• 한국환경과학회지
• /
• 제4권2호
• /
• pp.121-139
• /
• 1995

Based on the Results of Marine Meteorological and Oceanographical Observations (1966 -1987), the phenomenon of chimney is found as a candidate for the formation of the Japan Sea Proper Water (JSPW). The chimney phenomenon occurs twelve times Inuring 1966∼ 1987. The water types in the chimney denoting the deep convection are similar to those of the JSPW 0∼ 1℃ in potential temperature, 34.0∼34.1 ‰ in salinity and 68∼80 cl/t in potential thermosteric anomaly from the sea surface to the deep layer. The static stabilities in the chimney stations are unstable or neutral. This indicates that the winter time convection occurs. The JSPW sunken from the surface layer of chimney in winter spreads out under the Tsushima Warm Current area, following the isosteric surface of about 76 cl/t in Potential thermosteric anomaly. The formation of the deep water of the JSPW is mainly affected by the cooling of the sea surface than the evaporation of winds because the temperature and the salinity on the isoteric surface of about 76 cl/t in potential thermosteric anomaly ate cold and low The phenomenon of chimney occurred in here and there of the area in the north of 40" 30'N, west of 138" E. This suggests that the deep water of the JSPW is formed not in a limited area but probably in the overall region of the northern open ocean.

• 한국안광학회지
• /
• 제3권1호
• /
• pp.269-277
• /
• 1998

$Li_2B_4O_7$의 완화현상은 이온 깡총뛰기에 의한 것과, 공간전하에 의한 완화현상의 두 가지 종류가 나타나며 이들의 완화시간은 실온 이상에서 모두 $10^2sec$보다 짧은 것으로 보고되었다. 지금까지 논의되지 않은 매우 낮은 주파수 (mHz 혹은 Hz)에서 나타나는 완화현상을 관찰하기 위하여 $30{\sim}500^{\circ}C$ 온도영역에서 TSDC(Thermally Stimulated Depolarization Current) 특성에 관한 실험과 사각형 파의 바이어스 전압을 인가하였을 때의 유전특성 조사에 의하여 이온 및 전자 trap에 의한 완화특성을 논의하였다. TSDC 조사를 통하여 $Li_2B_4O_7$의 TSDC 전류곡선이 두 개의 anomaly를 갖고 있는 것으로 나타났다. TSDC 에서 나타난 anomaly는 공간전하보다 수천배나 더 긴 완화시간을 갖고 있는 것으로 밝혀졌으며 이 중 저온 쪽의 anomaly는 공간전하 층에 수입된 전자들이 양의 공간전하 층에 trap 되어 공간전하의 재 분포를 방해하는 역할을 하여 trap 되어 있던 전자와 이온이 서로 분리되면서 공간전하의 재 분포가 이루어지는 전도기구에 기인하는 것으로 여겨진다. 또한 고온쪽의 anomaly는 음의 전하운반자가 전극에 흡착되어 나타나는 완화 mechanism으로 생각된다.

• 한국결정성장학회지
• /
• 제20권6호
• /
• pp.249-253
• /
• 2010

A-자리 경함 perovskite $La_{1/3}NbO_3$ 단결정 시편을 제작하여 10~800 K 온도범위에서 유전특성을 조사하였다. 50 K와 650 K 부근에서 유전이상이 나타났으며, 고온영역(약 650 K)에서 유전상수의 thermal hysterisis가 크게 나타났다. 교류전도도 측정으로부터 560~690 K에서 입내 활성화 에너지는 0.43 eV로 가장 낮게 나타났다. 이들의 결과로부터 50 K 부근의 dielectric anomaly는 $Nb^{5+}$-이온의 antiparallel 변위에 기인한 것이며, 650 K 부근의 dielectric anomaly는 $La^{3+}$-이온의 재배열에 기인한 것으로 추측된다.

