Earticle

Federated learning provides an efficient integrated model for distributed data, allowing the local training of different data. Meanwhile, the goal of multi-task learning is to simultaneously establish models for multiple related tasks, and to obtain the underlying main structure. However, traditional federated multi-task learning models not only have strict requirements for the data distribution, but also demand large amounts of calculation and have slow convergence, which hindered their promotion in many fields. In our work, we apply the rank constraint on weight vectors of the multi-task learning model to adaptively adjust the task's similarity learning, according to the distribution of federal node data. The proposed model has a general framework for solving optimal solutions, which can be used to deal with various data types. Experiments show that our model has achieved the best results in different dataset. Notably, our model can still obtain stable results in datasets with large distribution differences. In addition, compared with traditional federated multi-task learning models, our algorithm is able to converge on a local optimal solution within limited training iterations.

With the acceleration of urbanization and industrialization, air pollution has become increasingly serious, and the pollution control situation is not optimistic. Climate change has become a major global challenge faced by mankind. To actively respond to climate change, China has proposed carbon peak and carbon neutral goals. However, atmospheric pollutants and meteorological factors that affect air quality are complex and changeable, and the complex relationship and correlation between them must be further clarified. This paper uses China's 2013-2018 high-resolution air pollution reanalysis open data set, as well as statistical methods of the Pearson Correlation Coefficient (PCC) to calculate and visualize the design and analysis of environmental monitoring big data, which is intuitive and it quickly demonstrated the correlation between pollutants and meteorological factors in the temporal and spatial sequence, and provided convenience for environmental management departments to use air quality routine monitoring data to enable dynamic decision-making, and promote global climate governance. The experimental results show that, apart from ozone, which is negatively correlated, the other pollutants are positively correlated; meteorological factors have a greater impact on pollutants, temperature and pollutants are negatively correlated, air pressure is positively correlated, and the correlation between humidity is insignificant. The wind speed has a significant negative correlation with the six pollutants, which has a greater impact on the diffusion of pollutants.

VR games using this technology are games enjoyed in an environment blocked from the outside through a dedicated device. The possibility of market expansion has increased as big tech companies such as Apple and Meta recently released high-resolution and price popularization HMD. Through this study, the higher the amount of use of the game, the greater the amount of VR game use. In addition, the higher the amount of game time, the higher the perceived satisfaction (continuous use intention, immersion, personal innovation, and perceived cost) of VR games.

GEV분포는 세계 여러 나라에서 홍수와 극한강우 등의 빈도분포로 널리 활용되고 있다. L-모멘트법은 GEV분포의 매개변수 추정을 위해 일반적으로 사용되고 있는 추정법이다. 본 연구에서는 Monte Carlo 실험을 이용하여 GEV분포를 따르는 서로 다른 두 지점의 자료의 교차상관계수를 이용하여 L-모멘트 추정값인 L-변동계수와 L-왜도계수들 간의 교차상관계수를 Simple Power 함수를 이용하여 유도하였다. 실험과정에서 생성된 비현실적이며 실험결과에 큰 영향을 미치는 음수값들을 배재한 GEV+분포를 이용하였다. 결과로, Simple Power 함수가 두지점간 자료의 교차상관과 L-모멘트 추정값들간의 교차상관 계수의 관계를 잘 모사하고 있음을 확인하였다. 다양한 GEV 분포의 매개변수 조합에 대한 Simple Power 함수의 매개변수 추정값과 정확성은 표로 제시하였다. 또한 위 연구결과를 활용할 수 있는 Generalised Least Square(GLS) 지역회귀 기법에 대해 설명하였다. 따라서 본 연구에서 도출된 관계식은 향후 GLS 회귀식을 이용한 GEV 분포의 지역 매개변수를 추정하는데 있어 L-모멘트 추정값들간의 정확한 교차상관관계를 제시할 수 있을 것으로 기대한다.

