• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2019년도 추계학술대회
• /
• pp.266-266
• /
• 2019

해마다 증가하고 있는 해양사고는 기관고장, 충돌, 좌초, 화재 등 다양하게 발생하고 있다. 이러한 해양사고는 대형 인명사고의 위험이 있어 사전에 사고를 예방 하는 게 무엇보다 중요하다. 이를 위해서는 해양사고 발생을 사전에 예측하고 이에 대응할 수 있는 예측 체계가 요구된다. 본 연구에서는 과거에 발생한 데이터를 근거로 미래를 예측할 수 있는 마코프 체인 프로세스(Markov Chain Process)를 적용하여 해양사고 발생을 사전에 예측하기 위한 모델링을 제안한다. 제시된 모델링을 적용하여 미래 발생 가능한 해양사고 발생 확률을 산출하고 실제 발생한 빈도와 비교하였다. 또한 많이 사용되는 다른 예측 분석 방법과 비교하여 예측의 정확성을 측정하였다. 이를 통해 해양사고 발생에 관한 예측 체계를 마련하는데 하나의 확률 모형을 제안하였으며, 나아가 다양한 해양사고의 문제를 예측하는데 기여할 것으로 기대된다.

• 해양환경안전학회지
• /
• 제17권4호
• /
• pp.375-382
• /
• 2011

기초자료의 획득 체계 및 가공 체계의 부재와 복잡한 사용자 입력 체계로 인해서 유출유 확산 예측 모델의 활용에 제약이 따른다. 이러한 상황에서 유류오염사고에 신속하게 대응하기 위한 과학적 방제 전략 수립은 어렵다. 본 연구에서는 현재 실정을 고려하여 유출유 확산 예측 모델 구동을 위한 최선의 상시 활용 체계를 수립하였다. 모든 기초자료를 직접 구축하고 관리하는 것이 불가능하기 때문에 외부 기관의 실시간 동적 자료를 연계하고 최소한의 데이터베이스만을 직접 구축하여 실시간 유출유 확산 예측의 상시 활용이 가능함을 확인하였다. 또한 사용자와 모델간 인터페이스부분에서 발생하는 오류를 최소화하는 사용자 입력 인터페이스와 모델 연산 결과를 시공간 측면에서 다차원적으로 분석할 수 있는 결과 표출 인터페이스를 제안하였다. 본 연구 결과로 구축된 유출유 확산 예측 모델의 상시 운용 체계는 외부 자료에 의존하기 때문에 모델 결과의 불확실성이 존재하지만, 유류오염사고 발생시 신속하게 모델을 구동하여 유출유 확산 예측을 수행할 수 있다는 측면에서 실제 방제 현장에서 의미있게 활용될 수 있다.

• 대한교통학회지
• /
• 제25권3호
• /
• pp.123-135
• /
• 2007

본 연구에서는 고속도로 트럼펫 인터체인지상에서 연결로 형식별로 일어나는 교통사고와 도로 기하구조 및 교통량등의 교통사고 요인들과의 관계를 분석하기 위해 교통사고의 분포의 특성을 분석하여 적합도 검증을 통해 모형추정시 가장 적절한 분포를 찾은 결과 음이항분포(Negative binomial distribution)가 선택되었다. 선택된 분포에 기반하여 트럼펫 인터체인지 연결로 전체, 연결로 형식별(직결, 준직결, 루프연결로) 각각의 음이항회귀모형 (Negative binomial regression model)을 개발하였다. 총 4개의 모형을 개발하고 그것의 적합도를 판단하는 여러 가지 통계값과 모형에서 예측한 값과 실제 관측값과의 차이를 분석한 결과 예측모형이 적합하게 구축되었음을 보였다. 추정된 모형의 통계적으로 유의한 변수들을 분석하여 교통사고를 설명하는데 유의한 변수들을 판단하고 이러한 변수들을 도로의 설계자가 도로 설계 및 운영에 적용하거나 교통안전계획 수립시 해당도로의 교통특성을 반영한 교통사고 절감 대책 등에 이용할 수 있을 것이다.

• Design & Manufacturing
• /
• 제14권4호
• /
• pp.40-45
• /
• 2020

In a vehicle-to-vehicle accident, the impact posture, braking status, final stopping position, collision point and collision speed are important factors for accident reconstruction. In particular, the speed of collision is the most important issue. In this study, the collision speed and the final stopping position in the tunnel were estimated using PC-CRASH, a vehicle crash analysis program used for traffic accident analysis, and the final stopping position of the simulation and the final stopping position of the traffic accident report were compared. When the Pride speed was 0km/h or 30km/h and the Sorento speed was 100m/h, the simulation results and reports matched the final stopping positions and posture of the two vehicles. As a result of the simulation, it can be estimated that Pride was collided in an almost stationary state.

• 한국산업정보학회논문지
• /
• 제28권6호
• /
• pp.11-20
• /
• 2023

자동차보험 교통사고 진료비는 매년 증가하고 있다. 본 연구는 교통사고 진료비용 상승의 주요 항목인 경상환자 중 장기입원환자(18일 이상)를 예측하는 모델을 decision tree 등 5개 알고리즘을 이용하여 생성하고, 장기입원에 영향을 미치는 요인을 분석했다. 그 결과, 예측 모델의 정확도는 91.377 ~ 91.451이며 각 모델 사이에 큰 차이점은 없었으나 random forest와 XGBoost 모델이 91.451로 가장 높았다. 설명변수 중요도에 있어서 병원 소재지, 상병명, 병원 종류 등 장기환자군과 비 장기입원 환자군 사이에 모델마다 상당한 차이가 있었다. 모델 평가는 훈련 데이터의 교차검증(10회)한 모델별 평균 정확도와 실험 데이터의 정확도를 상호 비교한 결과로 검정했다. 설명변수 유의성 검증을 위해 범주형 변수는 카이제곱 테스트를 실시하였다. 본 논문의 연구 결과는 경상 환자들의 과잉진료 및 사회적 보험료 비용을 줄이는 진료행태 분석에 도움이 될 것이다.

