• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2007년도 학술대회
• /
• pp.247-250
• /
• 2007

There are three main kinds of service standards for 3G(Third-Generation) wireless communication as WCDMA, CDMA2000 and TD-SCDMA(Time Division-Synchronous Code Division Multiple Access). Compare with WCDMA and CDMA2000, TD-SCDMA system has distinguished technical characters. It is a TDD(Time Division Duplexing) based technology and deploys several advanced but in some respects complex technologies such as smart antenna, joint-detection and baton-handoff, etc. Therefore to analyze and design TD-SCDMA wireless network, it needs more efficient and systematic simulation tool. General simulation tool has so many analysis functions including path loss prediction, capacity and coverage analysis. For more suitable for TD-SCDMA, new additional technologies have to be implemented in simulation tool. Especially as the wireless network highly advancing focused on data service, it more needs to research and develop on the reliability of the simulation tool. In this paper, to give the concrete process and skill about how to implement TD-SCDMA simulation tool, we define the kinds of simulation tool and list basic analysis functions available for TD-SCDMA network design at first. And then we explain how to consider the effects of new technologies of TD-SCDMA and give the solutions about theses considerations.

• 대기
• /
• 제18권3호
• /
• pp.237-248
• /
• 2008

A thermal index which considers metabolic heat generation of human body is proposed for operational forecasting. The new thermal index, Perceived Temperature (PT), is forecasted using Weather Research and Forecasting (WRF) mesoscale model and validated. Forecasted PT shows the characteristics of diurnal variation and topographic and latitudinal effect. Statistical skill scores such as correlation, bias, and RMSE are employed for objective verification of PT and input meteorological variables which are used for calculating PT. Verification result indicates that the accuracy of air temperature and wind forecast is higher in the initial forecast time, while relative humidity is improved as the forecast time increases. The forecasted PT during 2007 summer is lower than PT calculated by observation data. The predicted PT has a minimum Root-Mean-Square-Error (RMSE) of $7-8^{\circ}C$ at 9-18 hour forecast. Spatial distribution of PT shows that it is overestimated in western region, while PT in middle-eastern region is underestimated due to strong wind and low temperature forecast. Underestimation of wind speed and overestimation of relative humidity have caused higher PT than observation in southern region. The predicted PT from the mesoscale model gives appropriate information as a thermal index forecast. This study suggests that forecasted PT is applicable to the prediction of health warning based on the relationship between PT and mortality.

• 한국방재학회 논문집
• /
• 제3권4호
• /
• pp.119-129
• /
• 2003

콘크리트와 철은 건설에서 필수적인 구조 재료이다. 그러나, 철과 달리 콘크리트는 하나의 재료가 아니라 많은 물질들로 구성된 복합재료이며, 구성 재료, 현장 환경, 그리고 기술자의 숙련도 등에 의해 많은 영향을 받는다. 그리고 유동성과 공기량 등 즉시 알 수 있는 물성도 있지만 강도나 내구성 같이 시간이 지나야 알 수 있는 특성도 존재하므로 콘크리트의 배합은 전문가의 경험에 많이 의존해 왔다. 하지만, 콘크리트도 고성능화 되는 시점에서 첨가 재료도 늘어나고 기존의 자료도 부족하기 때문에 새로운 기법이 필요한 때이다. 신경망은 복잡한 비선형 문제를 처리하는 인간의 두뇌를 모방한 모델로 패턴 인식 및 분류, 예측 등의 분야에서 많이 사용되고 있다 여기서는 그 중에서 역전파 알고리즘과 광선형 기저 함수망 모형이 사용되었다. 여덟가지 재료(물, 시멘트, 잔골재, 굵은 골재, 플라이 애쉬, 실리카 흄, 유동화제, 그리고 공기연행제)가 배합에 사용되었으며, 압축강도와 슬럼프, 공기량을 물성으로 사용하였다. 결과적으로 신경망은 고성능 콘크리트치 배합 및 물성 예측 등 활용에 유용하게 사용될 수 있음을 알 수 있었다.

• 한국지구과학회지
• /
• 제26권7호
• /
• pp.706-713
• /
• 2005

엘니뇨현상과 관련된 해양 아표층 변동성을 조사하기 위해 1980년부터 2004년까지의 적도 해역의 20도 등온선 깊이(Z20)와 난수질량(WWV) 자료를 분석하였다. 주성분 분석, 합성 분석 및 교차상관 분석 결과, 아표층 시계열 자료는 Nino3.4 SST와 유의미한 시간 지연을 가지고 강한 상관성을 보였다. 이 결과는 아표층 해양 변수가 엘니뇨현상에 유용한 예측 인자임을 시사한다. 분석된 결과를 근거로 1996년부터 2004년까지 Nino3.4 SST를 예측하기 위해 신경망 예측 모델을 구성하였다. 해상풍을 입력 자료로 사용하였을 경우 보다 WWV를 적용하였을 때 3개월 이하의 단기 예측을 제외하고 모든 예측 시간에서 더 우수한 예측력을 보였으며, 5-8개월의 예측에 있어서는 기존의 여러 통계 모델 결과보다 예측 성능이 우수함을 확인하였다.