Generalized Extreme Value (GEV) distribution is recommended for flood frequency and extreme rainfall distribution in many country. L-moment method is the most common estimation procedure for the GEV distribution. In this study, the relationships between the cross-site correlations between extreme events and the cross-correlation of estimators of L-moment ratios (L-moment Coefficient of Variation (L-CV) and L-moment Coefficient of Skewness (L-CS)) for data generated from GEV distribution were derived by Monte Carlo simulation. Those relationships were fit to the simple power function. In this Monte Carlo simulation, GEV+ distribution were employed wherein unrealistic negative values were excluded. The simple power models provide accurate description of the relationships between cross-correlation of data and cross-correlation of L-moment ratios. Estimated parameters and accuracies of the power functions were reported for different GEV distribution parameters combinations. Moreover, this study provided a description about regional regression approach using Generalized Least Square (GLS) regression method which require the cross-site correlation among L-moment estimators. The relationships derived in this study allow regional GLS regression analyses of both L-CV and L-CS estimators that correctly incorporate the cross-correlation among GEV L-moment estimators.

The statistical characteristics of the factors related to the daily rainfall prediction model are analyzed . Records of daily precipitation, mean air temperature, relative humidity , dew-point temperature and air pressure from 1973∼1998 at 8 meteorological sttions in south-western part of Korea were used. 1. Serial correlatino of daily precipitaiton was significant with the lag less than 1 day. But , that of other variables were large enough until 10 day lag. 2. Crosscorrelation of air temperature, relative humidity , dew-point temperature showed similar distribution wiht the basin contrours and the others were different. 3. There were significant correlation between the meteorological variables and precipitation preceded more than 2 days. 4. Daily preciption of each station were treated as a truncated continuous random variable and the annual periodic components, mean and standard deviation were estimated for each day. 5. All of the results could be considered to select the input variables of regression model or neural network model for the prediction of daily precipitation and to construct the stochastic model of daily precipitation.

본 연구에서는 주 단위 지하수자원 관리 취약시기 평가 방법을 개발하였다. 강수의 지하수위에 대한 영향을 고려하기 위하여 한계 침투량을 고려한 강우이동평균 방법을 통해 지하수위와의 상관계수를 산정하였다. 취약 시기 평가 기준을 개발하고 평가 기준에 대한 가중치를 엔트로피 방법을 이용하여 산정하였다. 강수와의 상관계수와 산정된 가중치를 이용한 주 단위 지하수자원 관리 취약시기 평가 방법을 개발하였으며, 개발한 방법을 통하여 소규모 행정구역을 대상으로 취약시기를 평가하였다. 본 연구에서 개발된 방법은 지역적일뿐만 아니라 계절적인 지하수자원의 효율적 관리 대책 수립의 근거가 될 수 있을 것이다.

In this study, the vulnerable period assessment method for weekly groundwater resources management was developed considering correlation between data of groundwater level, river level, precipitation applying critical infiltration concept. The vulnerable periods of 3 case study were assessed using data of groundwater, precipitation, river level, and results were compared. The weights for between observation stations were calculated using correlation of groundwater, precipitation, river level data, and weights that could be considered recently trend of data for each observation station. The vulnerable period was assessed using final calculated weights and multi criteria decision method, compared result for each case study. The developed method can be a quantitative basis for the establishment of efficient groundwater resources management and the decision of specific countermeasure applyment.

항공운송 산업에서의 리스크는 '저빈도·고심각도' 라는 특성을 가지고 있기 때문에 사전 예방적 안전관리체계의 도입이 반드시 필요하다. 본 연구는 ADS-B 기반 항적 자료를 활용하여 접근 단계에서 발생할 수 있는 7종의 항공 안전 전조징후를 탐지하고, 이들 간의 상관관계 및 시간적 선후 관계를 분석하였다. 국내 주요 3개 공항의 16,226편 항공편을 대상으로 분석한 결과, 대상 항공편의 약 44%(7,079편)에서 전조징후 발생이 탐지되었으며, '접근구간 속도 이상(고속)', '수평 불안정 접근', '접근구간 속도 이상(저속)'이 탐지 전조징후 건수의 92%를 차지했다. 특히 특정 전조징후 간에는 자주 함께 발생하거나 특정 선후 관계가 나타나는 경향성이 확인되었으며, 이는 향후 조종사 교육 등 안전 대응 전략 수립에 활용될 수 있다. 본 연구는 전조징후 간의 연계성 분석을 통해 예측적 안전관리의 실현 가능성을 제시하였다는 점에서 의의가 있다.

