• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.473-473
• /
• 2023

토사재해는 토사로 인해 발생하는 재해로 정의되며, 일반적으로 우기(rainy season)에 주로 발생한다. 또한, 강우로 인해 발생하는 토양침식(soil erosion)과 강우 및 지진에 의해 나타나는 산사태로 인한 토석류(debris flow)가 토사재해의 주요 원인으로 꼽힌다. 이러한 재해로 인하여 하천 및 호소의 수질 저하, 토양유실에 따른 농경지 감소 등 여러 문제가 발생하고 있다. 특히, 댐으로 유입되는 토사는 사수역(dead storage)을 증가시키고, 발전용 댐의 경우 토사재해가 발전설비 마모 등을 일으킴에 따라 발전효율을 감소시키기도 한다. 더욱이, 기후변화로 인하여 강우량 및 강우강도가 증가하고, 최근 한반도에서는 지진의 강도와 빈도 또한 증가함에 따라 토사재해의 잠재적 위험성을 증대시키고 있다. 따라서 댐 유역에서의 토사 유입에 관한 정량적 예측을 포함한 종합적인 댐 토사 관리기술 및 대책이 요구된다. 본 연구에서는 현재 수질 악화로 인해 발전이 중단된 도암댐을 대상으로 댐으로의 토사 유입량을 분석하고자 토양침식과 토석류의 정량적 예측이 가능하고, 각각의 물리적 과정을 고려하는 물리기반 모형을 활용하였다. 토사재해의 주요 원인인 강우와 지진에 대해 미래에 발생 가능한 시나리오를 작성하고, 시나리오별 토사 유입량과 유입 비율을 정량적으로 산정하였다. 본 연구의 결과는 유역 내 토사재해로 인한 피해 예방기술 및 댐 유지관리와 운영을 위한 기초 자료로 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.400-400
• /
• 2021

다양한 기후 연구에서는 지속적인 기후의 변화로 인한 기후 위기는 전지구적으로 아열대화와 사막화를 전망하고 있으며, 우리나라도 기후 변화로 인하여 담수 자원에 악영향을 미치고 있다. 대부분 가뭄은 기본적으로 강수량 부족에 의해 발생되며, 기상변수와 높은 상관관계를 나타내고 있다. 따라서 가뭄을 정량화하기 위한 연구들이 빈번하게 수행되며 다양한 가뭄지수들이 개발되고 있다. 기상학적 가뭄지수인 SPI(Standardized Precipitation Index)와 SPEI(Standardized Precipitation Evapotranspiration Index)는 가뭄 연구에 대표적으로 사용되는 지표이며 특히, SPEI는 강수와 증발산 사이의 물수지에 대한 평균 조건을 고려할 수 있는 것이 장점이다. 미래 가뭄 연구는 CMIP(Coupled Model Intercomparison Project)의 미래 시나리오를 이용하여 연구가 수행되고 있는데 새롭게 개발된 SSP(Shared Socioeconomic Pathways) 시나리오는 미래의 완화와 적응을 기반으로 5개의 시나리오로 구분되며, 사회 및 경제적 요소를 함께 내포하고 있어 현실적인 미래 기후를 예측할 수 있다. 과거 미래 가뭄 연구는 CMIP5의 미래 시나리오인 RCP (Representative Concentration Pathways) 시나리오를 사용한 연구가 대부분이다. 따라서 새롭게 개발된 SSP 시나리오를 이용하여 미래 가뭄 예측 연구가 필요하다. 본 연구는 SSP 시나리오의 중간 단계인 SSP2-4.5와 가장 높은 단계인 SSP5-8.5의 기후 요소를 토대로 사용하여 우리나라 미래 기간의 SPI와 SPEI를 4개(3-, 6-, 9-, 12-month)의 기간으로 구분하여 산정하였다. 시·공간적 분석을 하기 위해 가까운 미래(2025-2060)와 먼 미래(2065-2100)로 구분하였으며, 격자별로 가뭄의 심도와 발생 면적을 분석하였다. 연구 결과로 SPI의 근 미래 극한 가뭄(<-2.0)은 높았으나, 먼 미래는 오히려 전국적으로 가뭄이 줄어들었다. SPEI는 일부 지역에서 적당한 건조상태(-1.5 ~ -1.0)가 산정되었으나, 대부분 극한 가뭄이 발생하였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.239-239
• /
• 2022

