• Journal of the Korean Wood Science and Technology
• /
• 제49권3호
• /
• pp.213-225
• /
• 2021

본 논문에서는 열수 탄화(hydrothermal carbonization)에 의해 제조된 리그닌 하이드로차의 탄화 특성을 조사하였고, 근적외선 분광법과 부분 최소 제곱(partial least squares) 회귀를 이용하여 탄화 거동을 예측하기 위한 모델을 수립하였다. 온도 200℃에서 열수 탄화된 리그닌의 탄소 함량은 무처리 시료 보다 약 3 wt% 높았으며 가열 시간이 증가할수록 탄소 함량도 서서히 증가하는 경향이 나타났다. 열수 탄화는 리그닌을 더욱 탄소 집약적으로 변화시키고 마이크로 파티클을 제거하여 더욱 균질한 특성을 부여하였다. 근적외선 분광법과 부분 최소 제곱 회귀를 이용한 판별 및 예측 모델은 수열 탄화의 적용 여부를 완벽히 구분했으며 높은 정확도로 열수 탄화 리그닌의 탄소 함량을 예측하였다. 본 연구로부터 근적외선 분광법과 결합된 부분 최소 제곱 회귀 모델을 이용하여 열수 탄화에 의해 제조된 리그닌 하이드로차의 탄화 특성을 빠르고 비파괴적으로 예측할 수 있다는 것이 확인되었다.

• 대한원격탐사학회지
• /
• 제37권3호
• /
• pp.395-408
• /
• 2021

본 연구에서는 GIS와 CFD 모델을 이용하여 풍속과 풍향이 건물 화재에 미치는 영향을 조사하였다. 이를 위해, 2020년 10월 8일 울산의 한 아파트에서 발생한 화재 사고에 대한 수치 실험을 수행하였고, 현실적인 기상 조건을 반영하기 위하여 국지기상예보시스템(LDAPS)의 바람과 온위 자료를 초기·경계 자료로 사용하였다. 먼저, 현실적인 경계 조건을 사용하여 두 가지 수치 실험을 수행하였다(규준 실험에서는 건물 화재를 고려하고, 다른 실험에서는 건물 화재를 제외하고는 규준 실험과 동일한 기상 조건 이용). 그런 다음, 규준 실험과 유입 풍속과 방향이 다른 4개의 수치 실험을 추가로 수행하였다. 수치 실험 결과, 발화 지점이 건물 풍상측에 위치할 때에는 화재로 인한 강한 상승 기류가 건물 지붕과 풍하측 지역에 영향을 미쳤다. 또한, 대피층(15층)은 건물 풍상 측 벽면의 화재를 풍하측으로 확산시키는 역할을 했다. 유입 풍속이 약할수록 발화점 주변으로의 화재가 좁게 확산되었지만 건물 위로 화염이 도달하는 고도는 상승했다. 유입 풍향이 반대인 경우, 발화 지점이 풍하측에 위치할 때에는 화염이 건물 풍상 측으로 확산되지 않았다. 본 연구 결과는 풍속과 풍향이 화재가 발생한 건물 주변의 흐름과 온도(화염) 분포에 중요하다는 것을 보여준다.

• 생물환경조절학회지
• /
• 제31권1호
• /
• pp.1-7
• /
• 2022

서부 경남 지역 중 딸기재배로 유명한 지역 40개 농가를 대상으로 한 조사에 따르면 국산품종 중에서 "설향"이 65.0%으로서 가장 선호하고 있는 것으로 나타났다. 그리고 현재의 농업은 4차 산업혁명으로 스마트팜(Smart Farm)의 기술이 더욱 발전하고 있는 실정이다. 그러나 각 생육단계가 어떤 상황일 때 딸기의 생산량이 최적에 달하는지 대한 기준이 없으며, 이러한 판단기준은 아직까지 스마트팜에 경험이 있는 농업인의 의사에 달려있다는 문제점이 있다. 따라서 본 연구에서는 딸기의 생육상황에 대한 생산량 예측을 통해 선진화된 스마트팜 시스템을 구축하고자 한다. 실험 장소는 경상남도 사천시의 딸기 농가에서 수행하였으며, 총 3곳을 대상으로 데이터 수집을 진행하였다. 실험 대상의 모든 온실 내에서 재배하는 딸기의 품종은 '설향'이다. 작물 데이터의 수집 항목은 작물의 엽수, 꽃수, 과실수, 초장, 잎의 길이, 엽록소 함량이며, 환경 데이터의 수집 항목은 온도, 습도, 조도이다. 기존의 농가 단위의 스마트팜의 문제점 보완 및 개선을 통하여 고품질의 작물 생장 상태를 유지하기 위해 K-fold 교차검증, Lasso 회귀분석, MAPE 검증을 통해 예측모델을 도출하였으며, MAPE 검증 결과 값으로 0.511(꽃 예측)과 0.488(과일 예측)의 값이 나타났다. 본 연구는 스마트팜 데이터 구축을 위해서는 AI를 통해 성장상태별 수확량을 예측하였으며, 이를 농가 및 농업 관련 기업에 활용해 농업 서비스가 편리할 것으로 판단된다.