Due to the inherently low-frequency and high-risk nature of air transportation, a proactive approach to safety is imperative. This study employed ADS-B based trajectory data to identify seven potential safety precursors during the approach phase and examined their correlations and temporal antecedents. The analysis of 16,226 flights at three major domestic airports revealed that approximately 44% (7,079 flights) of the flights detected at least one precursor, with "approach high speed abnormality", "approach horizontal instability", and "approach low speed abnormality" accounting for 92% of the detected precursors. Of particular note is the finding that certain precursors frequently co-occurred or exhibited a precedent relationship, suggesting potential applications in future safety response strategies, such as pilot training. The significance of this study lies in its proposition of the feasibility of predictive safety management through the analysis of the interrelationships between precursors.

최근 기후변화로 인한 자연재해가 증가하면서 강수 및 기온자료의 시계열에 대한 변동성과 추세를 분석하여 그 변화를 예측하는 연구의 필요성이 점점 커지고 있다. 하지만 강수나 기온의 경우 복합적인 요소에 의해 변동이 일어나 자료의 변동성이 매우 심하고 너무 많은 요소를 포함하게 되어 그 특성을 정확히 판단하기가 쉽지 않다. 따라서 자료의 시계열을 분해하게 되면 각 특성을 가진 요소를 추출할 수 있으므로, 정확한 변동 특성을 파악할 수 있다. 본 연구에서는 우리나라 강수 및 기온자료를 경험적 모드분해법(Empirical Mode Decomposition, EMD)을 통해 주기별로 분해하여 각각의 내재모드함수(Intrinsic Mode Function, IMF)를 추출하였다. 또한, 추출된 내재모드함수의 에너지 밀도를 이용한 유의성 검정을 통해 원자료로부터 유의미한 자료를 포함하고 있는 내재모드함수를 선별하고, 이들의 주기성, 경향성을 분석하였다.

Recently, natural hazards have occurred frequently due to climate change. The research need for predicting variability and tendency of precipitation and temperature has been increased. However, it is difficult to determine the characteristics of precipitation and temperature within a confidence range since they change due to complex factors with choppy and too many components. If their characteristics having more than one component are decomposed, then it can be useful for determining the variation of such characteristics more accurately. In this study, Korean precipitation and temperature were decomposed and their Intrinsic Mode Function (IMF) were extracted from Empirical Mode Decomposition (EMD). Finally, the characteristics of Korean precipitation and temperature data were analyzed in terms of periodicity and tendency.

본 연구에서는 충북 제천에 위치한 복합 사장교인 청풍대교 장기 계측데이터를 활용하여 온도와 변위의 상관성을 분석하였다. 이를 위해 탑정부 및 거더부에 설치된 온도계와 GNSS, 레이저처짐계, 신축이음계에서 측정된 변위값을 활용하였다. 온도와 변위에 대한 상관분석 결과, 온도계 종류에 따른 상관계수는 유사하여 설치 환경에 대한 영향은 다소 적은 것으로 나타났으며, 교량 전체의 교축변위 및 거더의 연직 변위는 온도와 높은 상관성을 나타내는 것으로 확인되었다. 이를 검증하기 위해 해석프로그램인 Midas를 사용하여 구조해석모형을 작성하였으며, 온도에 따른 청풍대교의 거동형상을 확인하였다. 구조해석 결과 온도가 상승함에 따라 주탑과 신축이음부가 반대의 교축방향으로 거동하는 것으로 나타났으며, 중앙경간은 아래로 처짐이 발생하여 상관분석 결과와 동일한 경향을 나타내었다. 마지막으로 사장교의 장기 거동 예측을 위하여 각 부재와 상관성이 가장 높은 거더의 온도를 통해 부재별 온도-변위의 선형회귀모형을 작성하였다. 회귀모형은 전체 데이터 취득기간 중 1년 단위로 학습기간을 변화하여 작성하였으며, 원본 데이터의 결측치 비율에 따라 학습기간이 상이한 경향을 나타내었으나 대부분 0.6 이상의 결정계수를 나타내어 예측값과 계측값이 상호 유사함을 확인하였다.

