Purpose: To evaluate and compare published methods of calculating intraocular lens (IOL) power following myopic laser refractive surgery. Methods: We performed a retrospective review of the medical records of 69 patients (69 eyes) who had undergone myopic laser refractive surgery previously and subsequently underwent cataract surgery at Samsung Medical Center in Seoul, South Korea from January 2010 to June 2016. None of the patients had pre-refractive surgery biometric data available. The Haigis-L, Shammas, Barrett True-K (no history), Wang-Koch-Maloney, Scheimpflug total corneal refractive power (TCRP) 3 and 4 mm (SRK-T and Haigis), Scheimpflug true net power, and Scheimpflug true refractive power (TRP) 3 mm, 4 mm, and 5 mm (SRK-T and Haigis) methods were employed. IOL power required for target refraction was back-calculated using stable post-cataract surgery manifest refraction, and implanted IOL power and formula accuracy were subsequently compared among calculation methods. Results: Haigis-L, Shammas, Barrett True-K (no history), Wang-Koch-Maloney, Scheimpflug TCRP 4 mm (Haigis), Scheimpflug true net power 4 mm (Haigis), and Scheimpflug TRP 4 mm (Haigis) formulae showed high predictability, with mean arithmetic prediction errors and standard deviations of $-0.25{\pm}0.59$, $-0.05{\pm}1.19$, $0.00{\pm}0.88$, $-0.26{\pm}1.17$, $0.00{\pm}1.09$, $-0.71{\pm}1.20$, and $0.03{\pm}1.25$ diopters, respectively. Conclusions: Visual outcomes within 1.0 diopter of target refraction were achieved in 85% of eyes using the calculation methods listed above. Haigis-L, Barrett True-K (no history), and Scheimpflug TCRP 4 mm (Haigis) and TRP 4 mm (Haigis) methods showed comparably low prediction errors, despite the absence of historical patient information.
미래에 스마트 그리드 도입을 위해 전력수요예측은 중요한 연구 분야 중 하나이다. 하지만 전력데이터는 많은 외부적 요소들에 영향을 받기 때문에 예측하기 어렵다. 기존의 전력수요예측 방법들은 가공되지 않은 전력데이터를 그대로 이용하기 때문에 정확도 높은 예측을 하는데 한계가 있어왔다. 본 논문에서는 가공되지 않은 전력데이터를 이용하는 전력수요예측의 문제를 해결하기 위해 확률기반 학습알고리즘을 제안한다. 확률 모델은 전력데이터의 확률적 특성을 분석하기에 적합하다. 제안한 모델의 중기 전력수요예측 성능을 비교하기 위해 신경망 네트워크 중 하나인 순환신경망과 성능 비교를 해보았다. 매사추세츠 대학에서 제공한 전력데이터를 이용하여 성능 비교를 한 결과 본 논문에서 제안한 확률기반 학습알고리즘이 중기 수요예측에 더 좋은 성능을 나타냄을 확인하였다.
The turbine rotor, one of the main facilities in a power plant, it generates electricity while rotating at 3600 RPM. Because it rotates at high speed, it requires careful management because high vibration occurs even if it is deformed by only 0.1mm. However, bending occurs due to various causes during turbine operating. If turbine rotor bending occurs, the power plant must be stopped and repaired. In the past, straightening was carried out using a heating torch and furnace in the field. In case of straightening in this way, it is impossible to proceed systematically, so damage to the turbine rotor may occur and take long period for maintenance. Long maintenance period causes excessive cost, so it is necessary to straighten the rotor by minimizing damage to the rotor in a short period of time. To solve this problem, we developed a turbine rotor straightening equipment using high-frequency induction heating equipment. A straightening was validated for 500MW HIP rotor, and the optimal parameters for straightening were selected. In addition, based on the experimental results, finite element analysis was performed to build a database. Using the database, a straightening amount prediction model available for rotor straightening was developed. Using the developed straightening equipment and straightening prediction model, it is possible to straightening the rotor with minimized damage to the rotor in a short period of time.
In this study, we predicted PTO power requirements based on torque predicted by the discrete element method and the multi-body dynamics coupling method. Six different scenarios were simulated to predict PTO power requirements in different soil conditions. The first scenario was a tillage operation on cohesionless soil, and the field was modeled using the Hertz-Mindlin contact model. In the second through sixth scenarios, tillage operations were performed on viscous soils, and the field was represented by the Hertz-Mindlin + JKR model for cohesion. To check the influence of surface energy, a parameter to reproduce cohesion, on the power requirement, a simple regression analysis was performed. The significance and appropriateness of the regression model were checked and found to be acceptable. The study findings are expected to be used in design optimization studies of agricultural machinery by predicting power requirements using the discrete element method and the multi-body dynamics coupling method and analyzing the effect of soil cohesion on the power requirement.
As the number of wind farms operating has increased, the interest of the central unit commitment and dispatch for wind power has increased as well. Wind power forecast is necessary for effective power system management and operation with high wind power penetrations. This paper presents the centralized wind power forecasting method, which is a forecast to combine all wind farms in the area into one, using time series models. Also, this paper proposes a prediction model modified with wind forecast error compensation. To demonstrate the improvement of wind power forecasting accuracy, the proposed method is compared with persistence model and new reference model which are commonly used as reference in wind power forecasting using Jeju Island data. The results of case studies are presented to show the effectiveness of the proposed wind power forecasting method.