• Ecology and Resilient Infrastructure
• /
• 제9권4호
• /
• pp.282-289
• /
• 2022

한반도의 기후변화가 산림생태계에 미치는 영향을 분석하는 것은 난아열대 산림생명자원 관리에 중요하다. 본 연구에서는 난아열대 목본식물인 소귀나무와 Syzygium buxifolium의 위치자료와 생물기후변수를 수집하고, 수집된 자료를 바탕으로 MaxEnt 모형에 적용하여 잠재분포 영역을 추정하였다. 소귀나무의 분포를 결정하는 주요 환경인자는 가장 따뜻한 분기의 강수와 온도 계절성이고, Syzygium buxifolium의 주요 환경인자는 가장 따듯한 분기의 강수와 가장 습한 분기의 강수로 나타났다. MaxEnt 모형의 행정구역별 결과, 소귀나무는 SSP2-4.5 기후변화 시나리오에서 4.6 - 17.7%의 면적 증가율을 보였고, SSP5-8.5 기후변화 시나리오에서 13.8 - 30.5%의 면적 증가율을 보였다. Syzygium buxifolium는 SSP2-4.5 기후변화 시나리오에서 4.8 - 32.2%, SSP5-8.5 기후변화 시나리오에서 12.9 - 48.6%의 면적 증가율을 보였다. 본 연구는 기후변화 시나리오를 적용하여 난대아열대 식물의 미래 잠재분포 영역을 확인하고 데이터베이스를 구축하는데 의의가 있다.

• 한국지리정보학회지
• /
• 제25권4호
• /
• pp.1-18
• /
• 2022

현재 우리나라 기상청에서는 6개월 누적강수량 기준인 SPI6(standardized precipitation index 6)을 이용하여 기상가뭄을 지역별로 평가하고 있다. 하지만, SPI는 69개 기상관측소의 강수량만을 고려하여 산정되는 지수로 복합적인 이유로 나타나는 가뭄사상은 정확하게 판단하지 못하고 있는 실정이다. 따라서, 본 연구의 목적은 강수량만을 고려한 SPI와 강수량, 식생지수 및 기온을 복합적으로 고려하는 SDCI(Scaled Drought Condition Index)를 경기도 지역을 대상으로 산정 및 비교하고자 하였다. 또한, SPI와 SDCI의 비교를 통해 산정된 결과를 활용하여 지점자료기반 가뭄지수와 위성영상기반 가뭄지수의 장단점을 파악하고자 하였다. SDCI를 산정하기 위해 MODIS(MODerate resolution Imaging Spectroradiometer) 위성영상자료, 종관기상관측(ASOS) 자료 및 크리깅 기법을 사용하였다. 강수량의 지속기간은 2014년의 8개 시점에 대해 1개월, 3개월, 6개월을 각각 적용하여 SDCI1, SDCI3, SDCI6을 산정하였다. SDCI 산정 결과, SPI와 달리 약 두달 전부터 가뭄양상을 나타내기 시작하여 경기도 시군별 가뭄에 대해서 잘 드러냈다. 이를 통해, 위성영상자료와 지점자료의 결합이 가뭄지수 변화 양상에 있어서 효율성을 높였으며, 기존의 건조 지역과 더불어 습윤 지역에 대해 가뭄예측 가능성을 증대시켰음을 파악할 수 있었다.

• 한국습지학회지
• /
• 제24권1호
• /
• pp.25-37
• /
• 2022

기후변화는 예측할 수 없는 변동성이 매우 커지고 있다. 이로인해 생태계, 인류의 생활, 수문학적 순환 등 다양한 시스템에 변화를 가져오고 있다. 특히 최근 예측할 수 없는 기후변화로 인해 극한가뭄 및 집중호우가 자주 발생하며 그로 인해 1차적 재해가 아닌 침수, 퇴사로 인한 수질오염을 유발하는 복합적인 수자원재해가 발생하고 있다. 유역모델로 SWAT를 이용하여 장래 유출량 및 오염부하량을 분석하고 기후시나리오는 기상청 표준 시나리오(HadGEM3-RA)의 RCP4.5 기후시나리오를 정상성 분위사상법을 적용하여 분석하였다. 기후시나리오와 유역모델의 연계모의로 유출량 및 오염부하량 분석을 수행하였고 연계모형의 적용 및 검증과 기후변화에 따른 미래 수질 변화 분석 결과를 최종적으로 제시하였다. 본 연구에서는 인공신경망을 이용하여 기후변화 시나리오를 모의하여 저수지 수질모형인 W2모델을 통한 댐 저수지의 변화와 인공신경망에서의 수온과 탁도의 결과를 비교하였다. 본 연구의 결과로 신경망모형의 장점인 비선형성 및 간편성을 기후변화를 적용한 합천댐 저수지에서의 수온과 탁도 예측에 적용 가능성을 제시하고자 한다.

