• 한국지반공학회논문집
• /
• 제23권7호
• /
• pp.37-46
• /
• 2007

연약 지반 개량을 위한 선행 재하 공법 시행 시, 시공 관리를 위해서는 현장 자료가 체계적으로 활용될 필요가 있다. 현장 자료의 체계적 활용을 위해서는 자료를 표준화하고 정보화하여 데이터베이스를 구축하고, 이를 활용하는 시스템을 구축하여야 한다. 본 연구에서는 선행 재하 공법이 적용된 연약지반 개량 현장에 대한 통합 시공관리시스템을 개발하였다. 개발 시스템은 데이터베이스와 사용자 프로그램으로 구성된다. 데이터베이스는 현장에서 수집된 모든 정보 및 시스템에서 처리된 정보를 보관, 관리하며, 이러한 정보들은 위치 정보와 연계되어 있다. 또한 데이터베이스 내 모든 정보는 각각의 특성에 따라 표준화된 형태로 관리된다. 사용자 프로그램은 데이터베이스에 있는 정보를 관리 및 활용하기 위한 데이터베이스 내 정보의 입-출력 기능, 공간 보간 기능, 현장 계측 정보를 이용한 침하 예측기능을 수행한다. 개발 시스템의 현장 적용 결과, 본 시스템은 데이터베이스 내 정보를 전체 현장에 대해 종합적으로 제공하였으며, 이로부터 시스템의 현장 적용성 및 효율성을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.291-291
• /
• 2020

제주도는 강수의 지표침투성이 좋은 화산섬의 지질특성상 지표수의 개발이용여건이 취약한 관계로 용수의 대부분을 지하수에 의존하고 있다. 따라서 제주도는 정책 및 연구적으로 오랜 기간동안 지하수의 보전관리에 많은 노력을 기울여 오고 있다. 하지만 최근 기후변화로 인한 강수의 변동성 증가로 인해 지하수위의 변동성 또한 증가할 가능성이 있으며 따라서 지하수위의 급격한 하강에 대비하여 지하수위의 예측 및 지하수 취수량 관리의 필요성이 요구되고 있다. 지하수에 절대적으로 의존하고 있는 제주도의 수자원 이용 여건을 고려할 때, 지하수의 취수량 관리를 위한 지하수위의 실시간 예측이 필요한 실정이다. 하지만 기존의 예측방법에 의한 제주도 지하수위 예측기간은 충분히 길지 않으며 예측기간이 길어지면 예측성능이 낮아지는 문제점이 있었다. 본 연구에서는 이러한 단점을 보완하기 위해 딥러닝 알고리즘인 Long Short Term Memory(LSTM)를 활용하여 제주도 남동쪽 표선유역 중산간지역의 1개 지하수위 관측정에 대해 지하수위를 예측하고 분석하였다. R 기반의 Keras 패키지에 있는 LSTM 알고리즘을 사용하였고, 입력자료는 인근의 성판악 및 교래 강우관측소의 일단위 강수량자료와 인근 취수정의 지하수 취수량자료 및 연구대상 관측정의 지하수위 자료를 사용하였으며, 사용된 자료의 기간은 2001년 2월 11일부터 2019년 10월 31일까지 이다. 2001년부터 13년의 보정 및 3년의 검증용 시계열자료를 사용하여 매개변수의 보정 및 과적합을 방지하였고, 3년의 예측용 시계열자료를 사용하여 LSTM 알고리즘의 예측성능을 평가하였다. 목표 예측일수는 1일, 10일, 20일, 30일로 설정하였으며 보정, 검증 및 예측기간에 대한 모의결과의 평가지수로는 Nash-Sutcliffe Efficiency(NSE)를 활용하였다. 모의결과, 보정, 검증 및 예측기간에 대한 1일 예측의 NSE는 각각 0.997, 0.997, 0.993 이었고, 10일 예측의 NSE는 각각 0.993, 0.912, 0.930 이었다. 20일 예측의 경우 NSE는 각각 0.809, 0.781, 0.809 이었으며 30일 예측의 경우 각각 0.677, 0.622, 0.633 이었다. 이것은 LSTM 알고리즘에 의한 10일 예측까지는 관측 지하수위 시계열자료를 매우 적절히 모의할 수 있다는 것을 의미하며, 20일 예측 또한 적절히 모의할 수 있다는 것을 의미한다. 따라서 LSTM 알고리즘을 활용하면 본 연구대상지점에 대한 2주일 또는 3주일의 안정적인 지하수위 예보가 가능하다고 판단된다. 또한 LSTM 알고리즘을 통한 실시간 지하수위 예측은 지하수 취수량 관리에 활용할 수 있을 것이다.