• 한국환경과학회지
• /
• 제4권5호
• /
• pp.403-411
• /
• 1995

The atmospheric responses to a Sea Surface Temperature Anomaly(SSTA) over the equatorial eastern Pacific Ocean have been investigated using the horizontally fine resolution model based on OSU 2-layer Atmospheric General Circulation Model(AGCM). The SSTAS daring the peak phase of 1982-83 El Nino have been applied to the model as the boundary conditions of the experiment. The model simulates the eastward movement of the rising branch of the Walker circulation. That is, the major features associated with the El Nino such as the increase of the precipitation rate over the center of the Pacific and decrease over the Indonesia, and the 500hPa geopotential height anomaly in the middle latitude are properly describes in the fine resolution model experiment. The model results indicate that this horizontally fine resolution UM can successfully simulate the ENSO anomalies and be more effectivelly used for the study of the climate and the climate changes.

• 한국지역지리학회지
• /
• 제5권2호
• /
• pp.143-153
• /
• 1999

엘니뇨 및 라니냐 현상은 세계 각지에서 일어나는 이상 기상 현상의 중요한 원인으로 밝혀지고 있으며, 우리 나라에 있어서도 이러한 영향을 받고 있다. 특히 지금까지는 주로 엘니뇨와 이상 기상 현상들이 주로 거론되었는데, 엘니뇨의 끝은 곧바로 그 반대 현상인 해수면의 온도가 하강하는 라니냐의 시작으로 이어질지들 모른다는 어두운 전망도 나오고 있는데, 이러한 라니냐가 찾아올 경우 현재의 기상이변 판도는 다시 한번 뒤집어지게 된다. 우리 나라에 있어서도 엘니뇨 및 라니냐는 기상현상에 많은 영향을 미칠 것으로 사료되는 바, 우리 나라의 겨울 기온 및 강수량에 있어 엘니뇨 및 라니냐와의 관련성을 밝히는 것은 우리 나라 겨울 기온의 변동 경향을 밝힘에 있어 중요한 과제로 인식되고 있다. 본 연구에 있어서 우리 나라 겨울의 기온 및 강수량은 엘니뇨와 시계열적인 분석에 있어서는 그 관련을 유추해 볼 수 있으나, 엘니뇨의 감시 해역인 NINO.3과 우리 나라의 기온 및 강수량과의 상관 계수에 의한 상관도는 대체적으로 낮은 편이었고, 우리 나라의 주요 해역의 해수면의 수온과의 상관 계수 역시 낮게 나타났다.

• 해양환경안전학회지
• /
• 제25권6호
• /
• pp.678-686
• /
• 2019

본 연구에서는 인공위성 해수면온도 편차(Sea Surface Temperature Anomaly, SSTA)를 이용하여 한반도 연안해역의 고수온 해역을 추출하고, 국립수산과학원의 고수온속보 발령 문서와 비교하였다. 일일 SSTA 이미지를 이용하여 임계값을 적용하는 고수온 탐지 알고리즘을 제안하였으며, 고수온 주의보는 2℃ 이상, 경보는 3℃ 이상인 것으로 가정하였다. 2017~2018년 7~9월의 일평균 SST를 기반으로 한 편차자료를 사용하였으며, 고수온속보에 사용되는 지역을 대상으로 위성기반 탐지 결과를 9개 영역으로 구분하고 비교하였다. 해역별 고수온 발생 횟수 비교 결과, 수온 관측 부이가 고르게 분포한 남해 연안은 고수온속보와 위성 탐지 횟수가 유사하게 나타났다. 반면에 다른 해역은 위성 탐지 횟수가 약 2배 이상 많았으며, 이는 고수온속보 발령이 해역의 일부 위치 수온만을 고려하기 때문인 것으로 판단된다. 본 연구 결과는 향후 위성기반 연안해역 고·저수온 모니터링 체계 개발에 활용하고자 한다.