This study aims to analyze the relationship between temperature and structural displacement using long-term monitoring data from the Cheongpung Bridge, a hybrid cable-stayed bridge located in Jecheon, South Korea. Displacement data were collected from GNSS, laser displacement sensors, and expansion joint sensors, while temperature data were obtained from thermometers installed at both the tower and girder sections. Correlation analysis revealed that the coefficients were consistent across different thermometer types, indicating minimal influence from installation conditions. Notably, both the transverse displacements of the bridge and the vertical displacements of the girder exhibited strong correlations with temperature. To validate these findings, a finite element analysis model was constructed using Midas software, confirming that the bridge components responded differently to thermal variations: the main towers and expansion joints moved in opposite transverse directions, and the center span showed downward deflection. Linear regression models were subsequently developed for each structural component based on girder temperature, which showed the highest correlation. The training period was varied in one-year increments, and despite differences in data completeness, most models achieved determination coefficients (R²) above 0.6. These results demonstrate the feasibility of temperature-based prediction of long-term displacement behavior in cable-stayed bridges.

항공기, 선박 등의 내부 및 핵심 설비 장치들에는 안전 관리를 위하여 다양한 종류의 환경 센서들을 설치되며 이는 이상 상황들을 감지하는 데 활용된다. 실시간적으로 수집되는 센서 데이터 중 이상 상황이 발생했을 시에 센서 데이터들은 중요한 데이터로 상황 감지 및 저장 분석에 활용되어야 하지만 이상치 (outlier) 데이터는 이상 상황 데이터의 정확도를 떨어뜨리는 불필요한 데이터이기 때문에 판단이 필요하다. 본 논문에서는 다중 센서의 데이터를 기반으로 통계적 분석 방법 중에 하나인 IQR 방식과 함께 센서 간의 상관관계를 활용하여 실시간적으로 수집되는 데이터가 이상 상황에서 발생한 것인지 센서 고장이나 오류에 의한 이상치인지를 판단할 수 있는 알고리즘을 제안하였다. 제안된 알고리즘을 실시간 센서 데이터 수집 및 처리 장치에 구현하고 실제 화재 테스트 환경에서 실험한 결과, 기존 IQR 방식의 이상치 검출 방식에서는 누락되던 이상 상황 데이터를 정확하게 검출할 수 있음을 확인하였다.

To ensure safety management, various types of environmental sensors are installed in the interior and critical equipment of aircraft and ships, and these sensors are used to detect abnormal situations. Among the sensor data collected in real time, data generated during abnormal situations must be utilized as essential information for situation detection, storage, and analysis. However, outlier data can reduce the accuracy of abnormal situation data and should therefore be carefully evaluated. This paper proposes an algorithm that combines the Interquartile Range (IQR) statistical analysis method with inter-sensor correlations to determine whether real-time sensor data are generated from an actual abnormal situation or are outliers caused by sensor faults or errors. The proposed algorithm was implemented in a real-time sensor data collection and processing system and tested in a fire test environment. Experimental results demonstrated that the algorithm effectively detects abnormal situation data that were missed by conventional IQR-based outlier detection methods.