• 환경생물
• /
• 제41권2호
• /
• pp.101-108
• /
• 2023

본 연구는 온배수가 유입되는 대구시 달서천을 대상으로 틸라피아 산란장의 물리적 서식 환경을 파악하고, 나일틸라피아와 블루틸라피아의 국내·외 분포 및 수온에 따른 잠재적 서식 가능지역을 예측하고자 연구를 수행하였다. 나일틸라피아와 블루틸라피아의 국외 서식 현황을 분석한 결과 원개체군이 서식하는 국가를 중심으로 많은 국가와 섬 지역에 도입되어 서식하고 있는 것으로 확인되었고, 상대적으로 추운 지역인 캐나다, 영국, 러시아 등에서도 서식하는 것으로 나타났다. 국내에서는 곡교천, 달서천, 금호강과 낙동강 일대에 서식하는 것으로 조사되었으며, 온배수 유입으로 인해 겨울철에도 높은 수온을 유지하고 있는 하천으로 확인되었다. 현재 국내에서 틸라피아 개체군이 서식 가능한 지역은 영산강 하류와 낙동강 하류에 국한되어 있으나, 2050년에는 기온상승으로 인해 잠재적 서식 가능지역이 금강, 만경강, 동진강, 섬진강, 태화강, 형산강과 동해로 유입되는 하천과 탐진호, 나주호, 주암호, 상사호, 진양호, 주남저수지, 회동저수지 등 정수역까지 확대될 것으로 예측되었다. 또한 서식 가능지역이 확대되고 틸라피아가 산란할 수 있는 서식처가 증가함에 따라 틸라피아 개체군으로 인해 발생할 수 있는 서식처 교란의 강도가 증가할 것으로 예상된다. 따라서, 잠재적 위해종이며, 기온상승으로 인해 향후 국내 여러 하천에서 서식 가능성을 가지고 있는 틸라피아 개체군 관리를 위해 틸라피아 개체군이 서식하고 있는 하천을 대상으로 중·장기적인 모니터링을 통한 위해성 평가가 수행되어야 할 것으로 생각된다. 또한 개체군 확산 방지를 위한 법적·제도적인 규제가 필요하며, 물리적인 포획, 온배수 수온 감소를 통한 제거 등 다양한 관리방안을 마련하고, 틸라피아 개체군으로 인해 발생할 수 있는 서식처 교란을 최소화하는 것이 필요하다.

• 한국가스학회지
• /
• 제27권2호
• /
• pp.7-15
• /
• 2023

전기식 액중형 펌프 (electrical submersible pump, ESP)는 인공채유 (artificial lift) 기법 중 적용성과 운영 효율이 높아 전 세계 생산정에서 운영되고 있다. 저류층에서 ESP 운영 시 온도·압력, 가스·오일비, 유량 등의 변수는 ESP 성능에 영향을 미치는 요소로서, 특히 생산유체 내 자유 가스 (free gas)는 ESP의 수명 및 운영 효율을 감소시키는 주요 요인에 해당한다. 이에 본 연구에서는 ESP 성능에 영향을 미치는 변수를 정량적으로 분석하고자 현장 운영조건에서 ESP 성능실험과 손상모사 실험이 가능한 환형 유동 시스템 (flow loop system) 을 개발하였다. 개발 장치는 ESP와 튜빙 (tubing)을 하나의 시스템으로 연동시켜 ESP의 고장 및 원인 진단, 튜빙의 누출 특성을 파악할 수 있는 일체형 시스템에 해당한다. 본 연구에서는 ESP 성능 평가와 관련된 단상 유체 (single phase)와 2상 유체 (two phase) 실험을 통해 ESP를 안정적으로 운영하기 위한 유동 조건을 규명하였다. 도출된 결과값은 ESP 고장 예측 및 진단 프로그램 개발을 위한 기본 자료를 제공하며, ESP 운영을 위한 최적 운영 조건 및 고장 진단을 위한 실시간 모니터링에 활용할 수 있을 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.88-88
• /
• 2021

