• Journal of the Computational Structural Engineering Institute of Korea
• /
• v.29 no.6
• /
• pp.577-582
• /
• 2016

In this study, a multiscale method for solving a thermoelasticity problem for interphase in the polymeric nanocomposites is developed. Molecular dynamics simulation and finite element analysis were numerically combined to describe the geometrical boundaries and the local mechanical response of the interfacial region where the polymer networks were highly interacted with the nanoparticle surface. Also, the micrmechanical thermoelasticity equations were applied to the obtained equivalent continuum unit to compute the growth of interphase thickness according to the size of nanoparticles, as well as the thermal phase transition behavior at a wide range of temperatures. Accordingly, the equivalent continuum model obtained from the multiscale analysis provides a meaningful description of the thermoelastic behavior of interphase as well as its nanoparticle size effect on thermoelasticity at both below and above the glass transition temperature.

• LP가스
• /
• s.67
• /
• pp.26-32
• /
• 2000

도심지내에 위치한 부천 LPG충전소 사고 조사를 통하여 가장 피해효과가 큰 탱크로리 폭발에 따른 결과를 분석하였다. 분석범위는 BLEVE 현상에 의한 방출열과 과압이 충전소 주변에 위치한 구조물이나 인체에 미치는 영향을 대상으로 실제 현장조사를 통하여 수집된 피해결과와 이론적인 모델(PHAST-Process Hazad Analysis Software Tools) 분석 결과를 비교하였다. 부천 LPG 충전소 폭발 사고의 피해효과는 방출열의 경우 두 가지 모두 큰 차이를 보이지 않았으나 과압의 경우, 실제 피해는 이론적 모델 분석결과의 약 15%정도에 해당하는 축소된 거리에서 나타났다. 또한 충전소 인근에 위치한 구조물에 대한 피해효과는 부분적으로 과압에 의한 균열 및 붕괴 현상보다는 열 효과에 의한 콘크리트 강도 저하와 성상변화가 크게 나타났다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.509-512
• /
• 2021

최근 다양한 시계열 데이터의 분석이 딥러닝 방법을 통하여 수행되고 있다. 주로 RNN과 LSTM을 이용하여 많은 시계열 예측이 이루어지고 있다. 하지만 이러한 예측모델을 생성하는데 가장 중요한 것은 어떠한 변수를 얼마나 사용하는지가 중요하다. 이에 대하여, 본 연구에서는 3개의 신경망을 적용하여, 속성을 선택하는 Selection MLP, 속성에 가중치를 부여하는 Extraction MLP 그리고 예측을 진행하는 Prediction MLP로 이루어진 MLP-SEL 구조를 제안한다. 비교를 위하여 다른 순환 신경망에 대하여 시계열 데이터에 대한 예측을 진행하였으며, 그 결과 우리가 제안한 MLP-SEL 모델의 시계열 예측이 좋은 성능을 보였다.

• Korean Journal of Optics and Photonics
• /
• v.27 no.6
• /
• pp.218-222
• /
• 2016

The thermal characteristics of a laser diode TO package has been analyzed using a commercial computational fluid dynamics (CFD) tool, and the thermal bypass structure was optimized. Comparison of device temperature and the estimated thermal resistance of the resultant structure showed that the bypass structure relieved the thermal bottleneck, and improved the thermal characteristics quite efficiently.

• 한국어정보학회:학술대회논문집
• /
• 2016.10a
• /
• pp.20-24
• /
• 2016

Sequence-to-sequence 모델은 입력열을 길이가 다른 출력열로 변환하는 모델로, 단일 신경망 구조만을 사용하는 End-to-end 방식의 모델이다. 본 논문에서는 Sequence-to-sequence 모델을 한국어 구구조 구문 분석에 적용한다. 이를 위해 구구조 구문 트리를 괄호와 구문 태그 및 어절로 이루어진 출력열의 형태로 만들고 어절들을 단일 기호 'XX'로 치환하여 출력 단어 사전의 수를 줄였다. 그리고 최근 기계번역의 성능을 높이기 위해 연구된 Attention mechanism과 Input-feeding을 적용하였다. 실험 결과, 세종말뭉치의 구구조 구문 분석 데이터에 대해 기존의 연구보다 높은 F1 89.03%의 성능을 보였다.