기후변화로 인한 홍수패턴 변화로 인해 침수피해 발생 빈도가 증가하고 있다. 특히 2020년에는 기록적인 장기간 폭우로 인해 댐 하류 지역의 수몰피해가 발생한 바 있다. 예상을 벗어난 이상 홍수 발생 시 댐 방류로 인한 하류 지역 피해예측 및 주민 안전을 위해 침수범위를 예측하고 대응하는 것이 필요하다. 남강댐은 인공방수로 운영을 통해 홍수량을 가화천과 분담하는 운영방식을 이용하고 있으나 댐 직하류에는 진주시가 위치하여 홍수방류에 따른 지역 침수구간을 예측하는 것이 중요하다. 따라서 본 연구에서는 재현기간 별 남강댐 홍수 방류량에 대해 남강댐하류~낙동강 합류부 구간의 홍수위 변화 분석 및 침수면적 계산을 수행했다. HEC-RAS를 이용한 남강 본류 수리해석을 위해 2013년 하천기본계획 단면을 이용하였으며, HEC-geoRAS를 이용한 침수면적 계산을 위해 2020년 수치지형도를 이용했다. HEC-RAS 모의를 위한 상류 경계조건은 남강댐 홍수 방류량을 적용하였으며, 하류 경계조건은 빈도 별 홍수위를 적용한 정상상태 모의를 수행했다. 빈도 별 남강댐 홍수 방류량은 남강댐 상류로 유입되는 빈도 별 홍수량에서 남강댐 저류 가능 홍수량을 제외한 유량을 방류하는 시나리오를 가정하여 결정했다. 50년, 80년, 100년, 200년 빈도 홍수량에 대한 홍수위 모의 결과, 우안 지역은 제방고를 초과하는 홍수위가 발생하지 않은 반면 좌안에서는 농경지를 중심으로 하천범람이 발생했다. 특히 80년 빈도 이상 홍수량에 대해 범람지점이 50년 빈도 홍수량에 비해 2배 이상 증가했다. 또한 침수면적을 계산한 결과, 만곡부와 지류 합류부 주변에서 주로 침수가 발생함을 확인할 수 있었다. 빈도 별 침수면적을 비교해보면 50년 빈도의 침수면적을 기준으로 80년, 100년, 200년 빈도에서 각각 9.4%, 18.7%, 53.1% 증가한 침수면적을 나타냈다.

• Journal of the Korean Institute of Electrical and Electronic Material Engineers
• /
• v.35 no.2
• /
• pp.134-142
• /
• 2022

As industry and technology go through advancement, it is hard to search new materials which satisfy various standards through conventional trial-and-error based research methods. Crystal Graph Convolutional Neural Network(CGCNN) is a neural network which uses material's features as train data, and predicts the material properties(formation energy, bandgap, etc.) much faster than first-principles calculation. This report introduces how to train the CGCNN model which predicts the formation energy using open database. It is anticipated that with a simple programming skill, readers could construct a model using their data and purpose. Developing machine learning model for materials science is going to help researchers who should explore large chemical and structural space to discover materials efficiently.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.40-42
• /
• 2012

효율적인 재난관리를 위해서는 재난발생시 신속하고 적절한 대응 및 과학적 원인분석을 통한 재발방지, 재난관리에 소요되는 비용을 최소화하기 위한 노력 등이 필요하다. 재난관리단계별로 분석기반의 선제적 예방, 재난 대비능력 강화, 대응기술의 개발 등을 통해 과학적 재난 원인규명이 가능하고 재해복구에 드는 비용을 줄일 수 있다. 이미 해외 주요 국가들은 융합기술 기반의 선제적 재난 예측 대응 기술 개발과 재난관리비용 절감을 위한 재난관리전략을 수립하여 추진 중에 있다. 이에 본 연구에서는 과거 재난발생 이력을 기반으로 재난관리단계별 조사항목 및 업무절차를 체계화하고 최신과학기술을 적용하여 정보수집 및 재난원인분석을 지원하는 재난관리체계의 고도화 방안을 제안하고자 한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.388-388
• /
• 2020

매년 국지성호우 및 태풍으로 인해 하천 범람이나 저지대침수가 발생하고 있으며 이는 인명 피해 사례로 이어지기도 한다. 피해 발생을 최소화시키기 위해 강우와 유량과 같은 정형데이터로 홍수예보가 이뤄지고 있으나 기존의 정형데이터만 사용하다보니 도심지역이나 소규모 하천에서 인명 피해 예측에 어려움이 있다. 이를 보완하기 위해서는 인구의 유동성을 고려한 비정형데이터를 활용해야 한다. 최근 소셜 네트워크 서비스(SNS)의 사용자가 증가됨에 따라 텍스트나 사진과 같은 다양한 비정형데이터가 생성되고 있다. 이렇게 생성된 데이터는 다양한 분야에서 활용되고 있으며 특히 지진이나 홍수와 같은 재난 발생 시 유용한 데이터로 활용된 사례가 증가하고 있다. 이는 사람들이 GIS와 같은 위치정보나 시간 등을 포함한 다양한 정보를 포함하기 때문이다. 하지만 이렇게 생산된 비정형데이터를 기존 물리적 기반의 수문모형의 데이터로 활용하기에는 많은 한계점이 있다. 따라서 본 연구에서는 SNS 채널을 통해 생성된 비정형 데이터들을 인공신경망모형에 적용하여 하천수위를 예측하였다.

