• 제목/요약/키워드: 김정수

검색결과 2,812건 처리시간 0.03초

PAN 그라프트 공중합 알긴산 나트륨계 고흡수성 수지의 합성과 성질 (Synthesis and Properties of Superabsorbents from Sodium Alginate-g-PAN)

  • 김정수;이영희;김한도
    • 한국섬유공학회:학술대회논문집
    • /
    • 한국섬유공학회 2001년도 가을 학술발표회 논문집
    • /
    • pp.33-36
    • /
    • 2001
  • 고흡수성 고분자는 이온성기를 가진 수용성 고분자에 부분적인 가교결합을 도입하여 일반적으로 카르복실기 이온 (-COO-)등과 같은 친수성기를 다량으로 지닌 3차원 망상구조를 지니는 수용성 고분자이다[1]. 여지껏 물을 흡수하는 목적으로 사용된 흡수소재는 면, pulp, sponge 등이 일반적으로 알려져 있다. 이들은 모세관 현상에 의해 물을 흡수하는 것으로 알려져 있으며, 이들 흡수 재료의 흡수능력은 자기 무게의 수백 배로부터 천 배까지의 물도 흡수하며 외압하에서도 잘 탈수되지 않는 고기능성 고분자이며 그 원리는 다음과 같다. (중략)

  • PDF

KSTAR 전류전송계통 진공배기 시험

  • 우인식;이영주;박영민;송낙형;곽상우;방은남;이근수;김정수;장용복;박현택;김양수;최창호;박주식
    • 한국진공학회:학술대회논문집
    • /
    • 한국진공학회 2007년도 제33회 하계학술대회 초록집
    • /
    • pp.215-215
    • /
    • 2007
  • PDF

As 가스로 표면처리된 Inpp에서의 InAs 형성

  • 박형호;유지범;김정수;곽병화;김상기;이희태;남산;오대곤;권오준;이용탁;이정용
    • 한국진공학회:학술대회논문집
    • /
    • 한국진공학회 1992년도 제3회 학술발표회 논문개요집
    • /
    • pp.23-27
    • /
    • 1992
  • PDF

KSTAR 리드박스 설계 및 제작

  • 송낙형;이영주;박영민;곽상우;방은남;이근수;김정수;장용복;우인식;박현택;김양수;박주식
    • 한국진공학회:학술대회논문집
    • /
    • 한국진공학회 2006년도 제31회 학술논문발표회 초록집
    • /
    • pp.207-207
    • /
    • 2006
  • PDF

Ni-Fe-P 합금전착에 미치는 Grain Refiner의 영향 (The Effect of Grain Refiner on Ni-Fe-P Alloy Electrodeposition)

  • 서무홍;김동진;김정수
    • 한국표면공학회지
    • /
    • 제36권6호
    • /
    • pp.437-443
    • /
    • 2003
  • The effects of additive(grain refiner, GR) on process efficiency of the Ni-Fe-P alloy electrodeposition and the material properties of the deposit were investigated. Electrochemical properties of the deposits were investigated using polarization and electrochemical impedance techniques, and the material properties of the deposits were characterized through inductively coupled plasma(ICP), spiral contractometer, XRD, SEM and TEM. When the additive was added into the electrodeposition bath, current efficiency, Ni content and corrosion resistance of the deposit increased, whereas residual stress, surface roughness and grain size of the deposit decreased.