• 대기
• /
• 제26권2호
• /
• pp.277-288
• /
• 2016

Polar lows are intense mesoscale cyclones that mainly occur over the sea in polar regions. Owing to their small spatial scale of a diameter less than 1000 km, simulating polar lows is a challenging task. At King Sejong station in West Antartica, polar lows are often observed. Despite the recent significant climatic changes observed over West Antarctica, adequate validation of regional simulations of extreme weather events such as polar lows are rare for this region. To address this gap, simulation results from a recent version of the Polar Weather Research and Forecasting model (Polar WRF) covering Antartic Peninsula at a high horizontal resolution of 3 km are validated against near-surface meteorological observations. We selected a case of high wind speed event on 7 January 2013 recorded at Automatic Meteorological Observation Station (AMOS) in King Sejong station, Antarctica. It is revealed by in situ observations, numerical weather prediction, and reanalysis fields that the synoptic and mesoscale environment of the strong wind event was due to the passage of a strong mesoscale polar low of center pressure 950 hPa. Verifying model results from 3 km grid resolution simulation against AMOS observation showed that high skill in simulating wind speed and surface pressure with a bias of $-1.1m\;s^{-1}$ and -1.2 hPa, respectively. Our evaluation suggests that the Polar WRF can be used as a useful dynamic downscaling tool for the simulation of Antartic weather systems and the near-surface meteorological instruments installed in King Sejong station can provide invaluable data for polar low studies over West Antartica.

• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.101-106
• /
• 2020

현재 의료 현장에서 초음파 진단은 과거 청진기와 같다고 할 수 있다. 그러나 초음파의 특성상 검사자의 숙련도에 따라 결과 예측이 불확실하다는 단점을 가진다. 따라서 본 논문에서는 이런 문제를 해결하기 위해 딥러닝 기술을 기반으로 초음파 검사 중 간병변 탐지의 정확도를 높이고자 한다. 제안 논문에서는 CNN 모델과 앙상블 모델을 이용해 병변 분류의 정확도 비교 실험하였다. 실험결과 CNN 모델에서 분류 정확도는 평균 82.33%에서 앙상블모델의 경우 평균 89.9%로 약 7% 높은 것을 확인하였다. 또한 앙상블 모델이 평균 ROC커브에서도 0.97로 CNN모델보다 약 0.4정도 높은 것을 확인하였다.

• 한국기후변화학회지
• /
• 제7권3호
• /
• pp.325-334
• /
• 2016

We projected the distribution of Hedera rhombea, an evergreen broad-leaved climbing plant, under current climate conditions and predicted its future distributions under global warming. Inaddition, weexplained model uncertainty by employing 9 single Species Distribution model (SDM)s to model the distribution of Hedera rhombea. 9 single SDMs were constructed with 736 presence/absence data and 3 temperature and 3 precipitation data. Uncertainty of each SDM was assessed with TSS (Ture Skill Statistics) and AUC (the Area under the curve) value of ROC (receiver operating characteristic) analyses. To reduce model uncertainty, we combined 9 single SDMs weighted by TSS and resulted in an ensemble forecast, a TSS weighted ensemble. We predicted future distributions of Hedera rhombea under future climate conditions for the period of 2050 (2040~2060), which were estimated with HadGEM2-AO. RF (Random Forest), GBM (Generalized Boosted Model) and TSS weighted ensemble model showed higher prediction accuracies (AUC > 0.95, TSS > 0.80) than other SDMs. Based on the projections of TSS weighted ensemble, potential habitats under current climate conditions showed a discrepancy with actual habitats, especially in the northern distribution limit. The observed northern boundary of Hedera rhombea is Ulsan in the eastern Korean Peninsula, but the projected limit was eastern coast of Gangwon province. Geomorphological conditions and the dispersal limitations mediated by birds, the lack of bird habitats at eastern coast of Gangwon Province, account for such discrepancy. In general, potential habitats of Hedera rhombea expanded under future climate conditions, but the extent of expansions depend on RCP scenarios. Potential Habitat of Hedera rhombea expanded into Jeolla-inland area under RCP 4.5, and into Chungnam and Wonsan under RCP 8.5. Our results would be fundamental information for understanding the potential effects of climate change on the distribution of Hedera rhombea.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.225-225
• /
• 2015

