• 한국해양학회지:바다
• /
• 제26권1호
• /
• pp.49-61
• /
• 2021

국립수산과학원(NIFS)의 정선 관측은 높은 시공간 해상도를 가지며 장기간 동안 같은 정점에서 관측을 수행해오고 있어, 전 세계적으로 유례를 찾아볼 수 없을 만큼 귀중한 자료를 생산하고 있으나, 자료의 신뢰성 문제로 해양 기후 변화 연구에 실제적으로 활용되는 경우가 드물었다. 본 연구에서는 동해 심층 물성이 갖는 작은 자연적 변동성의 특성을 활용함으로써 반세기 이상 축적된 정선 관측 자료에서 나타나는 오차를 정량적으로 평가하여, 해양의 장기 변동성 연구에 기여하는 것을 목적으로 한다. 1℃ 등수온면에서 산출한 NIFS 염분 표준 오차는 평균적으로 1961~1980년 자료의 경우 약 0.160 g/kg, 1981년~1994년은 약 0.060 g/kg, 1995~2002년에는 약 0.020 g/kg, 2003년~2014년이 약 0.010 g/kg으로 시기에 따라 크게 달라져온 것으로 분석되었다. 특히 2011년~2014년 사이에 비정상적으로 오차가 증가된 해가 있었으며, 이것은 센서 관리의 미흡으로 염분 편향이 발생하였기 때문으로 파악되었다. 반면, 2012년도에는 안정적인 관측이 수행되어 거의 0.001 g/kg 의 오차를 갖는 매우 정확한 염분 자료가 얻어졌음이 확인되었다. 이 결과를 통해 품질 관리 과정의 체계화와 센서 관리 전문화 시스템을 확충한다면 국립수산과학원 정선 관측이 기후 변화로 인한 해양 변동성 연구에 크게 기여할 수 있을 만큼 충분히 고품질의 자료를 생산할 수 있을 것으로 기대한다. 마지막으로 현 정선 관측의 개선 방향에 대해 몇 가지 제언을 첨부하였다.

• 한국지리정보학회지
• /
• 제24권1호
• /
• pp.112-125
• /
• 2021

해양공간계획은 해양을 체계적이고 합리적으로 관리하기 위해 9가지 용도구역으로 지정한다. 그 중 하나가 어업활동의 보호와 육성을 비롯한 수산물의 지속 가능한 생산을 위해 필요한 어업활동 보호구역이다. 본 연구는 V-Pass 자료를 활용하여 어업활동 지도를 제작하고 어업활동 밀집 공간을 도출함으로써 어업활동보호구역 지정에 필요한 요소 중 하나인 어업활동 공간을 정량적으로 파악하고자 한다. 이를 위해 V-Pass 자료를 정적 정보와 동적 정보가 결합된 데이터셋 구축, 어선 속도 계산, 어업활동 지점 추출, 비어업활동 공간 내의 자료 제거와 같은 전처리를 수행하였다. 최종적으로 선별된 V-Pass 점 자료를 이용하여 커널밀도추정으로 어업활동 지도를 제작하고 어업활동이 밀집된 공간을 분석하였다. 또한 어선의 업종과 계절에 따라 어업활동의 공간분포는 차이가 있음을 확인하였다. 본 연구를 통해 수행한 대용량 V-Pass 자료의 전처리 기법과 어업활동의 공간밀도 분석 방법은 향후 어업활동에 대한 공간특성평가 연구에 기여할 것으로 기대된다.