• 한국환경복원기술학회지
• /
• 제26권5호
• /
• pp.19-32
• /
• 2023

The fragmentation of habitats resulting from human activities leads to the isolation of wildlife and it also causes wildlife-vehicle collisions (i.e. Road-kill). In that sense, it is important to predict potential habitats of specific wildlife that causes wildlife-vehicle collisions by considering geographic, environmental and transportation variables. Road-kill, especially by large mammals, threatens human safety as well as financial losses. Therefore, we conducted this study on roe deer (Capreolus pygargus tianschanicus), a large mammal that causes frequently Road-kill in Jeju Island. So, to predict potential wildlife habitats by considering geographic, environmental, and transportation variables for a specific species this study was conducted to identify high-priority restoration sites with both characteristics of potential habitats and road-kill hotspot. we identified high-priority restoration sites that is likely to be potential habitats, and also identified the known location of a Road-kill records. For this purpose, first, we defined the environmental variables and collect the occurrence records of roe deer. After that, the potential habitat map was generated by using Random Forest model. Second, to analyze roadkill hotspots, a kernel density estimation was used to generate a hotspot map. Third, to define high-priority restoration sites, each map was normalized and overlaid. As a result, three northern regions roads and two southern regions roads of Jeju Island were defined as high-priority restoration sites. Regarding Random Forest modeling, in the case of environmental variables, The importace was found to be a lot in the order of distance from the Oreum, elevation, distance from forest edge(outside) and distance from waterbody. The AUC(Area under the curve) value, which means discrimination capacity, was found to be 0.973 and support the statistical accuracy of prediction result. As a result of predicting the habitat of C. pygargus, it was found to be mainly distributed in forests, agricultural lands, and grasslands, indicating that it supported the results of previous studies.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권6호
• /
• pp.102-110
• /
• 2023

국내 고속도로 교량 중 가장 많은 비중을 차지하고 있는 PSC-I 거더교의 최근 10년간 정밀 안전진단 데이터의 상태등급을 분석한 결과 41.3%가 C등급으로 나타났다. 노후화되는 교량이 증가함에 따라 선제적 관리가 중요시되고 있다. 바닥판과 거더는 손상 및 열화 발생 시 교체 주기가 길어 교량의 서비스 및 노후도에 미치는 영향이 매우 크다. 또한 신축이음과 교량받침 등의 장치 손상 발생 비율도 높아 교량 부재에 미치는 영향에 대한 연구가 필요한 실정이다. 따라서 본 연구에서는 단경간 및 다경간 대표 PSC-I 거더 교량을 선정하여, 교량의 주요부재 및 부재 장치의 단일손상과 바닥판의 열화가 결합된 이종손상 시나리오를 정의하였다. 이종손상이 발생한 경우 단일손상이 발생한 경우보다 균열 발생 면적이 증가하였으며, 단경간 교량의 경우 교량받침 손상으로 인해 거더 균열 분포가 크게 확산되었으며, 다경간 교량의 경우 신축이음 양면손상으로 인해 바닥판의 균열분포가 크게 확산되었다. 이를 통해 교량 장치 손상이 발생하였을 때, 신속한 보수 및 교체가 이루어지지 않으면 손상 발생과 손상 확산으로 2차 피해를 유발할 수 있어, 바닥판 및 거더의 응답에 대한 지속적인 관찰과 대응이 필요할 것으로 판단된다.