Drought events usually evolve slowly in time and their impacts generally span a long period of time. This indicates that the sequence of drought is not completely random. The Hidden Markov Model (HMM) is a probabilistic model used to represent dependences between invisible hidden states which finally result in observations. Drought characteristics are dependent on the underlying generating mechanism, which can be well modelled by the HMM. This study employed a HMM with Gaussian emissions to fit the Standardized Precipitation Index (SPI) series and make multi-step prediction to check the drought characteristics in the future. To estimate the parameters of the HMM, we employed a Bayesian model computed via Markov Chain Monte Carlo (MCMC). Since the true number of hidden states is unknown, we fit the model with varying number of hidden states and used reversible jump to allow for transdimensional moves between models with different numbers of states. We applied the HMM to several stations SPI data in South Korea. The monthly SPI data from January 1973 to December 2012 was divided into two parts, the first 30-year SPI data (January 1973 to December 2002) was used for model calibration and the last 10-year SPI data (January 2003 to December 2012) for model validation. All the SPI data was preprocessed through the wavelet denoising and applied as the visible output in the HMM. Different lead time (T= 1, 3, 6, 12 months) forecasting performances were compared with conventional forecasting techniques (e.g., ANN and ARMA). Based on statistical evaluation performance, the HMM exhibited significant preferable results compared to conventional models with much larger forecasting skill score (about 0.3-0.6) and lower Root Mean Square Error (RMSE) values (about 0.5-0.9).

• 한국전기전자재료학회논문지
• /
• 제35권2호
• /
• pp.134-142
• /
• 2022

기존의 시행착오를 거쳐 소재를 개발하는 방법은 조금씩 한계를 보이고 있는데, 왜냐하면 산업과 기술이 고도화되고 기능성 소재가 가져야 하는 특성은 복잡해지면서 그 요구치가 높아지고 있기 때문이다. 이를 극복하기 위해 데이터 기반의 인공신경망으로 복잡한 소재 공간을 빠르게 탐색하여 소재 개발을 가속화하고자 하는 연구들이 진행되고 있다. 특히 결정그래프 합성곱 인공신경망은 결정 소재의 구조에 따른 특성을 학습하는 인공신경망으로 소재의 특성(생성 에너지, 밴드갭, 부피 탄성 계수 등)을 양자역학 기반의 제일원리 계산보다 빠르게 예측한다. 본 논문에서는 46,629개의 결정구조 데이터와 그 생성 에너지를 공공데이터베이스에서 불러와 결정그래프 합성곱 인공신경망 모델을 학습시키고 이를 특성 예측에 적용해 보는 예제를 설명한다. 이를 통해 간단한 프로그래밍 지식으로 소재 특성 예측 모델을 재현해 보고 원하는 데이터 셋과 연구 분야에 적용할 수 있을 것으로 기대된다. 인공지능 모델의 개발은 앞으로 더 복잡한 특성을 가져야만 하는 소재의 개발을 위해 넓은 범위의 소재를 탐색해야만 하는 과정을 획기적으로 단축시켜 소재 개발의 가속화를 촉진시킬 것으로 생각된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.73-73
• /
• 2021

가뭄의 계절적 예측성을 개선하기 위해서는 대기-지면-해양의 상호 작용이 현실적으로 모의할 수 있는 지구 기후 예보 모델의 개선이 필수적이다. 제한적인 기후 예보 모델의 예측성으로 인하여 다중 기후 모델들의 다중 앙상블 계절 예보 시스템이 제안되었다. 2008년에 제안된 북미 다중 모델 다중 앙상블 시스템(North American Multimodel Multiensemble System; NMME)은 다양한 모델 개발팀의 참여로 현재까지 운영되면서 계절적 예측성 연구에 큰 이바지를 하였다. 본 연구에서는 NMME 프로젝트에 참여하는 기후 예보 모델들의 북방 여름철 근지표면 온도과 강우량의 예측성을 진단하고 이들의 상관 관계의 강도를 관측데이터와 비교 분석하였다. 대부분의 NMME 모델들에서는 관측데이터에서 보다 강한 음의 상관 관계를 보였다. 이런 근지표면 온도와 강우량의 강한 상관 관계로 우수한 근지 표면 온도 예보는 각각의 해마다 그 역할이 다른 것을 발견되었다. 예를 들어 가문 여름에는 우수한 근지표면 온도 예보가 강우량 예보에 도움이 되고 강우량이 많은 여름에는 우수한 근지표면 온도 예보는 오히려 강우량 예측성을 제한하게 된다. 따라서 기존의 기후 예보 모델들에서 근지표면 온도와 강우량의 상관관계를 사실적으로 나타낼 수 있도록 모델 개선이 요구된다. 마지막으로 관측데이터와 기후 모델데이터에서 태평양과 대서양의 해수면 온도와 미국의 북방 여름철 날씨의 관계를 비교하였다. 근지표면 온도과 강우량에 대한 제한적 예측성에 비해, 대부분의 NMME 기후 예보 모델들에서 해수면 온도의 예측기술은 우수함을 발견하였고 몇몇 모델들에서는 미국의 북방 여름철 기후에 영향력을 주는 대서양과 태평양의 지역까지 잘 모사하는 것을 발견하였다. 따라서 본 연구는 보다 우수한 기후 예보 기술을 위해 앙상블 평균 예보값만이 아닌 NMME의 계절적 예보를 선택적인 사용이 필요함을 제안하였고 앞으로 북미 대륙 뿐만이 아니라 유럽-아시아의 계절적 이상 기후 예측성에 대한 연구 필요성을 강조하였다.