• 한국시뮬레이션학회논문지
• /
• 제30권1호
• /
• pp.113-126
• /
• 2021

미래 에너지 소비 패턴은 신재생 에너지 등의 분산 전원의 증가와 프로슈머의 탄생 등으로 현재와는 크게 다른 양상을 보일 것이다. 이에 따라서 전력망 전체의 안정성 및 소비 효율을 고려한 적절한 생산 및 공급 계획 수립의 방향성 역시 지금과는 상이할 것으로 예측할 수 있다. 본 논문은 앞으로 발생할 수 있는 여러 환경에 직면하였을 때 새로운 운영 전략을 시험할 수 있는 시뮬레이션 모델을 제안한다. 제안된 모델을 통해서 에너지 저장 장치, 에너지 분산자원과 같은 새로운 개념이 다량 추가될 미래 스마트 그리드(Smart Grid) 환경에서 소비되고 공급되는 전력을 모의하고 분석하는 기능을 수행할 수 있다. 특히, 그리드에 존재하는 각 요인(Agent)별 의사결정을 모델링할 수 있는 ABM(Agent-Based Model) 방법론 중 DEVS 형식론을 이용하여 복잡한 시스템을 구조적으로 모델링하고, 여러 요인들을 그리드에 쉽게 추가할 수 있도록 하였다. 본 시뮬레이션 모델은 현 상황에서 주어진 데이터셋을 이용하여 검증하였고, 추가로 스마트 그리드의 주요 요소 중 하나인 에너지 저장 장치(ESS)를 본 모델에 간단하게 추가함으로써 시나리오 분석을 시행하였다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1339-1348
• /
• 2020

식물성플랑크톤은 영양염, 광합성, 탄소순환 등의 측면에서 해양의 생태계를 제어하는데, 해양 환경에 미치는 영향의 정도는 식물성플랑크톤의 크기에 좌우된다. 원격탐사 기술을 기반으로 해양의 식물성플랑크톤 크기 별 생체량을 식별하려는 많은 연구가 있었으며, 그 중 가장 성공적인 접근법 중 하나는 식물성플랑크톤의 크기를 세 등급(micro-plankton;> 20 ㎛, nano-; 2-20 ㎛ 및 pico-; <2 ㎛)으로 구분하여 각 그룹별 엽록소 농도를 추정하는 삼성분 모델(three-component model)이다. 이 연구에서는 동해에서 식물성플랑크톤의 크기 별 생체량 분포를 추정하기 위한 GOCI 자료의 활용 가능성에 대해 검토하였다. 각 크기 별 엽록소 농도(CHL)를 도출하기 위해, 연구지역에서 수 년 동안 수집된 식물성플랑크톤 색소자료를 기반으로 회귀분석을 통해 삼성분 모델의 계수를 산출하였다. 새롭게 산출된 삼성분 모델을 시간 별 GOCI 기반 엽록소 농도 이미지에 적용하여, 전체 엽록소 농도 중 각 식물성플랑크톤 크기 별 생체량이 차지하는 비율을 산출하였다. 또한, 이 결과를 이용하여 동해에서 2013년 여름 대규모 적조가 발생한 시기의 크기 별 엽록소-a 농도 분포를 분석하였다.

• 터널과지하공간
• /
• 제32권2호
• /
• pp.131-143
• /
• 2022

달 현지 탐사를 위해 무인 이동체가 활용되고 있으며, 달 지상 관심 지역의 지형 특성을 정확하게 파악하여 실시간으로 정보화 하는 작업이 요구된다. 하지만, 정확도 높은 지형/지물 객체 인식 및 영역 분할을 위해서는 다양한 배경조건의 영상 학습데이터가 필요하며 이러한 학습데이터를 구축하는 과정은 많은 인력과 시간이 요구된다. 특히 대상이 쉽게 접근하기 힘든 달이기에 실제 현지 영상의 확보 또한 한계가 있어, 사실에 기반하지만 유사도 높은 영상 데이터를 인위적으로 생성시킬 필요성이 대두된다. 본 연구에서는 가용한 중국의 달 탐사 Yutu 무인 이동체 및 미국의 Apollo 유인 착륙선에서 촬영한 영상을 통해 위치정보 기반 스타일 변환 기법(Style Transfer) 모델을 적용하여 실제 달 표면과 유사한 합성 영상을 인위적으로 생성하였다. 여기서, 유사 목적으로 활용될 수 있는 두 개의 공개 알고리즘(DPST, WCT2)를 구현하여 적용해 보았으며, 적용 결과를 시간적, 시각적 측면으로 비교하여 성능을 평가하였다. 평가 결과, 실험 이미지의 형태 정보를 보존하면서 시각적으로도 매우 사실적인 영상을 생성할 수 있음을 확인하였다. 향후 본 실험의 결과를 바탕으로 생성된 영상 데이터를 지형객체 자동 분류 및 인식을 위한 인공지능 학습용 영상 데이터로 추가 학습된다면 실제 달 표면 영상에서도 강인한 객체 인식 모델 구현이 가능할 것이라 판단된다.