• 한국세라믹학회:학술대회논문집
• /
• 한국세라믹학회 2002년도 추계총회 및 연구발표회 초록집
• /
• pp.86.1-86
• /
• 2002

• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2005년도 춘계 학술발표회 논문집
• /
• pp.1211-1218
• /
• 2005

Temperature variation according to space and time on the inner parts of engineering constructions(e.g.: dam, slope) can be a basic information for diagnosing their safety problem. In general, as constructions become superannuated, structural deformation(e.g.: cracks, defects) could be occurred by various factors. Seepage or leakage of water through these cracks or defects in old dams will directly cause temperature anomaly. Groundwater level also can be easily observed by abrupt change of temperature on the level. This study shows that the position of seepage or leakage in dam body can be detected by multi-channel temperature monitoring using thermal line sensor. For this, diverse temperature monitoring experiments for a leakage physical model were performed in the laboratory. In field application of an old dam, temperature variations for water depth and for inner parts of boreholes located at downstream slope were measured. Temperature monitoring results for a long time at the bottom of downstream slope of the dam showed the possibility that temperature monitoring can provide the synthetic information about flowing path and quantity of seepage of leakage in dam body.

• 대기
• /
• 제26권1호
• /
• pp.193-201
• /
• 2016

An anomalous cold-weather period occurred during January 2011 in East Asia, and this study investigates the event by focusing on the blocking phenomena formed at Northeastern Asia. The area of cold weather is determined to represent the characteristic features of abnormal cold temperature. The 2010/11 winter is divided into three periods P1, P2 (cold period), and P3. For the cold area ($30-50^{\circ}N$, $115-135^{\circ}E$) the corresponding cold period P2 is determined to be 39 days from 23 December 2010 through 30 January 2011. During P1 and P3 temperature anomalies from the climatological mean are small with large standard deviation compared to those of P2, which has large negative anomaly and small standard deviation. The period P2 is dominated by blocking, which was determined by distributions of 500-hPa geopotential height and potential temperature on the 2 PVU surface. Correlation-coefficient analyses show that during P2 the temperature in the cold area is related with pressure of Northeastern Asia, while the temperature during P1 and P3 is related with pressure of Northwest of Korea. Also, during P1 and P3 the temperature pattern shows eastward propagation, but during P2, a stationary pattern. All the observations imply that, during the cold period P2, the temperature in the cold area is related with blocking in Northeastern Asia. During P1 and P3 temperature pattern is related with 500-hPa geopotential height in Siberia, and this relationship is also observed in the climatological mean state.

• 한국컴퓨터정보학회논문지
• /
• 제27권11호
• /
• pp.19-27
• /
• 2022

본 연구에서는 시계열 데이터 이상 탐지 수행을 위한 MLOps(Machine Learning Operations) 워크플로를 기술하고 관리할 수 있는 언어와 플랫폼을 제안한다. 시계열 데이터는 IoT 센서, 시스템 성능 지표, 사용자 접속량 등 많은 분야에서 수집되고 있다. 또한, 시스템 모니터링 및 이상 탐지 등 많은 응용 분야에 활용 중이다. 시계열 데이터의 예측 및 이상 탐지를 수행하기 위해서는 분석된 모델을 빠르고 유연하게 운영 환경에 적용할 수 있는 MLOps 플랫폼이 필요하다. 이에, 최근 데이터 분석에 많이 활용되고 있는 Python 기반의 AMML(AI/ML Modeling Language)을 개발하여 손쉽게 MLOps 워크플로를 구성하고 실행할 수 있도록 제안한다. 제안하는 AI MLOps 플랫폼은 AMML을 이용하여 다양한 데이터 소스(R-DB, NoSql DB, Log File 등)에서 시계열 데이터를 추출, 전처리 및 예측을 수행할 수 있다. AMML의 적용 가능성을 검증하기 위해, 변압기 오일 온도 예측 딥러닝 모델을 생성하는 워크플로를 AMML로 구성하고 학습이 정상적으로 수행됨을 확인하였다.