As IoT(Internet Of Things) devices like a smart sensor have constrained power sources, a power strategy is critical in WSN(Wireless Sensor Networks). Therefore, it is necessary to figure out the residual power of each sensor node for managing power strategies in WSN, which, however, requires additional data transmission, leading to more power consumption. In this paper, a residual power estimation method was proposed, which uses ignorantly small amount of power consumption in the resource-constrained wireless networks including WSN. A residual power prediction is possible with the least data transmission by using Machine Learning method with some training data in this proposal. The performance of the proposed scheme was evaluated by machine learning method, simulation, and analysis.
Purpose: The purpose of this study was evaluated to compare the predictive power of distress prediction models by using discriminant analysis method and logit analysis method for food service franchise industry in Korea. Research design, data and methodology: Forty-six food service franchise industry with high sales volume in the 2017 were selected as the sample food service franchise industry for analysis. The fourteen financial ratios for analysis were calculated from the data in the 2017 statement of financial position and income statement of forty-six food service franchise industry in Korea. The fourteen financial ratios were used as sample data and analyzed by t-test. As a result seven statistically significant independent variables were chosen. The analysis method of the distress prediction model was performed by logit analysis and multiple discriminant analysis. Results: The difference between the average value of fourteen financial ratios of forty-six food service franchise industry was tested through t-test in order to extract variables that are classified as top-leveled and failure food service franchise industry among the financial ratios. As a result of the univariate test appears that the variables which differentiate the top-leveled food service franchise industry to failure food service industry are income to stockholders' equity, operating income to sales, current ratio, net income to assets, cash flows from operating activities, growth rate of operating income, and total assets turnover. The statistical significances of the seven financial ratio independent variables were also confirmed by logit analysis and discriminant analysis. Conclusions: The analysis results of the prediction accuracy of each distress prediction model in this study showed that the forecast accuracy of the prediction model by the discriminant analysis method was 84.8% and 89.1% by the logit analysis method, indicating that the logit analysis method has higher distress predictability than the discriminant analysis method. Comparing the previous distress prediction capability, which ranges from 75% to 85% by discriminant analysis and logit analysis, this study's prediction capacity, which is 84.8% in the discriminant analysis, and 89.1% in logit analysis, is found to belong to the range of previous study's prediction capacity range and is considered high number.
본 논문에서는 제어 시지연을 갖는 고성능 PI 전류제어기에 대한 새로운 예측전류 적용방법을 모색한다. 먼저 선형 영구자석 동기전동기를 사용한 선형 서보 제어시스템에 존재하는 불가피한 전류예측 오차원인을 분석하고, 전류예측 오차와 제어 시지연을 고려한 전류제어 성능 개선 방법으로 수정된 동기좌표계 비간섭 PI 전류제어기를 제안한다. 그리고 시뮬레이션 및 실험 결과를 통하여 제안된 전류제어기가 서보 제어시스템에 존재하는 전류예측 오차와 제어 시지연이 있는 경우에도 개선된 전류제어응답을 보임을 검증하였다.
Purpose: The purpose of this study is to apply the machine and deep learning methodology on error terms which are continuously auto-generated on the sensors with specific time period and prove the improvement effects of power generator prediction diagnosis system by comparing detection ability. Methods: The SVM(Support Vector Machine) and MLP(Multi Layer Perception) learning procedures were applied for predicting the target values and sequentially producing the error terms for confirming the detection improvement effects of suggested application. For checking the effectiveness of suggested procedures, several detection methodologies such as Cusum and EWMA were used for the comparison. Results: The statistical analysis result shows that without noticing the sequential trivial changes on current diagnosis system, suggested approach based on the error term diagnosis is sensing the changes in the very early stages. Conclusion: Using pattern of error terms as a diagnosis tool for the safety control process with SVM and MLP learning procedure, unusual symptoms could be detected earlier than current prediction system. By combining the suggested error term management methodology with current process seems to be meaningful for sustainable safety condition by early detecting the symptoms.
신선한 쓰레기 매립지에서는 쓰레기에 포함되어 있는 유기물의 분해로 인하여 장기간에 걸쳐 상당한 양의 침하가 유발되는 것으로 알려져 있다. 본 연구에서는 여러 신선한 쓰레기 매립지들의 침하자료에 대하여 기존에 제안된 몇몇 침하모델들을 적용하였으며. 얻어진 침하예측곡선과 장기침하량을 분석함으로써 분해로 의한 침하양상이 장기침하량 예측에 미치는 영향을 살펴보았다. 사용된 모델과는 상관없이 선정된 모델변수 값들이 분해효과를 포함하지 않는 한 장기침하를 적절히 평가할 수 없었다. 몇몇 예측방법 가운데 Gibson & Lo 모델과 쌍곡선 모델은 쓰레기 매립지의 장기침하 거동특성을 비교적 타당성 있게 예측한 반면에 power creep law는 상당히 과다예측하는 것으로 나타났다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.