• 화약ㆍ발파
• /
• 제40권3호
• /
• pp.19-32
• /
• 2022

수소는 다른 연료에 비해 에너지효율이 높고 유해물질이 배출되지 않아 미래의 청정에너지원으로 인식되고 있다. 그러나 수소는 밀도가 낮아 운반 및 저장시에 부피가 커서 압축하거나 특별한 운반체를 사용해야 하며, 공기중에 노출 시 화재나 폭발의 위험성이 있다. 수소-공기 혼합물의 폭발에 관한 실험이나 수치해석적 연구가 진행되어 오고 실물 수소 충전소를 대상으로 한 폭발 시뮬레이션에 관한 연구사례는 극히 드물다. 본 연구에서는 실제 수소 충전소를 대상으로 Lidar 스캐닝을 수행하여 point cloud 데이터를 획득하고 수소 충전소 3 차원 구조 모델을 작성한다. 3 차원 구조모델은 Ansys 사 AUTODYN 에 적용되어 수소 충전소의 수소폭발을 가정한 TNT 등가량의 폭발 시뮬레이션을 실시하고 주변에 전파하는 폭발압력을 계산하여, 수소 충전소 폭발에의한 주변 보안 건물의 안전거리에 관한 정보를 제공한다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.491-496
• /
• 2021

지하시설물에 따른 안전과 지하정보의 활용이 점차 부각되고 있는 현대 시대에 맞추어, 국가는 더욱 정밀하고 정확한 지하공간정보 확보 및 활용을 추진하고 있다. 앞으로는 국토교통부에서 구축 중인 15종(지하시설물 6종, 지하구조물 6종, 지반 3종) 지하공간통합지도를 적극 활용하여, 국가안전 및 지하공사 편의성 향상을 위해 많은 기여를 할것으로 예상된다. 하지만 현장담당자가 모바일기기로 지하공간통합지도를 요청할 때, 대용량의 지하공간통합지도가 무선구간에서 빠르게 전송되어 서비스되지 않는다면, 현장담당자에게 불편을 초래하고, 업무 지연을 유발한다. 본 논문에서는 현장담당자가 최소한의 정보교환으로 타일링된 지하공간통합지도를 신속하게 전송 서비스 받을 수 있도록 하는 것을 목표로 한다. 따라서 고속 모바일용 지하공간통합지도 전송을 위한 데이터셋에 맞춤으로 타일링체계를 구성한다. 아울러 모바일용 지하공간통합지도 데이터에 대한 전송체계를 설정하고, 현장 지하공간통합지도 전용 TCP/IP (Transmission Control Protocol/ Internet Protocol) 기반 공간정보 타일링 전송 프로토콜을 개발한다.

