• 한국전산구조공학회논문집
• /
• 제37권1호
• /
• pp.67-76
• /
• 2024

본 논문에서는 역학적 변수들을 측정하는 방안으로 디지털 이미지 프로세싱과 강형식 기반의 MLS 차분법을 융합한 DIP-MLS 시험법을 소개하고 추적점의 위치와 이미지 해상도에 대한 영향을 분석하였다. 이 방법은 디지털 이미지 프로세싱을 통해 시료에 부착된 표적의 변위 값을 측정하고 이를 절점만 사용하는 MLS 차분법 모델의 절점 변위로 분배하여 대상 물체의 응력, 변형률과 같은 역학적 변수를 계산한다. 디지털 이미지 프로세싱을 통해서 표적의 무게중심 점의 변위를 측정하기 위한 효과적인 방안을 제시하였다. 이미지 기반의 표적 변위를 이용한 MLS 차분법의 역학적 변수의 계산은 정확한 시험체의 변위 이력을 취득하고 정형성이 부족한 추적 점들의 변위를 이용해 mesh나 grid의 제약 없이 임의의 위치에서 역학적 변수를 쉽게 계산할 수 있다. 개발된 시험법은 고무 보의 3점 휨 실험을 대상으로 센서의 계측 결과와 DIP-MLS 시험법의 결과를 비교하고, 추가적으로 MLS 차분법만으로 시뮬레이션한 수치해석 결과와도 비교하여 검증하였다. 이를 통해 개발된 기법이 대변형 이전까지의 단계에서 실제 시험을 정확히 모사하고 수치해석 결과와도 잘 일치하는 것을 확인하였다. 또한, 모서리 점을 추가한 46개의 추적점을 DIP-MLS 시험법에 적용하고 표적의 내부 점만을 이용한 경우와 비교하여 경계 점의 영향을 분석하였고 이 시험법을 위한 최적의 이미지 해상도를 제시하였다. 이를 통해 직접 실험이나 기존의 요소망 기반 시뮬레이션의 부족한 점을 효율적으로 보완하는 한편, 실험-시뮬레이션 과정의 디지털화가 상당한 수준까지 가능하다는 것을 보여주었다.

• 대한방사선기술학회지:방사선기술과학
• /
• 제30권3호
• /
• pp.205-212
• /
• 2007

대동맥류 질환에 사용되는 스텐트그라프트의 체외실험을 위한 대동맥류 혈류 팬텀의 유효성과 실현가능성에 대해 평가하고자 한다. 팬텀은 인체의 혈류 조건과 유사한 상황을 재현할 수 있도록 심장부분과 대동맥류 부분으로 구성되었다. 심장부분은 고압력 수중펌프와 솔레노이드 밸브를 사용하여 심장의 대동맥 혈류를 재현하였고, 대동맥류 부분은 지점토를 사용하여 동맥류 모양을 재현하고 그 틀을 투명 실리콘으로 틀을 떠내는 방법으로 제작하였다. 두부분은 실리콘 관으로 연결하였다. 제작된 팬텀에서 밸브의 개폐 시간에 따른 압력(수축기/이완기) 변화를 측정하였으며, 스텐트그라프삽입술 전, 후의 압력변화를 측정하였으며, 통계적 유의성을 알아보았다. 밸브의 개폐 시간에 따른 압력 변화는 통계적으로 유의한 결과를 보였다(P<0.05). 0.5회/초의 개폐조건에서는 팬텀의 대동맥 근위부, 대동맥류, 원위부의 압력은 각각 $157.80{\pm}1.92/130.20{\pm}1.92$, $159.40{\pm}1.14/134.00{\pm}2.92$, $147.20{\pm}1.480/129.60{\pm}2.70\;mmHg$이었으며, 1.0회/초의 개폐 조건에서는 $161.40{\pm}1.34/90.20{\pm}1.64$, $175.00{\pm}1.58/93.00{\pm}1.58$, $176.80{\pm}1.48/90.80{\pm}1.92\;mmHg$이었고, 1.5회/초의 개폐 조건에서는 $159.40{\pm}1.82/127.20{\pm}1.48$, $166.60{\pm}1.67/138.00{\pm}1.87$, and $161.00{\pm}1.22/135.40{\pm}1.67\;mmHg$이었다. 스텐트그라프삽입술 전, 후의 팬텀의 압력변화는 대동맥부분에서 측정하였으며, 각각 $143.60{\pm}1.67/90.20{\pm}1.64$, $47.20{\pm}1.92/84.60{\pm}1.82$, and $137.40{\pm}1.52/88.80{\pm}1.64\;mmHg$이었다. 결론적으로, 대동맥류 팬텀은 압력의 범위를 다양하게 적용할 수 있고, 팬텀 내에서 시술의 재현이 가능하여 동물실험 전 스텐트그라프트의 유용성을 평가하기 위한 체외실험 기구로 유용할 것으로 기대된다.