최근 수자원과 수질관리 분야에 자료기반 머신러닝 모델과 딥러닝 모델의 활용이 급증하고 있다. 그러나 딥러닝 모델은 Blackbox 모델의 특성상 고전적인 질량, 운동량, 에너지 보존법칙을 고려하지 않고, 데이터에 내재된 패턴과 관계를 해석하기 때문에 물리적 법칙을 만족하지 않는 예측결과를 가져올 수 있다. 또한, 딥러닝 모델의 예측 성능은 학습데이터의 양과 변수 선정에 크게 영향을 받는 모델이기 때문에 양질의 데이터가 제공되지 않으면 모델의 bias와 variation이 클 수 있으며 정확도 높은 예측이 어렵다. 최근 이러한 자료기반 모델링 방법의 단점을 보완하기 위해 프로세스 기반 수치모델과 딥러닝 모델을 결합하여 두 모델링 방법의 장점을 활용하는 연구가 활발히 진행되고 있다(Read et al., 2019). Process-Guided Deep Learning (PGDL) 방법은 물리적 법칙을 반영하여 딥러닝 모델을 훈련시킴으로써 순수한 딥러닝 모델의 물리적 법칙 결여성 문제를 해결할 수 있는 대안으로 활용되고 있다. PGDL 모델은 딥러닝 모델에 물리적인 법칙을 해석할 수 있는 추가변수를 도입하며, 딥러닝 모델의 매개변수 최적화 과정에서 Cost 함수에 물리적 법칙을 위반하는 경우 Penalty를 추가하는 알고리즘을 도입하여 물리적 보존법칙을 만족하도록 모델을 훈련시킨다. 본 연구의 목적은 대청호의 수심별 수온을 예측하기 위해 역학적 모델과 딥러닝 모델을 융합한 PGDL 모델을 개발하고 적용성을 평가하는데 있다. 역학적 모델은 2차원 횡방향 평균 수리·수질 모델인 CE-QUAL-W2을 사용하였으며, 대청호를 대상으로 2017년부터 2018년까지 총 2년간 수온과 에너지 수지를 모의하였다. 기상(기온, 이슬점온도, 풍향, 풍속, 운량), 수문(저수위, 유입·유출 유량), 수온자료를 수집하여 CE-QUAL-W2 모델을 구축하고 보정하였으며, 모델은 저수위 변화, 수온의 수심별 시계열 변동 특성을 적절하게 재현하였다. 또한, 동일기간 대청호 수심별 수온 예측을 위한 순환 신경망 모델인 LSTM(Long Short-Term Memory)을 개발하였으며, 종속변수는 수온계 체인을 통해 수집한 수심별 고빈도 수온 자료를 사용하고 독립 변수는 기온, 풍속, 상대습도, 강수량, 단파복사에너지, 장파복사에너지를 사용하였다. LSTM 모델의 매개변수 최적화는 지도학습을 통해 예측값과 실측값의 RMSE가 최소화 되로록 훈련하였다. PGDL 모델은 동일 기간 LSTM 모델과 동일 입력 자료를 사용하여 구축하였으며, 역학적 모델에서 얻은 에너지 수지를 만족하지 않는 경우 Cost Function에 Penalty를 추가하여 물리적 보존법칙을 만족하도록 훈련하고 수심별 수온 예측결과를 비교·분석하였다.

• 한국터널지하공간학회 논문집
• /
• 제11권4호
• /
• pp.395-401
• /
• 2009

장대터널의 환기 및 방재시스템 설계시 주요한 요소설계인자 중 하나인 자연환기력은 그 중요성에도 불구하고 관련 영향변수들의 상호관계는 정량화가 매우 복잡하여, 자연환기력에 의한 유입 자연풍에 관한 설계기준을 정량적 근거하에서 제시하고 있지 못하다. 최근 발생한 터널화재에 의한 문제 및 터널 이용자에 의한 보다 나은 공기질에 대한 요구 등으로 터널 환기시스템의 최적화가 시급히 필요하며, 따라서 최적화의 주요 설계인자인 자연환기력에 대한 연구가 절실히 요구된다. 본 연구에서는 국내 최장대 도로터널로 계획된 인제터널(연장 10.9 km)을 대상으로 자연환기력의 예측을 목적으로 하였다. 지형적 요인에 의한 외부풍의 풍압에 기인하는 자연환기력의 최대 가능수준을 예측할 수 있는 기압장벽고의 개념을 적용하여 외부풍에 의한 자연환기력을 추정하고 터널내외부 공기 밀도차로 인한 굴뚝효과에 따른 자연환기력을 동시에 분석하였다.