• 한국초전도ㆍ저온공학회논문지
• /
• 제10권1호
• /
• pp.37-41
• /
• 2008

본 연구에서는 초고속 자기부상열차의 개발을 위한 기초연구의 성격을 가지고 있는 고온초전도 자기부상자석의 최적 설계를 수행하였다. 고온초전도 자기부상자석은 임계전류, 발생자장, 지상도체 등을 고려하여야 하는데 3차원 수치해석법을 이용하여 권선의 구조를 설계하였다. 권선의 형태로써 더블팬케이크형 고온초전도 권선을 선택하였으며 일정한 길이의 초전도선으로 최적의 부상조건을 가지는 구조를 도출하였다. 본 연구에서 제시한 조건은 총 800m 고온초전도선을 사용하는 가정 하에 piece length 400m로 내경 100mm인 더블팬케이크형 코일 2개를 제작하여 직렬로 연결한 부상자석이다. 제작한 자석의 인덕턴스는 279.4mH였으며 임계전류는 42A 였다. 인덕턴스, 발생자장 모두 설계 시 제시한 계산 값과 일치하는 결과를 보여주었으므로 본 연구는 성공적으로 수행되었다고 할 수 있으며 본 결과는 향후 초전도 자기부상자석의 설계에 기초자료로 활용될 수 있을 것이다.

• 한국지반공학회논문집
• /
• 제25권12호
• /
• pp.13-25
• /
• 2009

본 연구에서는 확률론적 해석에 지반의 공간적 변동성을 고려하기 위한 해석 절차를 제시하였다. 제안된 방법은 한계평형법을 이용하는 결정론적 해석방법을 지반정수의 불확실성과 공간적 변동성을 고려할 수 있도록 확률론적 사면안정 해석으로 확장한다. 개발된 방법은 랜덤유한요소해석법과 같이 미리 임계파괴면을 가정하지 않으면서도 계산시간을 단축할 수 있다는 장점이 있다. 지정된 입력 확률분포함수와 자기상관함수를 따르는 2차원의 랜덤필드를 생성하기 위하여 Karhunen-Lo$\grave{e}$ve 전개법을 사용하였으며, 생성된 랜덤필드를 이용하여 확률론적 응답을 얻기 위해 Monte Carlo 시뮬레이션을 수행하였다. 개발된 해석기법의 적용성을 검토하고 지반정수의 공간적 변화가 확률론적 안정해석에 미치는 영향을 검토하기 위해 예제해석을 수행하였으며, 해석결과는 제안된 방법이 지반물성의 공간적 변동성에 따른 다양한 사면파괴 형태를 확률론적 사면안정 해석에 효과적으로 고려할 수 있음을 보여준다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.148-148
• /
• 2020