• 한국농림기상학회지
• /
• 제14권4호
• /
• pp.207-221
• /
• 2012

본 연구에서는 작물모형을 이용하여 기후변화에 따른 우리나라의 벼 생산성 변화를 분석하고, 기후변화 주요 변동요인인 온도 및 $CO_2$ 농도와 적응수단인 재배시기가 기후변화에 따른 벼 생산성 변화에 미치는 영향을 분석하고자 하였다. 작물모형은 영화수 및 임실율 모델을 모델을 도입하고, 종실중 및 등숙율 모듈을 추가하여 벼 수량결정 방법을 개선한 'ORYZA2000'을 사용하였으며, 모델의 입력자료인 품종특성 모수는 벼 생태형별로 종생종인 오대벼, 중생종인 화성벼, 중만생종인 일품벼의 품종특성 모수를 사용하였으나 발육속도 품종특성 모수는 수정하여 사용하였다. 생육모의 지역은 기상청 소속 기상대와 관측소가 소재하는 지역 중에 30년 이상 기상관측자료를 보유하고 있는 56개 지역을 북부, 중부, 남부의 3개 기후지대로 구분하여 분석하였으며, 기후변화에 따른 재배시기 조정여부는 최적파종기를 기준으로 설정하였는데, 출수 후 40일간의 평균온도가 22.5가 되는 파종기를 지역별 최적파종기로 설정하였다. 기상자료는 1981~2010년을 기준년도로 하여 기상연구소에서 제작한 2011~2100년 기간의 3개 평년(2011~2040, 2041~2070, 2071~2100)의 A1B 기후시나리오에 근거하여 일별 기후자료로 작성하였으며, 생육모의 조건은 기준년도(1981~2010)를 기준으로 온도 및 $CO_2$ 농도만 변화를 주거나 기후변화에 따라 온도, $CO_2$ 농도 및 재배시기 등 다양한 변화를 주었다. 생육모의 결과 기준년도(1981~2010)를 기준으로 온도만 변화를 주었을 경우 $1^{\circ}C$ 온도 상승에 따라 벼 수량은 6.7~10.6%까지 감소하였으며, $CO_2$ 농도만 변화를 주었을 때는 100ppm $CO_2$ 농도 증가에 따라 1.0~2.7% 증가하였다. 벼 생산성은 벼 생태형 및 기후지대별로 다소 차이가 있었다. 재배시기를 고정하였을 때 기후변화에 따른 벼 수량의 증감율은 조생종에서 -0.3~-23.4, 중생종에서 -1.9~-27.3, 중만생종에서 -1.7~-28.6%이었으며, 재배시기를 조정하였을 때는 조생종에서 3.3~-0.2, 중생종에서 1.8~-5.9, 중만생종에서 2.3~-7.4%로 조중생종에 비해 중만생종의 수량 감소율이 컸으며, 재배시기 조정여부에 따른 벼 생산성 변화의 차이가 컸다. 기상환경 및 재배 요인 중 기후변화에 따른 벼 생산성 변화에 대한 기여도는 기후온난화가 59.8%로 가장 크며, 재배시기 11.8, $CO_2$ 비료효과 9.7, 벼 생태형 1.7%의 순이었다. 온도와 재배시기의 상호작용 효과는 1.5%이었으며, 그 외 모든 상호작용 효과는 1% 이내로 생산성 변화에 거의 영향을 주지 못하였다. 수량관련 생육형질 중 기후변화에 따른 벼 생산성에 대한 기여도는 재배시기가 고정되었을 경우 영화수가 13.5~45.8%, 등숙율이 53.1~86.2%였으며, 재배시기를 변경할 경우 영화수는 46.2~78.3%, 등숙율은 21.6~53.4%로 재배시기 여부에 따른 수량관련 생육형질의 기여도에 큰 차이를 보였으며, 벼 생태형간에도 다소 차이가 있었다. 그러나 임실율은 벼 수량에 거의 영향을 주지 못했다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.