• Annual Conference on Human and Language Technology
• /
• 2016.10a
• /
• pp.20-24
• /
• 2016

Sequence-to-sequence 모델은 입력열을 길이가 다른 출력열로 변환하는 모델로, 단일 신경망 구조만을 사용하는 End-to-end 방식의 모델이다. 본 논문에서는 Sequence-to-sequence 모델을 한국어 구구조 구문 분석에 적용한다. 이를 위해 구구조 구문 트리를 괄호와 구문 태그 및 어절로 이루어진 출력열의 형태로 만들고 어절들을 단일 기호 'XX'로 치환하여 출력 단어 사전의 수를 줄였다. 그리고 최근 기계번역의 성능을 높이기 위해 연구된 Attention mechanism과 Input-feeding을 적용하였다. 실험 결과, 세종말뭉치의 구구조 구문 분석 데이터에 대해 기존의 연구보다 높은 F1 89.03%의 성능을 보였다.

• Journal of Korean Tunnelling and Underground Space Association
• /
• v.10 no.4
• /
• pp.313-327
• /
• 2008

Thermo-mechanical coupled behavior of an underground structure during a fire accident have not been fully understood yet. Moreover, when such a thermo-mechanical coupled behavior is not considered in numerical analyses based on conventional heat transfer theory, fire-induced damage zone in an underground structure can be considerably underestimated. This study aims to develop a FEM-based numerical technique to simulate the thermo-mechanical coupled behavior of an underground structure in a fire accident. Especially, an element elimination model is newly proposed to simulate fire-induced structural loss together with a convective boundary condition. In the proposed model, an element where the maximum temperature calculated from heat transfer analysis is over a prescribed critical temperature is eliminated. Then, the proposed numerical technique is verified by comparing numerical results with experimental results from real fire model tests. From a series of parametric studies, the key parameters such as critical temperature, element size and temperature-dependent convection coefficients are optimized for the RABT and the RWS fire scenarios.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.38 no.12
• /
• pp.1232-1239
• /
• 2010

A high-resolution electro-optical camera (EOS-C Ver.3.0), the mission payload of an Earth observation satellite, is under development in Satrec Initiative. We designed this system to give improved thermal performance compared with the EOS-C Ver.2.0 which is the main payload of DubaiSat-1 by optimizing the active and passive thermal control design. We developed the Structural-Thermal Model (STM) and verified the design margin by performing the qualification level thermal vacuum test. We also conducted the verification of its Thermal Mathematical Model (TMM) through the thermal balance test. As a result, it was confirmed that TMM faithfully represents the thermal characteristics of the EOS-C Ver.3.0.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.539-540
• /
• 2022

본 논문에서는 정확한 장기 시계열 예측을 위해 시계열 데이터의 다양한 스케일 (시간 규모)에서 표현을 학습하는 트랜스포머 모델을 제안한다. 제안하는 모델은 시계열의 다중 스케일 특징을 추출하고, 이를 트랜스포머에 반영하여 예측 시계열을 생성하는 구조로 되어 있다. 스케일 정규화 과정을 통해 시계열의 전역적 및 지역적인 시간 정보를 효율적으로 융합하여 종속성을 학습한다. 3 가지의 다변량 시계열 데이터를 이용한 실험을 통해 제안하는 방법의 우수성을 보인다.

• Journal of Energy Engineering
• /
• v.28 no.4
• /
• pp.82-93
• /
• 2019

In this study, a new model is proposed to improve the problem of the decline of predict rate of heat demand on a particular date, such as a public holiday for the conventional heat demand forecasting system. The proposed model was the Four Season Mixed Heat Demand Prediction Neural Network Model, which showed an increase in the forecast rate of heat demand, especially for each type of forecast date (weekday/weekend/holiday). The proposed model was selected through the following process. A model with an even error for each type of forecast date in a particular season is selected to form the entire forecast model. To avoid shortening learning time and excessive learning, after each of the four different models that were structurally simplified were learning and a model that showed optimal prediction error was selected through various combinations. The output of the model is the hourly 24-hour heat demand at the forecast date and the total is the daily total heat demand. These forecasts enable efficient heat supply planning and allow the selection and utilization of output values according to their purpose. For daily heat demand forecasts for the proposed model, the overall MAPE improved from 5.3~6.1% for individual models to 5.2% and the forecast for holiday heat demand greatly improved from 4.9~7.9% to 2.9%. The data in this study utilized 34 months of heat demand data from a specific apartment complex provided by the Korea District Heating Corp. (January 2015 to October 2017).