• Proceedings of the KIPE Conference
• /
• 2020.08a
• /
• pp.359-360
• /
• 2020

리튬 이온 배터리가 전기 자동차의 주 동력원으로 사용됨에 따라 배터리의 잔존 수명 예측기술의 중요성이 부각되고 있다. 사용 환경에 적합한 잔존 수명 예측을 위해 전기 자동차의 주행 환경을 모사하여 충전 및 방전이 빈번하게 나타나는 UDDS 프로파일에서 범용적으로 사용할 수 있는 수명 인자를 선정하는 것이 필수적이다. 배터리의 잔존 용량과 가장 상관도가 높은 수명 인자를 선정함으로써, 인공지능 기반 예측 알고리즘의 정확도 향상을 기대 할 수 있으며, 태양광 ESS와 같은 상이한 특성의 어플리케이션에도 범용적인 적용이 가능하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.05a
• /
• pp.431-432
• /
• 2008

정보처리 기술의 발전에 따라 정보기술을 통한 생명과학 문제 해결을 연구하는 생명정보학(bioinformatics) 분야에서도 보다 대용량의 바이오 정보를 처리하게 되었다. 특히 우리 몸을 이루는 핵심 요소인 단백질의 기능 예측 자동화는 다루어야 할 정보량이 매우 방대한 관계로 일찍부터 컴퓨터를 사용한 정보처리 기법이 중요하게 다루어져 왔다. 본 연구에서는 특정 단백질 주변의 미세환경 (microenvironment)에 관한 정보를 수집하고 분석하여 그 기능이 알려진 다른 종류의 단백질 주변의 미세환경과 비교함으로써 기능을 예측하는 방법에 대해 소개한다.

• Korean Journal of Remote Sensing
• /
• v.38 no.3
• /
• pp.299-309
• /
• 2022

Recently, The sea water temperature around Korean Peninsula is steadily increasing. Water temperature changes not only affect the fishing ecosystem, but also are closely related to military operations in the sea. The purpose of this study is to suggest which model is more suitable for the field of water temperature prediction by attempting short-term water temperature prediction through various prediction models based on deep learning technology. The data used for prediction are water temperature data from the East Sea (Goseong, Yangyang, Gangneung, and Yeongdeok) from 2016 to 2020, which were observed through marine observation by the National Fisheries Research Institute. In addition, we use Long Short-Term Memory (LSTM), Bidirectional LSTM, and Gated Recurrent Unit (GRU) techniques that show excellent performance in predicting time series data as models for prediction. While the previous study used only LSTM, in this study, the prediction accuracy of each technique and the performance time were compared by applying various techniques in addition to LSTM. As a result of the study, it was confirmed that Bidirectional LSTM and GRU techniques had the least error between actual and predicted values at all observation points based on 1 hour prediction, and GRU was the fastest in learning time. Through this, it was confirmed that a method using Bidirectional LSTM was required for water temperature prediction to improve accuracy while reducing prediction errors. In areas that require real-time prediction in addition to accuracy, such as anti-submarine operations, it is judged that the method of using the GRU technique will be more appropriate.

• The Journal of the Korea Contents Association
• /
• v.21 no.6
• /
• pp.35-43
• /
• 2021

Citrus quality is generally determined by its sugar content and acidity. In particular, sugar content is a very important factor because it determines the taste of citrus. Currently, the most commonly used method of measuring citrus sugar content in farms is a portable juiced sugar meter and a non-destructive sugar meter. This method can be easily measured by individuals, but the accuracy of the sugar content is inferior to that of the citrus NongHyup official machine. In particular, there is an error difference of 0.5 Brix or more, which is still insufficient for use in the field. Therefore, in this paper, we propose an AI model that predicts the citrus sugar content of unmeasured days within the error range of 0.5 Brix or less based on the previously collected citrus sugar content and meteorological data (average temperature, humidity, rainfall, solar radiation, and average wind speed). In addition, it was confirmed that the prediction model proposed through performance evaluation had an mean absolute error of 0.1154 for Seongsan area and 0.1983 for the Hawon area in Jeju Island. Lastly, the proposed model supports an error difference of less than 0.5 Brix and is a technology that supports predictive measurement, so it is expected that its usability will be highly progressive.