• Proceedings of the KIPE Conference
• /
• 2000.07a
• /
• pp.249-252
• /
• 2000

원자력 교육원 #2(KNPEC-2) 시뮬레이터는 1980년도 중반에 웨스팅하우스에 의해 공급되어 계속 사용되어 오다가 현재 성능개선 연구가 진행 중이다. 이번 성능개선을 통해 기존의 컴퓨터 시스템(Gould MPX)와 소프트웨어의 전면 교체가 이루어지고 있으며 최적 계산 코드를 이용한 실시간 열수력 모델 (ARTS; Advanced Real-Time Thermal-Hydraulics Simulation) 개발 , 2-Group 3D 실시간 노심모델(REMARK ; REal Time Multigroup Advanced Reactor Kinetics)를 이용한 노심 주기개선 (Cycle Update) 가상현실 기술 등을 이용한 컴퓨터 교육지원 시스템(CATS: Computer Assister Training System)등 새로운 시도가 이루어지고 있으며 본 논문은 이러한 새로운 시도가 이루어지고 있으며 본 논문은 이러한 새로운 시도들 및 그 결과에 대해 기술하고 있다. 기준발전소(Reference Plant)인 영광 1호기 12주기의 노심모델로 주기개선(Cycle Update)을 위한 REMARK의 입력자료 생성을 위해 핵설계 전산체계인 APA(ALPHA-PHOENIX-ANC) 시스템의 출력으로부터 자동으로 REMARK 입력데이타를 생성하기 위한 GUI툴 개발하였다. 또 이를 이용하여 개발된 노심모델은 최적계산코드(RETRAn 3D) 의 열수력 해법을 이용하여 개발된 NSSS 열수력코드(ARTS) 와 결합(Integration) 되어 안정 및 과도 상태 시험에 사용되었으며 원자로 냉각재 펌프 정지등의 몇 가지 과도 시험 계산결과 기존 해석 결과와 잘 일치하였다 중앙제어실(MCR; Main Control Room)내의 운전원 행동만 훈련하도록 되어있는 기존시뮬레이터의 한계를 극복하기 위해 가상현실 (VR) 저작도구를 이용한 발전소 현장 내부를 표현하는 가상발전소 (Virtual Plant) 발전소 현장에 소재하여 기존 시뮬레이터의 모의한계 밖에 있던 패널을 표현한 가상판넬(Virtual Panel)등과 강의실에서 발전소 모의 훈련을 가능케 하기 위해 가상현실 기술을 이용한 컴퓨터 지원 교육훈력 시스템(CATS ; Computer Assister Training System)을 개발 중이며 일부 개발부분을 소개하였다.

• Journal of the Earthquake Engineering Society of Korea
• /
• v.1 no.4
• /
• pp.11-20
• /
• 1997

The aseismic capacity of a traditional three-bay-straw-roof wooden house for rock site condition is quantitatively estimated. One 1/4 scale model was tested for the Nahanni Earthquake with peak ground accelerations from 0.1g to 0.6g. The natural frequency of the wooden house in elastic range is 1.66 Hz and 2.15 Hz in longitudinal and transversal direction, respectively. Damping ratio of the house in elastic range is 7%. The horizontal acceleration response of the house is significantly reduced compared with the input motion due to the nonlinear inelastic characteristics of the Sagae-machum joint of the frame. The traditional wooden house has high aseismic capacity in the rock site condition where high frequency contents of motion are predominant.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.07a
• /
• pp.449-452
• /
• 2012

본 논문에서는 인간이 환경에 대한 상황을 직접적으로 파악할 수 있는 시각 정보를 제공하기 위해 다중 카메라를 이용한 사용자 시각기반 어라운드 뷰를 개발하였다. 4대의 하향식 경사 카메라를 통하여 영상을 획득하고 켈리브레이션한다. 렌즈의 왜곡을 보정하고 호모그라피 행렬을 계산하여 지표면과 수평이 되는 관점으로 영상을 변환한다. 그 결과 사용자에게 종합적 상황정보 획득이 용이하도록 정보화하기 위한 위성 영상 관점의 정보를 획득할 수 있다. 그리고 4대의 카메라를 동시에 사용하기 위한 하드웨어적 한계를 극복하고자 영상처리가 가능한 임베디드 카메라 모듈을 개발하였다. 사용자-로봇 상호작용을 위해 버튼 및 조이스틱과 같은 기계적 입력장치를 사용하지 않고 사용자의 자연스러운 제스처를 통하여 제어 명령을 입력할 수 있는 터치 패드를 사용하여 사용자 인터페이스를 구축하였다. 개발한 시스템은 시 공간적 한계를 극복하고 원격에서 로봇의 상황정보를 획득하여 사용자 친화적인 로봇제어를 할 수 있다. 위의 내용들을 검증하기 위하여 같은 상황 환경에서의 기존의 시스템과 비교 실험을 진행하였고 실험 결과를 통하여 제안한 시스템의 효용성을 검증하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.232-232
• /
• 2022