상수도계통에서의 세균 분포 및 변화 (Bacterial Distribution and Variation in Water Supply Systems)

  • 박성주;조재창;김상종
    • 미생물학회지
    • /
    • 제31권3호
    • /
    • pp.245-254
    • /
    • 1993
  • 1991년 9월부터 1992년 9월까지 23회에 걸쳐 서울시 구의정수장의 상수도계통 즉 원수와 정수 및 이곳에서 공급되는 단일 배급수계통의 3개 수돗물에서 종속영양세균(heterotrophic plate count : HPC) 과 장내세균(Enterobacteriaceae : total coliforms) 의 분포를 조사하였다. $R_{2}A$ 한천배지에서의 종속영양세균수는 원수 $1.22{\times}10^{3}~3.05{\times}10^{5}$ 정수 $1.50{\times}10^{1}~4.29{\times}10^{3}$, 수돗물 $2~5.41{\times}10^{3}$ cfu/100ml, 수돗물 0-47.5 cfu/100 ml 의 범위였으며, m-T7 한천배지에서의 손상된장내세균을 포함하는 장내세균수는 전수 0-27, 수돗물 0-35 cfu/100 ml/의 범위였다. 이러한 결과로부터 정수장에서 공급된 물이 배급수관을 통하여 공급되면서 종속영양세균 및 장내세균의 개체수가 증가하는 세균재생장 현상이 발생한다는 것을 확인하였다. 종속영양세균의 동정결과 원수, 정수, 수돗물을 포함하는 상수도계통의 물에서는 Peudomonas 와 Acinetobacter 가 우점하였으나, 원수에서는 Pseudomonas 의 비율이, 그리고 정수와 수돗물에서는 Acinetobacter 의 비율이 상대적으로 높은 것으로 나타났다. 장내세균은 Enterobacter agglomerans 가 우점종이었으며, 수돗물에서는 정수에서 검출되지 않았던 Citrobacter freundii, Escherichia coli, Klebsiella pneumoniae, Shigella dysenteriae 등의 기회성 및 병원성 장내세균도 검출되었다.

  • PDF

정수장 전염소 공정제어를 위한 침전지 잔류염소농도 예측 머신러닝 모형 (Machine learning model for residual chlorine prediction in sediment basin to control pre-chlorination in water treatment plant)

  • 김주환;이경혁;김수전;김경훈
    • 한국수자원학회논문집
    • /
    • 제55권spc1호
    • /
    • pp.1283-1293
    • /
    • 2022
  • 본 연구는 정수장의 수처리 공정에서 계측되고 있는 수량 및 수질데이터의 활용과 수처리 공정제어의 지능화를 위한 것으로 정수장에서 전염소 공정이 수반되는 처리공정에서 침전지 유출수 잔류염소농도 안정화를 위하여 이를 추정할 수 있는 모형을 구축하고자 하였다. 정수장 침전지 유출수의 잔류염소농도를 예측하기 위하여 중회귀모형과 인공지능 알고리즘 중 다층퍼셉트론 신경망, 랜덤포레스트 및 장단기기억(Long Short Term Memory; LSTM) 모형을 활용하였고 그 결과를 비교, 평가하였다. 모형의 입력변수로는 전염소 공정이 도입된 정수장에서의 잔류염소농도, 수온, 탁도, pH, 전기전도도, 유량, 알칼리도 등이 사용되었고 전염소에 따른 침전지의 안정적 운영을 위해 요구되는 침전지 잔류염소농도를 출력변수로 구성하였다. 적용 결과에서는 랜덤포레스트 모형이 가장 양호한 결과를 보여 주었으며 다음으로 LSTM, 다층퍼셈트론 신경망 순으로 나타났다. 수학적 모형인 중회귀모형은 적합도 측면에서 가장 낮은 결과를 보여 주었는데, 이는 수량과 수질데이터의 수치적인 규모나 차원의 차이뿐만 아니라 계절별 수질특성에 따라 염소소비 특성이 매우 다양하게 반응하기 때문으로 판단된다. 따라서 정수장 수처리 공정에서 인공지능 알고리즘의 적용을 위해서는 랜덤포레스트와 같이 의사결정 트리구조의 도입과 적용이 타당한 것으로 나타났다. 본 연구에서 분석된 결과를 근거로 전염소 공정이 도입된 정수장 수처리 공정에서 염소주입량을 실시간으로 예측 가능하게 함으로써 침전지 유출수에서 잔류염소농도를 일정하게 유지하는데 기여할 수 있을 것으로 기대된다.