• Journal of Korean Neurosurgical Society
• /
• 제66권6호
• /
• pp.681-689
• /
• 2023

Objective : Subarachnoid hemorrhage (SAH) is a condition characterized by bleeding in the subarachnoid space, often resulting from the rupture of a cerebral aneurysm. Delayed cerebral ischemia caused by vasospasm is a significant cause of mortality and morbidity in SAH patients, and inflammatory markers such as systemic inflammatory response index (SIRI), systemic inflammatory index (SII), neutrophil-to-lymphocyte ratio (NLR), and derived NLR (dNLR) have shown potential in predicting clinical vasospasm and outcomes in SAH patients. This article aims to investigate the relationship between inflammatory markers and cerebral vasospasm after aneurysmatic SAH (aSAH) and evaluate the predictive value of various indices, including SIRI, SII, NLR, and dNLR, in predicting clinical vasospasm. Methods : A retrospective analysis was performed on a cohort of 96 patients who met the inclusion criteria out of a total of 139 patients admitted Trakya University Hospital with a confirmed diagnosis of aSAH between January 2013 and December 2021. Diagnostic procedures, neurological examinations, and laboratory tests were performed to assess the patients' condition. The Student's t-test compared age variables, while the chi-square test compared categorical variables between the non-vasospasm (NVS) and vasospasm (VS) groups. Receiver operating characteristic (ROC) curve analyses were used to evaluate the diagnostic accuracy of laboratory parameters, calculating the area under the ROC curve, cut-off values, sensitivity, and specificity. A significance level of p<0.05 was considered statistically significant. Results : The study included 96 patients divided into two groups : NVS and VS. Various laboratory parameters, such as NLR, SII, and dNLR, were measured daily for 15 days, and statistically significant differences were found in NLR on 7 days, with specific cut-off values identified for each day. SII showed a significant difference on day 9, while dNLR had significant differences on days 2, 4, and 9. Graphs depicting the values of these markers for each day are provided. Conclusion : Neuroinflammatory biomarkers, when used alongside radiology and scoring scales, can aid in predicting prognosis, determining severity and treatment decisions for aSAH, and further studies with larger patient groups are needed to gain more insights.

• 한국농림기상학회지
• /
• 제25권3호
• /
• pp.182-196
• /
• 2023

작물 수확량의 정확하고 시기 적절한 추정은 세계적인 식량 안보 계획 및 농업 정책 개발을 포함하여 다양한 목적을 위해 중요하다. 원격 감지 기술은 특히 vegetation indices (VIs)를 활용한 작물 상태 모니터링과 예측에서 유망성을 보여주고 있다. 그러나 normalized difference vegetation index (NDVI) 와 enhanced vegetation index (EVI) 와 같은 전통적인 Vis는 식물광합성의 빠른 변화를 포착하는 데 제한이 있으며 작물 생산성을 정확하게 대표하지 못할 수 있다. 대체적인 Vis인 near-infrared reflectance of vegetation (NIRv)는 gross primary productivity (GPP)과 강한 상관관계를 가지며 빛이 반사할 때의 혼동을 해결하는 능력으로 인해 작물 생산량을 예측하는 더 나은 지표로 제안되었다. 연구 결과는 옥수수와 콩 모두에 대해 NIRv의 최댓값과 작물 수확량/면적 간에 유의한 상관관계가 있음을 입증했다. 이 상관관계는 콩에 대해 약간 더 강한 경향을 보였다. 게다가 대부분의 주요한 주에서는 NIRv의 최댓값과 생산량 간에 주목할 만한 관계가 있으며, 다양한 주에서 일관된 경사도를 보였다. 또한, 연간 데이터에서는 대부분의 값이 서로 밀접하게 군집되는 독특한 패턴을 관찰했다. 그러나 2012년은 다양한 주에서 독특한 작물 조건을 시사하는 이상값으로 나타났다. NIRv의 최댓값과 생산량 간의 확립된 관계를 기반으로, 우리는 2022년의 작물 수확량 데이터를 예측하고, 예측의 정확도를 Root Mean Square Percentage Error (RMSPE)를 사용하여 평가했다. 우리의 연구 결과는 지역별 작물 수확량 추정에 NIRv의 최댓값과 잠재력을 나타내며, 다양한 지역에서 정확도는 달라질 수 있다는 것을 보여줄 수 있다.

