• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2007년도 한국우주과학회보 제16권2호
• /
• pp.126.1-126.1
• /
• 2007

• 한국환경생태학회:학술대회논문집
• /
• 한국환경생태학회 2001년도 정기총회 및 학술논문발표회
• /
• pp.98-100
• /
• 2001

• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2001년도 추계학술발표회 초록집
• /
• pp.66-66
• /
• 2001

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2000년도 춘계학술대회 논문집
• /
• pp.183-184
• /
• 2000

도시화가 진행될수록 인구 집중과 고충 건물의 점유 증가를 초래하고 이로 인해 도심내 공장의 증가, 자동차의 폐열량 증가, 겨울철 연료와 여름철 냉방에 의한 에너지 사용량이 증가된다. 이때 방출된 열원으로 인해 도시 열섬의 강도는 커지게 된다. 단위면적에 대해 방출되는 열플럭스가 도시마다 큰 차이를 보이는데(Landsberg, 1981) 시드니 외곽부에 비해 도심내의 연간 에너지 사용량이 360배에 달한다는 것을 보였다. (중략)

• 한국대기환경학회:학술대회논문집
• /
• 한국대기환경학회 2003년도 추계학술대회 논문집
• /
• pp.115-116
• /
• 2003

역전층 현상은 주로 맑은 날 야간 복사냉각에 의해 종종 나타나는 현상으로 사계절 모두 빈번히 존재한다. 하지만 역전층의 발달 정도와 강도 등은 그 날의 일기상태에 의해 크게 좌우되며, 또한 그 지역의 기후 및 지리적인 환경도 중요한 역할을 한다. 본 연구 대상지역인 울산지역은 산업화에 따른 고도성장을 이룬 도시 중 하나로 우리나라 최대공업도시로 잘 알려져 있다. 이와 같은 도시의 야간 역전층 생성 및 발달과정에 있어서 토시 내 인공열의 효과 역시 중요한 요인으로 작용 할 수 있다. (중략)

• 한국농림기상학회:학술대회논문집
• /
• 한국농림기상학회 2012년도 학술발표논문집
• /
• pp.38-40
• /
• 2012

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.1218-1221
• /
• 2022

최근 전세계의 탄소중립 요구에 따른 에너지 효율 증대를 통한 에너지 절감을 위한 효율성 관련 연구가 확대되고 있다. 방송과 미디어 분야에는 에너지 효율이 더욱 시급하다. 이에 본 연구에서는 효율적인 에너지 시스템 구축을 위해 난방 에너지 시계열 데이터를 기반으로 한 수요 예측 모델을 선정하고, 설명하는 인공지능 모델을 도입하여 수요 예측에 영향을 미치는 원인을 파악하는 프레임워크를 제안한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.320-320
• /
• 2019

유역의 수문 자료를 정확하게 분석하는 것은 수리 구조물을 효율적으로 운영하기 위한 중요한 요소이다. 인공신경망(Artificial Neural Networks, ANNs) 모형은 입 출력 자료의 비선형적인 관계를 해석할 수 있는 모형으로 강우-유출 해석 등 수문 분야에 다양하게 적용되어 왔다. 이후 기존의 인공신경망 모형을 연속적인(sequential) 자료의 분석에 더 적합하도록 개선한 회귀신경망(Recurrent Neural Networks, RNNs) 모형과 회귀신경망 모형의 '장기 의존성 문제'를 개선한 장단기메모리(Long Short-Term Memory Networks, 이하 LSTM)가 차례로 제안되었다. LSTM은 최근에 주목받는 딥 러닝(Deep learning) 기법의 하나로 수문 자료와 같은 시계열 자료의 분석에 뛰어난 성능을 보일 것으로 예상되며, 수문 분야에서 이에 대한 적용성 평가가 요구되고 있다. 본 연구에서는 인공신경망 모형과 LSTM 모형으로 유출량을 모의하여 두 모형의 성능을 비교하고 향후 LSTM 모형의 활용 가능성을 검토하고자 하였다. 나주 수위관측소의 수위 자료와 인접한 기상관측소의 강우량 자료로 모형의 입 출력 자료를 구성하여 강우 사상에 대한 시간별 유출량을 모의하였다. 연구 결과, 1시간 후의 유출량에 대해서는 두 모형 모두 뛰어난 모의 능력을 보였으나, 선행 시간이 길어질수록 LSTM의 정확성은 유지되는 반면 인공신경망 모형의 정확성은 점차 떨어지는 것으로 나타났다. 앞으로의 연구에서 유역 내 다양한 수리 구조물에 의한 유 출입량을 추가로 고려한다면 LSTM 모형의 활용성을 보다 더 확장할 수 있을 것이다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제14권3호
• /
• pp.40-46
• /
• 2009