퇴적층의 밀도 분포를 파악하는 경우 지층 내부 유체 집적양상을 유추할 수 있어 공학적인 활용도가 높다. 지층 시추코어로부터 퇴적층의 속도와 밀도 등의 물성 정보를 얻을 수 있으며, 물성의 수평방향 변화양상을 유추하기 위하여 탄성파 탐사와 같은 추가정보가 필요하다. 본 연구에서는 대한해협 천부 지층에서 획득한 시추코어의 실험실 분석 밀도자료와 2차원 탄성파 자료를 통합 분석하였다. 통합 분석의 정확도는 밀도 로그와 탄성파 자료에서 도출한 속성의 상관 수치를 계산하여 평가하였다. 단일 속성, 다중 속성 및 다중 속성 곱말이 연산자와 밀도의 상관계수는 각각 52, 69 및86%였다. 따라서 밀도 분포를 정확히 추정하기 위하여 탄성파 자료로부터 다중 속성을 도출한 후, 곱말이 연산자를 적용하는 것이 효과적이었다. 상관 분석 결과는 2차원 탄성파 단면의 수평 공간에확장되어, 천부 퇴적층의 밀도 분포 양상이 지층 단면으로 도출되었다. 밀도 단면을 확인한 결과 대한해협 천부 퇴적층에서 저밀도 영역을 확인하였고, 이는 염수 또는 천부 가스의 집적으로 인한 현상으로 추정된다.

The density distribution of a sedimentary layer can reveal fluid accumulation patterns, which are highly valuable for engineering purposes. Density information can be obtained from logs while drilling or through laboratory experiments on drill cores. To extend the density log to a broader regional area, seismic data can be utilized. In this study, density data analyzed in the laboratory from drill cores and seismic data from the Korea Strait were integrated. The correlation between density logs and seismic attributes was calculated to evaluate the accuracy of the analysis. The correlation values for single attributes, multi-attributes, and convolution of multi-attributes were 52%, 69%, and 86%, respectively. Therefore, applying the convolutional operator to seismic multi-attributes is recommended for evaluating the density distribution of sediment. The result were extended to a two-dimensional seismic section, identifying low-density areas in the shallow sedimentary layer, presumed to indicate the accumulation of fluid or shallow gas.

KBO리그는 경기수가 많아서 오랜 기간에 걸쳐서 진행되고 있다. 또한 우리나라는 다양하고 뚜렷한 기후를 가지고 있다. 이에 본 연구에서는 야구기록 중 홈런, 3루타, 2루타, 루타수, 장타율, 순장타율 등 장타력에 관한 기록과 일일 평균 기온과의 상관 관계를 분석하고 야구 기록 중 3차 기록을 정의하였다. 본 연구를 위하여 일일 평균 기온 데이터와 2019년 KBO 리그에서 규정타석에 진입한 타자를 대상으로 SEMMA 기법을 통하여 상관관계를 분석하였다. 본 연구 결과를 통하여 일일 평균 기온이 타자들의 장타력에 영향을 주었다는 것을 알 수 있었다. 특히 20.0도에서 24.9도 사이를 기록한 날에 타자들의 장타력이 낮아졌다는 것을 알 수 있었으며, 타자가 상대하는 투수의 몸 상태와 관련있다고 논의하였다. 이에 경기 외적인 조건을 통하여 야구 경기에서 선수, 코칭스태프, 프런트가 경기에 활용할 수 있음을 기대할 수 있다. 또한 차후 타격 기록 뿐만 아니라 투구, 주루, 수비 등의 기록을 함께 분석하면 더욱 유용한 분석 모델이 될 수 있을 것으로 기대한다.

The KBO League is held over a long period of time due to the large number of games. Also, Korea has a diverse and distinct climate. Therefore, this study analyzed the relationship between the daily average temperature and the record of batting power such as home runs, triples, doubles, number of bases, batting percentage, and net batting percentage, and a third baseball record was defined. For this study, the correlation between the daily average temperature data and the batter who entered the standard at-bat in the KBO League in 2019 was analyzed through the SEMMA method. From the results of this study, it was found that the average daily temperature had an effect on a batter’s hitting power. In particular, it was found that a batter’s hitting power decreased on the day of temperatures recorded between 20.0 degrees and 24.9 degrees, and it was discussed that this may have been related to the physical condition of the pitcher the batter was facing. Therefore, it can be expected that players, coaching staff, and the front desk can use them in the game through conditions outside the game. In addition, it is expected that it will be a more useful analysis model by analyzing the records of pitching, base running, and defense as well as subsequent batting records.