• 산업과 과학
• /
• 1권1호
• /
• pp.7-15
• /
• 2022

사물인터넷(IoT) 기술은 최근 의료사물인터넷(IoMT)으로 정의된 대량의 의료 데이터를 처리하여 발전을 위해 개발된 의료분야에서 많이 활용되고 있다. 수집된 광범위한 의료 데이터는 수집된 의료 데이터를 처리하기 위해 구조화된 방식으로 클라우드에 저장된다. 그러나 방대한 양의 의료 데이터를 효과적으로 처리하는 것은 쉽지 않기 때문에 의료분야 구조 데이터를 개발하는 것이 필요하다. 본 논문에서는 IoMT에서 수집된 구조화된 건강 관리 데이터를 처리하기 위한 기계 학습 모드를 개발하였다. 광범위한 의료 데이터를 처리하기 위해 본 논문에서는 의료 데이터 처리를 위한 MTGPLSTM 모델을 제안하였다. 제안된 모델은 의료 정보 처리를 위한 선형 회귀 모델을 통합한다. 개발된 모델 이상치 모델은 IoMT에서 수집된 COVID-19 의료 데이터들의 평가 및 예측을 위해 FinTech 모델을 기반으로 구현되었다. 제안된 MTGPLSTM 모델은 감염 확산 방지를 위한 계획 계획을 예측하고 평가하기 위한 회귀 모델로 구성된다. 개발된 모델 성능은 LR, SVR, RFR, LSTM 및 제안된 MTGPLSTM 모델과 같은 서로 다른 분류기를 고려하였으며 1GB, 2GB, 3GB 등 데이터 크기가 다르다는 점도 주요하게 고려되었다. 제안된 MTGPLSTM 모델이 전 세계 데이터에 대해 최대 4% 감소된 MAPE 및 RMSE 값을 달성하였고 중국의 경우 기존 분류기보다 최대 6% 최소인 최소 MAPE(0.97)이 달성되었다.

• 한국지반환경공학회 논문집
• /
• 제24권4호
• /
• pp.23-29
• /
• 2023

지반함몰의 주요 발생원인은 지하매설물의 손상으로 알려져 있다. 지반함몰은 상·하수관의 손상으로 인한 물길 형성에 따른 지반 내 토립자의 이동으로 공동이 형성되어 상부지반이 붕괴되는 메커니즘을 보이고 있다. 따라서 지반함몰은 지하매설물의 밀집도가 높은 도심지를 중심으로 발생하고 있으며, 사고 발생 시 인명 및 경제적 피해를 야기하므로 사고에 대한 대비가 반드시 필요하다. 이에 따라 지반함몰 위험을 예측하기 위한 연구가 꾸준히 수행되고 있으며, 본 연구에서는 ○○시의 2개 구를 대상으로 지반함몰 위험도 예측 모델을 제시하고자 하였다. 대상 지역의 지하매설물 속성 데이터(활용년수, 관직경)와 지하매설물 밀집도, 지반함몰 이력 데이터를 활용하여 데이터셋을 구축하고 전처리를 수행한 뒤, 기계학습 모델에 적용하여 최적의 평가지표가 도출되는 모델을 선정하였으며, 선정된 모델의 신뢰도를 평가하고 모델에서 도출되는 지반함몰 위험도 예측 시 활용된 영향인자의 중요도를 제시하고자 하였다.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.71-84
• /
• 2023

넙치 양식은 우리나라 양식 산업의 절반 이상 차지할 정도로 큰 비중을 차지한다. 그러나 연중 총사육량의 25~30% 정도가 질병으로 인한 집단 폐사가 발생하여 양식장의 경제성에 매우 나쁜 영향을 준다. 넙치 양식장의 경제성 성장을 위해서는 넙치 질병 증상 진단을 자동화하여 빠르고 정확하게 질병 진단을 하는 방법이 필요하다. 본 연구에서는 독창적인 학습 데이터 수집 방법과 학습 정제 알고리즘 및 학습 데이터 분리 기법을 사용하여 학습 데이터를 구축하고 4가지 객체 탐지 딥러닝 모델(YOLOv8, Swin, Vitdet, MvitV2)의 넙치 질병증상 감지 성능을 비교한다. 실험 결과 YOLOv8 모델이 평균 인식률(mAP)과 예상 도착 시간(ETA) 관점에서 우수하다는 결론을 얻었다. 본 연구에서 제안하는 AI 모델의 성능이 검증되면 넙치 양식장에서는 실시간으로 넙치 질병을 진단할 수 있고, 진단 결과에 따른 신속한 예방 조치로 양식장의 생산성은 크게 향상될 것이라 기대된다.