독립영양 황탈질 미생물 Thiobacillus denitrificans를 이용한 질산염 오염지하수 정화 기술을 개발하고자, 3열의 관정형 반응벽체(길이 $\times$ 너비 $\times$ 깊이 = $3m\;{\times}\;4\;m\;{\times}\;2\;m$)를 한국농어촌공사 수리시험장(길이 $\times$ 너비 $\times$ 깊이 = $8m\;{\times}\;4\;m\;{\times}\;2\;m$)에 설치하고 현장적용성을 검토하였다. 전자공여체로 총 80 kg의 황입자를, 탈질미생물로 Thiobacillus denitrificans를 준비하였다. 황입자 표면에 Thiobacillus denitrificans를 부착하는 1톤 용량 물통 실험에서, Thiobacillus denitrificans는 질산염 농도 375 mg/L(6.1 mM)의 오염수를 11일 경과 후 ~12% (0.7 mM), 18일 경과 후 ~24%(1.3 mM), 32일 경과 후 ~45%(2.4 mM), 그리고 부착 종료 시(60일)까지 ~52%(2.8 mM)를 제거하며 황입자 표면에 성공적으로 부착 증식하였다. 이후, Thiobacillus denitrificans가 부착된 황입자를 3열의 관정형 반응벽체(각 열 간격 1 m)에 주입하여 황탈질 미생물 관정형 반응벽체를 설치하였다. 초기 질산염 농도 평균 181 mg/L 인 인공오염지하수에 대하여 28일 간 1차 정화실험을 실시하였고, 평균 281 mg/L 인 인공오염지하수에 대하여 14일 간 2차 정화실험을 실시하였다. 1차 실험의 인공오염지하수(2.9 mM)는 1열 반응 후 ~2%(0.06 mM), 2열 반응 후 ~9%(0.27 mM), 3열 반응 후 ~15%(0.44 mM)의 질산염이 제거되었다. 2차 실험의 인공오염지하수(4.5 mM)는 1열 반응 후 ~1%(0.02 mM), 2열 반응 후 ~6%(0.27 mM), 3열 반응 후 ~8%(0.37 mM)가 제거되었다. 실험 기간 중 인공오염지하수의 주입용량은 $1.24\;m^3/d$, 유속은 0.44 m/d를 유지하였고, pH는 6.7~8.3, DO는 0.9~2.8 mg/L 범위로 큰 변화가 없었다. 본 관정형 반응벽체 실험의 낮은 정화효율의 원인은 인공오염지하수에 대한 Thiobacillus denitrificans의 탈질 소요 시간 부족, 관정형 반응벽체의 개별 관정사이로 빠져나가는 인공오염지하수체, 그리고 질산염 환원효소의 활성 및 생성을 억제시키는 용존산소의 상대적으로 높은 농도 때문으로 추정된다. 황탈질 관정형 반응벽체의 현장적용시에는 탈질반응에 필요한 체류시간, 관정형 반응벽체의 개수 및 간격, 그리고 용존산소 농도 등 해당 오염부지의 고유 특성을 고려한 설계가 필요하다.

• Korean Chemical Engineering Research
• /
• 제59권4호
• /
• pp.532-541
• /
• 2021

최근 인공지능에 대한 관심이 높아짐에 따라 화학공정분야에서도 인공지능을 활용한 연구가 많아지고 있다. 그러나 인공지능 기반 모델이 충분히 일반화되지 않아 학습에 이용되지 않은 새로운 데이터에 대한 예측률이 떨어지는 과적합 현상이 빈번하게 일어나고 있으며, 교차검증은 과적합을 해결하는 방법 중 하나이다. 본 연구에서는 2,3-BDO 분리 공정 온도 예측 모델의 초매개변수 중에서 배치 개수와 반복횟수를 조정하기 위해 시계열 교차검증을 적용하고 일반적으로 사용되는 K 겹 교차검증과 비교하였다. 결과적으로 K 겹 교차검증을 사용했을 때 보다 시계열 교차검증 방식을 사용했을 때 MAPE는 0.61% 증가한 반면 RMSE는 9.06% 감소하였고 학습 시간은 198.29초 적게 소요되었다.