Sang‐Soo Baek
UNIST 건설환경공학부 · 환경과학
Sang-Soo Baek 교수의 연구실은 수자원 관리와 환경 오염 모니터링을 위한 지능형 예측 모델 개발에 초점을 맞추고 있습니다. 특히 수질 변화, 해양 알갱이 블룸(HABs), 유기물의 기원 추적 등 환경 문제를 해결하기 위해 딥러닝 기반의 혁신적 접근을 적용하고 있으며, 수문학적 모델과 머신러닝 기법을 융합한 연구를 진행하고 있습니다. 또한, 에너지 저장 소재로서의 금속-유기 프레임워크(MOFs)의 개발을 통해 환경 및 에너지 분야의 융합 연구도 수행하고 있습니다.
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
A Convolutional Neural Network (CNN)-Long Short-Term Memory (LSTM) combined with a deep learning approach was created by combining CNN and LSTM networks simulated water quality including total nitrogen, total phosphorous, and total organic carbon. Water level and water quality data in the Nakdong river basin were collected from the Water Resources Management Information System (WAMIS) and the Real-Time Water Quality Information, respectively. The rainfall radar image and operation information of
In several countries, the public health and fishery industries have suffered from harmful algal blooms (HABs) that have escalated to become a global issue. Though computational modeling offers an effective means to understand and mitigate the adverse effects of HABs, it is challenging to design models that adequately reflect the complexity of HAB dynamics. This paper presents a method involving the application of deep learning to an ocean model for simulating blooms of Alexandrium catenella . Th