• 환경영향평가
• /
• 제33권2호
• /
• pp.64-73
• /
• 2024

개발사업으로 인한 서식지 파괴의 심각성이 대두되면서 생물다양성을 보전하기 위해 환경영향평가(EIA)의 중요성은 커지고 있다. 경관스케일에서 개발 요인과 주변 환경요인에 따른 생물다양성 영향을 정량적으로 평가하기 위해 선행연구들이 진행되고 있으나, 개발사업을 기준으로 생물다양성 감소에 영향을 미치는 요인에 대한 연구는 미흡한 실정이다. 본 연구는 선행연구를 통해 유효하다고 밝혀진 독립변수(사업 면적, 사업 유형, 고도, 생태·자연도, 녹지와의 이격거리, 보호구역과의 이격거리)들을 다중클래스 로지스틱 회귀분석, T-test, 사업 유형 검토분석을 통해 종풍부도 변화에 유의미한 영향을 미치는지를 검토하였다. 연구 결과, 토지 피복 단위에서 생물다양성에 영향을 끼치는 것으로 밝혀진 요인 중 사업 규모와 환경영향평가 시 종풍부도 값만이 p-value=0.05 이하의 값을 보였다. 그리고 사업 유형의 경우, 체육시설의 설치, 에너지 개발, 산업입지 및 산업단지의 조성에서 조류의 생물다양성 감소가 크게 변화하는 것을 확인하였다. 본 연구를 통해 분석 규모에 따라 영향을 끼치는 변수에서의 차이가 발생할 수 있음을 확인하였기에, 환경영향평가에서 생물다양성 변화를 분석하기 위해서는 개발사업 단위에서의 지표 활용에 연구가 추가로 필요할 것이며, 타 생물종으로의 일반화를 위해 추가적인 연구가 필요할 것으로 사료된다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.57-67
• /
• 2024

본 연구는 금융 분야에서 중요한 증감 정보를 효과적으로 이해하고 감성을 정확하게 분류하기 위한 언어 모델의 학습 방법론을 탐구한다. 연구의 핵심 목표는 언어 모델이 금융과 관련된 증감 표현을 잘 이해할 수 있게 하기 위한 적절한 데이터 세트를 찾는 것이다. 이를 위해, Wall Street Journal에서 수집한 금융 뉴스 문장 중 증감 관련 단어를 포함하는 문장을 선별했고, 이와 함께 적절한 프롬프트를 사용해 GPT-3.5-turbo-1106으로 생성한 문장을 각각 post-training에 사용했다. Post-training에 사용한 데이터 세트가 언어 모델의 학습에 어떠한 영향을 미치는지 금융 감성 분석 벤치마크 데이터 세트인 Financial PhraseBank를 통해 성능을 비교하며 분석했으며, 그 결과 금융 분야에 특화된 언어 모델인 FinBERT를 추가 학습한 결과가 일반적인 도메인에서 사전 학습된 모델인 BERT를 추가 학습한 것보다 더 높은 성능을 보였다. 또 금융 뉴스로 post-training을 진행한 것이 생성한 문장을 post-training을 진행한 것에 비해 전반적으로 성능이 높음을 보였으나, 일반화가 더욱 요구되는 환경에서는 생성된 문장으로 추가 학습한 모델이 더 높은 성능을 보였다. 이러한 결과는 개선하고자 하는 부분의 도메인이 사용하고자 하는 언어 모델과의 도메인과 일치해야 한다는 것과 적절한 데이터 세트의 선택이 언어 모델의 이해도 및 예측 성능 향상에 중요함을 시사한다. 연구 결과는 특히 금융 분야에서 감성 분석과 관련된 과제를 수행할 때 언어 모델의 성능을 최적화하기 위한 방법론을 제시하며, 향후 금융 분야에서의 더욱 정교한 언어 이해 및 감성분석을 위한 연구 방향을 제시한다. 이러한 연구는 금융 분야 뿐만 아니라 다른 도메인에서의 언어 모델 학습에도 의미 있는 통찰을 제공할 수 있다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.137-142
• /
• 2024

