소별로 강우 데이터의 품질을 어떻게 관리하느냐에 따라 수문 모형의 활용 범위 및 수자원 관리의 효율성이 결정될 수 있다. 강우의 시공간적 변동성은 수 많은 인자들과 직간접적으로 연계되어 있기 때문에 미계측 강우 자료에 대해 직접 관측이 아닌 수치 모형을 이용하여 강우의 발생과 강우량을 산정하는 것은 매우 복잡한 과제 중 하나이다. 현재 국내에서 운용되고 있는 강우 관측소의 경우에도 미계측 된 강우 데이터가 존재함으로써 강우 데이터의 활용에 제한이 생기는 경우가 있다. 따라서, 이러한 미계측 데이터의 추정 및 보완은 보다 효과적인 수재해 방지, 수자원 관리를 위한 필수 과제 중 하나이다. 일반적으로, 미계측 강우를 산정하기 위해서 Kriging, Thiessen, 등우선법, 그리고 역거리 관측법 등 다양한 수문학적 방법들이 적용되고 있다. 이러한 방법들은 산악효과나 강우 관측소의 분포 상태 등을 고려하지 못하기 때문에 측정하는 지역에 따라 강우 추정 오차가 커질 수 있다는 한계가 있다. 최근에는 데이터 관측 시스템과 빅데이터 기술의 발전과 활용 가능한 데이터의 양이 증가함에 따라 머신러닝을 활용한 사례가 증가하고 있다. 머신러닝은 데이터 사이의 관계를 기반으로 분류, 회귀, 그리고 예측 문제에 주로 사용되는 기법 중 하나이다. 따라서, 본 연구에서는 광주광역시 지역에 위치한 주요 강우 관측 지점들을 대상으로 미계측 된 시강우 데이터를 추정 및 복원하고자 한다. 여기서 데이터 추정 기술이란 미계측 강우의 발생 유무 및 강우량을 추정할 수 있는 기술을 의미한다. 이를 위해 대표적인 머신러닝 알고리즘인 인공신경망(Artificial Neural Network) 및 랜덤포레스트(Random Forest)를 적용하였다.