회귀모형의 구조변화 또는 회귀계수의 안정성을 검정하기 위해서는 매 시점 회귀계수뿐만 아니라 표준오차를 정확히 추정하여야 하는데, 이를 위해서는 관측치들 사이의 횡적상관관계를 조정하는 것이 중요하다. 만일 횡적상관관계를 조정하지 않게 되면 표준오차가 작게 추정될 수 있으며, 그로 인하여 회귀계수의 안정성을 과도하게 기각하게 된다. 본 연구에서는 횡적상관관계를 조정하는 표준오차의 추정방법들을 비교, 분석하며, 이를 회귀계수의 안정성 검정에 응용한다.

This study emphasizes that cross-sectional correlations need to be incorporated in the estimation of the coefficient standard errors. If the cross-sectional correlations are ignored as in the OLS estimation, the coefficient stability will be too often rejected since the standard errors are underestimated in many cases. This study evaluates the accuracy of several estimation methods with an application to the test of structural changes.

With the upcoming era of the 4th Industrial Revolution, big aata has been constructed in various field. Especially in transport sector, tremendous passenger and vehicle trips are collected as a navigation big data. Through navigation data, previous spotted traffic volume and speed data contribute to establish traffic volume and speed data in national level. Established transport raw data in national level lead to various processed data such as mobility data, carbon dioxide(CO2), air pollutants etc. This research utilize geographically weighted regression model in order to analyze correlation between area type (residential and business area) and air pollutants (CO2, CO, PM-10, NOX, VOCs) in the city of Seoul. The research outcome describes low correlation between environmental indicators corresponding to navigation data related to vehicle trip and area type (residential and business area). Therefore, a following study is required to analyze correlation between environmental indicators corresponding to transport navigation data and socio-economic indicators rather than spatial features. Moreover, a comparative study between general regression model and geographically weighted regression model is necessary for in-depth analysis.

최근 3년간 농업 관련 뉴스 및 동향에 따르면 양봉산업의 뿌리인 꿀 채밀량이 감소 추세에 있어 양봉산업 전체에 큰 손해가 있는 상황이다. 이러한 현상은 이상 기후에 대한 대응책 미비, 각종 해충과 질병의 발생 등이 원 인으로 제공되고 있는 것으로 보고되고 있다. 따라서, 본 논문에서는 벌꿀 생산량의 군집의 수, 군집 당 평균 수확 량, 총 생산량, 연도별 생산량의 변화에 따른 미래의 세계 양봉산업의 가능성을 예측하는 연구를 수행하였다. 이를 위해, 미국의 벌꿀 생산량에 대한 데이터의 종합적 통계를 구하고, 그룹별 생산량에 대한 군집 회귀 분석을 수행하 여 꿀벌 군집 소멸과의 상관성 분석을 수행하였다. 분석 결과, 기상 변화 데이터를 활용하여 평년 기온의 상승과 미국 내 벌꿀의 총생산량은 줄어들었음을 확인할 수 있었고 생존 군락이 점점 줄어드는 결론이 도출되었다.

According to agricultural news and trends for the past three years, the amount of honey harvested, which is the root of the beekeeping industry, is on the decline, causing great damage to the entire beekeeping industry. It is reported that this phenomenon is provided as the cause of the lack of countermeasures against abnormal climate and the occurrence of various pests and diseases. Therefore, in this paper, research was conducted to predict the future potential of the world's beekeeping industry according to the number of clusters of honey production, average yield per cluster, total production, and annual production. To this end, comprehensive statistics of honey production data in the United States were obtained, and cluster regression analysis was performed on production by group to analyze correlation with honey bee colony extinction. As a result of the analysis, it was confirmed that the average annual temperature increased and the total production of honey in the United States decreased by using the weather change data, and the conclusion was drawn that the surviving colony gradually decreased.