최근, 의료 데이터 표현 분야에서 딥러닝 방법들이 사실상의 표준으로 자리잡고 있다. 하지만, 딥러닝 기술은 내재적으로 많은 양의 학습 데이터를 필요로 하므로 대규모의 데이터를 확보하기 쉽지 않은 의료 분야에서는 직접적인 적용이 어려운 실정이다. 특히 뇌신호 모달리티의 경우, 변동성이 크기 때문에 여전히 데이터 부족 문제를 가진다. 이에, 최근 연구에서는 뇌신호의 시간-공간-주파수 특징을 적절하게 추출할 수 있는 딥 뉴럴 네트워크 구조를 설계하거나, 혹은 자가-지도 학습 방법을 도입하여 뇌신호의 신경생리학적 특징을 미리 학습하도록 한다. 본 논문에서는, 최근 각광받는 기술인 뇌-컴퓨터 인터페이스 및 피험자 상태 예측 등의 관점에서 소규모데이터를 다루기 위해 적용되는 방법론에 대한 분석 및 향후 기술 방향성을 제시한다. 먼저 현재 제안되고 있는 뇌신호 표현을 위한 딥 뉴럴 네트워크 구조에 대해 분석한다. 또한 뇌신호의 특성을 잘 학습하기 위한 자가-지도 학습 방법론을 분석한다. 끝으로, 딥러닝 기반 뇌신호 분석을 위한 중요 시사점 및 방향성에 관하여 논한다.

• 한국방재안전학회논문집
• /
• 제16권4호
• /
• pp.75-84
• /
• 2023

대다수의 개발도상국은 물수급 계획을 위한 수문 자료 부재로 장기유출량 산정이 불가능하며, 물 분배 의사결정을 진행하는데 합리적인 물수급 계획을 수립하기가 어려운 상황이다. 연구대상지역인 인도네시아 반둥지역은 급격한 도시화 및 인구집중으로 심각한 상수부족 상황이며 물수지 예측 방안이 구축되어 있지 않아 상수도 보급률이 약 20% 정도 수준이다. 이에 본 연구에서는 개발도상국에서의 물수지 예측접근방안을 제시하기 위해 MODSIM(Modified SIMYLD) 네트워크 모형 활용한 이수안전도 및 용수공급 가능량을 분석하였다. MODSIM 모형의 적정성을 검토하기 위해 비유량법을 적용하여 Pataruman 관측소의 19개년(2002~2020년) 유출량 자료를 기준으로 장기유출량을 산정하고 물수지 분석을 수행하였다. 분석결과 기존 월별 최적운영곡선과 일치하는 것을 확인할 수 있었다. 발전소의 발전용량을 분석한 결과 0.30~0.50% 정도 차이가 났으며, Pataruman 지점 이수안전도는 Q95% 유량 기준 1.64%, Q355 유량 기준 0.47% 높게 나타났다. 기존 저수지 최적운영곡선과 비교한 운영효율이 1% 내외로 유사하게 계측되어, 이를 통해 MODSIM 네트워크 모형을 이용한 용수공급 평가 가능성과 용수공급시설의 필요성을 확인할 수 있었다.