1차원 관망해석모형과 2차원 지표면범람 해석모형을 이용한 도시지역의 실시간 홍수예·경보시스템 구축은 모형의 모의에 많은 시간이 소요되므로 한계가 있다. 또한, 연구유역에서 시나리오 강우에 대해 침수를 유발시키는 한계강우량을 1-2차원 모형의 시행착오법을 적용한 반복적인 수행을 통해 산정하는 것은 비효율적인 방법이다. 따라서, 본 연구에서는 이에 대한 해결책으로 로지스틱 회귀를 이용하여 배수분구별 침수 발생기준 강우량을 산정하고자 한다. 침수 발생 한계강우량 산정을 배수분구 단위로 제시하기 위하여 로지스틱 회귀분석을 이용하였다. 풍수해저감종합계획(2015)과 침수흔적도를 이용하여 배수분구 별 침수이력에 대한 데이터베이스를 구축하고, 이를 1-2차원 수리해석을 통한 침수심과 함께 로지스틱 회귀모형에 학습하였다. 지속시간 1시간, 10mm 강우부터 500년 빈도의 Huff 3분위 시나리오 17개를 사용하여 확률강우량을 산정하였고, 이를 1-2차원 수리해석을 위한 입력자료로 사용하였다. EPA-SWMM을 통한 1차원 도시유출해석과 FLO-2D를 통한 2차원 침수해석에서 20cm 이상의 침수심이 발생하거나 지상관측자료, 침수흔적도 및 풍수해저감종합계획에서 실제 침수가 발생했을 경우를 1, 그렇지 않은 경우를 0으로 하여 데이터베이스를 구축하여 로지스틱 회귀모형에 학습시켜 침수 발생 한계강우량을 산정하였다. 로지스틱 회귀분석을 통해 서울시 지역의 배수분구별 한계강우량을 산정할 수 있으며, 지속적으로 관측되는 강우 및 침수 발생 유무 자료를 추가함으로써 산정된 침수 한계강우량을 상회하는 강우 사상이 나타났을 시에 침수 발생 유무를 확인하여 본 연구에서 제안한 방법에 대해 검증이 가능할 것으로 보인다.

• Proceedings of The KACE
• /
• 2017.08a
• /
• pp.209-211
• /
• 2017

기계학습은 인공지능(AI, Artificial Intelligence)의 일종으로 다른 인공지능 알고리즘이 정해진 규칙을 기반으로 주어진 임무(Task)를 해결하는 것과는 달리, 기계학습은 수집된 Data를 기반으로 최적의 솔루션을 학습한 후 미래의 값들을 예측하거나 해석하는 방법을 사용하고 있다. 더욱이 인터넷을 통한 연결성의 확대와 컴퓨터의 연산능력 발전으로 가능하게 된 Big-Data를 기반으로 하고 있어 이전의 인공지능 알고리즘에 비해 월등한 성능을 보여주고 있다. 그러나 기계학습 알고리즘이 Data를 학습할 때 학습 결과를 사람이 해석하기에 너무 복잡하여 사람이 그 내부 구조를 이해하는 것은 사실상 불가능하고, 이에 따라 학습된 기계학습 모델의 단점 또는 한계 등을 알지 못하는 문제가 있다. 본 연구에서는 이러한 블랙박스화된 기계학습 알고리즘의 특성을 이해하기 위해, 기계학습 알고리즘이 특정 입력에 대한 결과를 예측할 때 어떤 입력들로 부터 영향을 많이 받는지 그리고 어떤 입력으로부터 영향을 적게 받는지를 알아보는 방법을 소개하고 기존 연구의 단점을 개선하기 위한 방법을 제시한다.

• Journal of Energy Engineering
• /
• v.24 no.1
• /
• pp.58-68
• /
• 2015

A marginal abatement cost analysis has been conducted to analyze the effects of abatement measures on greenhouse gas (GHG) emissions for the Korean residential sector. A bottom-up model using MESSAGE has been developed by defining the energy demand and constructing the reference energy system for the residential sector. A great amount of activity data has also been analyzed. Abatement potentials and related costs of individual abatement measures are investigated. The result from the marginal abatement cost analysis may provide general guidelines and procedures for the establishment of GHG abatement polices.

• Journal of the Korean Geotechnical Society
• /
• v.27 no.7
• /
• pp.69-79
• /
• 2011

Laboratory tests are generally used to determine the input parameters for the selected constitutive models controlling various stress and drainage conditions, but have disadvantages in that the tests are performed on the samples obtained from the bore hole which are prone to be disturbed by various factors such as the tube penetrations, sample preparations and storage. To overcome these disadvantages, it is necessary to understand the effect of disturbance on the stiffness of the sample, especially the normally consolidated clays which are generally considered as soft clays. Therefore, in this study triaxial tests are performed on the normally consolidated kaolinite to evaluate the sample disturbance effects on the stiffness and to determine the field representative input parameters. The stress path results show that the shear and coupling modulus degradation patterns with strain are affected seriously by the disturbance. However, the strengths of the normally consolidated kaolinite are little influenced by the disturbance.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.33-33
• /
• 2019