• 품질경영학회지
• /
• 제24권1호
• /
• pp.10-19
• /
• 1996

In order to build a model to predict accidents in a complicated man-machine sytem, human errors and mechanical reliability can be viewed as the most important factors. Such factors are explicitly included in a generic model. Another point to keep in mind is that the model should be constructed so that the data in a type of accident can be utilized to predict other types of accidents. Based on such a generic prediction model, we analyze the effects of system reliability. When we improve the system reliability, in other words, when there are changes in model parameters, the predicted time to next accidents should be modified influencing the effects of system reliability improvements. We apply Bayesian approach and finds the formula to explain how a change on the machine reliability or human error probability influences the time to next accident.

• Nuclear Engineering and Technology
• /
• 제52권11호
• /
• pp.2565-2571
• /
• 2020

Background: Understanding the behaviour of nuclear fuel claddings by conducting burst test on single cladding tube under simulated loss-of-coolant accident conditions and developing theoretical cum empirical predictive computer codes have been the focus of several investigations. The developed burst criterion (a) assumes symmetrical deformation of cladding tube in contrast to experimental observation (b) interpolates the properties of Zircaloy-4 cladding in mixed α+β phase (c) does not account for azimuthal temperature variations. In order to overcome all these drawbacks of burst criterion, it is reasoned that artificial intelligence technique may be a better option to predict the burst parameters. Methods: Artificial neural network models based on feedforward backpropagation algorithm with logsig transfer function are developed. Results: Neural network architecture of 2-4-4-3, that is model with two hidden layers having four nodes in each layer is found to be the most suitable. The mean, maximum, and minimum prediction errors for this optimised model are 0.82%, 19.62%, and 0.004%, respectively. Conclusion: The burst stress, burst temperature, and burst strain obtained from burst criterion have average deviation of 19%, 12%, and 53% respectively whereas the developed neural network model predicted these parameters with average deviation of 6%, 2%, and 8%, respectively.

• Nuclear Engineering and Technology
• /
• 제55권12호
• /
• pp.4607-4616
• /
• 2023

We implement machine learning regression models to predict peak pressures of primary and secondary systems, a major safety concern in Loss Of Condenser Vacuum (LOCV) accident. We selected the Multi-dimensional Analysis of Reactor Safety-KINS standard (MARS-KS) code to analyze the LOCV accident, and the reference plant is the Korean Optimized Power Reactor 1000MWe (OPR1000). eXtreme Gradient Boosting (XGBoost) is selected as a machine learning tool. The MARS-KS code is used to generate LOCV accident data and the data is applied to train the machine learning model. Hyperparameter optimization is performed using a simulated annealing. The randomly generated combination of initial conditions within the operating range is put into the input of the XGBoost model to predict the peak pressure. These initial conditions that cause peak pressure with MARS-KS generate the results. After such a process, the error between the predicted value and the code output is calculated. Uncertainty about the machine learning model is also calculated to verify the model accuracy. The machine learning model presented in this paper successfully identifies a combination of initial conditions that produce a more conservative peak pressure than the values calculated with existing methodologies.

• 한국정보전자통신기술학회논문지
• /
• 제11권6호
• /
• pp.703-710
• /
• 2018

매년 전기화재사고에 대한 사고유형 분석, 점검 등 전기적 화재사고를 줄이기 위해 다양한 노력이 있었으나, 효율적인 의사결정지원 체계 및 기존 누적 데이터 활용방안의 미비로 효과적인 대처방안이 부재한 현황이다. 본 연구는 전기안전점검데이터, 전기화재사고정보, 건축물정보, 기상청정보 등 데이터 기반의 전기화재를 예측하는 알고리즘을 개발하고 이를 활용하여 전기화재사고를 줄이는데 목적이 있다. 본 연구에서는 한국전기안전공사, 기상청, 국토교통부, 소방본부 등 기관별로 수집된 데이터를 전처리, 융합, 분석, 모델링, 검증 과정을 거쳐 전기화재에 영향을 끼치는 요인과 예측모델을 도출하였다. 주요요인으로 절연저항 값, 습도, 풍속, 건축물 노후년수, 용적율, 건폐율, 건축물용도로 나타났고, Random forest 알고리즘을 활용한 예측모델은 74.7%의 정확도를 얻었다.

• Nuclear Engineering and Technology
• /
• 제52권12호
• /
• pp.2836-2846
• /
• 2020

During severe nuclear power plant (NPP) accidents, a H₂/CO mixture can be generated in the reactor pressure vessel by core degradation and in the containment as well by molten corium-concrete interaction. In spite of its importance, a state-of-the-art methodology predicting H₂/CO combustion risk relies predominantly on empirical correlations. It is therefore necessary to develop a proper methodology for flammability evaluation of H₂/CO mixtures at ex-vessel phases characterized by three factors: CO concentration, high temperature, and diluents. The developed methodology adopted Le Chatelier's law and a calculated non-adiabatic flame temperature model. The methodology allows the consideration of the individual effect of the heat transfer characteristics of hydrogen and carbon monoxide on low flammability limit prediction. The accuracy of the developed model was verified using experimental data relevant to ex-vessel phase conditions. With the developed model, the prediction accuracy was improved substantially such that the maximum relative prediction error was approximately 25% while the existing methodology showed a 76% error. The developed methodology is expected to be applicable for flammability evaluation in chemical as well as NPP industries.