최근 반복적인 도시침수 피해가 발생하고 있으나 다양한 강우 및 홍수 자료를 이용하여 실시간으로 침수분석을 실시할 수 있는 기술력이 부재한 실정이다. 한정된 시나리오에 따라 다양한 강우패턴에 의한 침수지역 파악에 어려움이 있으며, 불필요한 자료의 사용으로 인해 짧은 시간에 발생하는 도시침수에 대해 실시간으로 대응하는 데에 한계가 있다. 본 연구에서는 다양한 강우패턴과 극치강우 사상을 반영하기 위한 강우시간 분포법을 나타내고자 하였으며, 강우-유출 자료에 대한 최적의 자료조합을 선정하는 정량적 기준을 제시하고자 하였다. 지역 특성에 따른 극치강우사상의 시간분포에 대한 연구가 다양하게 진행되어 왔지만, 기존의 강우시간분포는 다양한 강우의 집중현상을 나타내기에는 한계가 있음을 보였다. 따라서 본 연구에서는 기존 강우시간분포 기법의 단점을 보완하고 극치강우사상의 집중지속시간 특성을 반영한 강우시간분포 방법과 Huff에 의한 강우시간 분포법을 사용하여 다양한 강우시나리오를 생성하였다. 본 연구에서는 부산 및 울산 연구대상지역의 도시유출해석의 입력 자료로서 사용하였다. 강우 및 유출 자료의 상관성 분석과 불확실도 분석을 기반으로 추후 홍수예측을 위한 최적의 입력 자료를 선정하고자 하였다. 위의 과정들을 통해 다양한 강우조건에 따른 연구대상 지역에서의 침수예상도를 분석할 수 있었으며, 선정된 극치강우사상을 통해 다양한 강우의 집중현상을 나타낼 수 있었다. 1차원 도시유출해석을 실시하여 구축한 강우-유출 데이터베이스의 최적화를 위해 불확실도 분석을 실시하였으며, 수리학적 특성이 고려된 입력 및 출력자료에 대한 사용자의 합리적인 판단을 위해 정량적 기준을 제시하고자 하였다. 더욱이 제시된 방법론을 이용함에 따라 지속적으로 나타나는 국지성 호우와 급변하는 수재해 양상에 능동적으로 대처하는데 도움을 줄 수 있는 기초자료를 제공할 것으로 판단된다.

• Journal of Korea Multimedia Society
• /
• v.10 no.11
• /
• pp.1384-1397
• /
• 2007

This paper proposes fast storage techniques for hybrid query of data streams. DSMS(Data Stream Management System) have been researched for processing data streams that have busting income. To process hybrid query that retrieve both current incoming data streams and past data streams data streams have to be stored into disk. But due to fast input speed of data stream and memory and disk space limitation, the main research is not about querying to stored data streams but about querying to current incoming data streams. Proposed techniques of this paper use circular buffer for maximizing memory utility and for make non blocking insertion possible. Data in a disk is compressed to maximize the number of data in the disk. Through experiences, proposed technique show that bursting insertion is stored fast.

• Journal of Intelligence and Information Systems
• /
• v.29 no.1
• /
• pp.249-263
• /
• 2023

Collaborative Filtering, a representative recommendation system methodology, consists of two approaches: neighbor methods and latent factor models. Among these, the latent factor model using matrix factorization decomposes the user-item interaction matrix into two lower-dimensional rectangular matrices, predicting the item's rating through the product of these matrices. Due to the factor vectors inferred from rating patterns capturing user and item characteristics, this method is superior in scalability, accuracy, and flexibility compared to neighbor-based methods. However, it has a fundamental drawback: the need to reflect the diversity of preferences of different individuals for items with no ratings. This limitation leads to repetitive and inaccurate recommendations. The Adaptive Deep Latent Factor Model (ADLFM) was developed to address this issue. This model adaptively learns the preferences for each item by using the item description, which provides a detailed summary and explanation of the item. ADLFM takes in item description as input, calculates latent vectors of the user and item, and presents a method that can reflect personal diversity using an attention score. However, due to the requirement of a dataset that includes item descriptions, the domain that can apply ADLFM is limited, resulting in generalization limitations. This study proposes a Generalized Adaptive Deep Latent Factor Recommendation Model, G-ADLFRM, to improve the limitations of ADLFM. Firstly, we use item ID, commonly used in recommendation systems, as input instead of the item description. Additionally, we apply improved deep learning model structures such as Self-Attention, Multi-head Attention, and Multi-Conv1D. We conducted experiments on various datasets with input and model structure changes. The results showed that when only the input was changed, MAE increased slightly compared to ADLFM due to accompanying information loss, resulting in decreased recommendation performance. However, the average learning speed per epoch significantly improved as the amount of information to be processed decreased. When both the input and the model structure were changed, the best-performing Multi-Conv1d structure showed similar performance to ADLFM, sufficiently counteracting the information loss caused by the input change. We conclude that G-ADLFRM is a new, lightweight, and generalizable model that maintains the performance of the existing ADLFM while enabling fast learning and inference.