산업의 고도화가 진행됨에 따라 화학원료의 사용이 증가하고 있고 독성을 가진 화학물질이 하천으로 유입되는 사고가 빈번하게 발생하고 있다. 수환경으로 유입되는 유해화학물질은 주로 무색무취의 물질들로 사고가 발생하더라도 초기 발견이 어려워 어류폐사를 유발하거나 취수시설에서 용수로 취수되는 경우가 발생하기 때문에 이에 대한 대응책 마련이 필수적이다. 하천에 유입된 오염물질의 거동을 신속하게 예측하기 위해 1차원 오염물질 추적 모형이 활용되는데, Fickian 이송-분산 모형(Fickian Advection-dispersion equation model; FADE)이 주로 사용되고 있다. 하지만 FADE는 오염물질이 하천 저장대에서 지체되는 현상을 반영하지 못하기 때문에 농도곡선의 왜곡도를 구현하지 못하는 단점을 가지고 있다. 따라서 본 연구에서는 하천저장대모형(River Storage Model; RSM)을 개발하고 이를 국가하천인 감천에 적용하였다. 본 연구에서 개발한 RSM은 분산계수, 본류대 면적, 저장대 면적, 저장대 교환계수의 네 가지 매개변수를 통해서 하천의 물질 저장 및 교환 특성를 구현한 non-Fickian 모형으로서, 생화학반응, 휘발, 흡·탈착항을 추가하여 유해화학물질의 혼합 거동을 정확하게 모의할 수 있도록 개발하였다. 저장대 모형의 매개변수를 산정하기 위해서 하천 유량과 지형자료를 기반으로 HEC-RAS를 모의하여 계산된 수리특성을 입력변수로 사용하였다. 저수기, 평수기, 풍수기 유량을 기준으로 세 경우의 시나리오 모의를 수행하였는데, 5ton의 톨루엔이 김천산업단지에서 감천으로 유입된 경우 약 20km 하류에 위치한 취수장에서 톨루엔의 농도변화를 예측했다. 보존성 물질에 대한 모의 결과, 풍수기의 경우 저수기에 비해 유속이 크기 때문에 취수장에서 20.56시간 먼저 기준농도에 도달하고, 7.21시간 더 짧게 머무는 것으로 나타났다. 유해화학물질의 반응특성에 대한 민감도 분석을 시행한 결과, 생화학적 반감기가 18.98시간보다 길고, 옥탄올-물 분배계수가 2.267 이하인 물질은 생분해 및 흡·탈착 반응에 둔감한 것으로 나타났다. 1m 수심 기준 0.114m/s 이하 유속에서의 하천 수리조건에서는 화학물질의 휘발성을 무시할 수 있는 것으로 밝혀졌다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.130-130
• /
• 2020

수자원장기종합계획에 따르면 전국 지하수위는 지하수 이용의 지속적인 증가와 도시화에 따른 지하수 함양감소 등으로 최근 매년 조금씩 감소하고 있다. 특히, 환경부의 지하수조사연보(2018)에 따르면 남한강하류 중권역은 한강수계 전체 지하수 사용량의 약 34.5 %를 차지하고 있는 것으로 분석되었으며, 2009년에 비하여 2017년의 지하수위는 1.4 m의 감소 되었다. 본 연구는 한강유역에서 지하수 개발밀도가 높은 이천시에 위치해 있는 복하천 유역(303.8㎢)을 대상으로 지하수위 감소에 따른 기저유량 변동특성을 파악하기 위하여 SWAT-MODFLOW(Soil And Water Assessment Tool-MODFLOW)을 적용하고자 한다. SWAT-MODFLOW는 준분포형 장기유출모형 SWAT과 3차원 분포형 지하수 모의가 가능한 MODFLOW를 연계한 모형이며, MODFLOW만으로는 해결할 수 없는 일별 지하수 함양량의 분포와 SWAT만으로는 계산 불가능했던 지하수위의 시공간 분포를 보완하여 재생함으로써 두 모형의 한계를 극복한 모델이다. SWAT의 검보정 결과로서는 RMSE는 10.6 mm/day, NSE는 0.72, R²는 0.69 효율이 나타났으나, 지하수 유출이 보정되지 않아 MODFLOW의 입력자료인 토양두께(m), 수리전도도(m/day), 비저류량(1/m), 비산출율을 토양통에 따라 분류한 해외논문(Steven et.al 2005) 자료를 산정하여 SWAT-MODFLOW 두모형을 연계한 프로그램에 입력하여 지하수 유출을 보완하였고 SWAT과 SWAT-MDFLOW 지하수 유출량 비교뿐만이 아닌 SWAT-MODFLOW의 출력자료인 지하수위 및 지하수 충진량을 검토하였다.

• 대한토목학회논문집
• /
• 제28권4B호
• /
• pp.429-439
• /
• 2008

본 연구에서는 잠제의 제원(천단수심, 천단폭, 사면경사, 제장)에 따라 해빈상을 전파하는 풍파의 처오름 높이 변화특성을 논의하기 위하여, 기존의 수리모형 실험치와 계산치를 비교 검토를 통해 타당성과 유효성이 검증된 수치모델로서, 파 투과성구조물 해빈의 상호간섭을 직접 해석할 수 있는 3D-수치모델(LES-WASS-3D; 허와 이, 2007)을 이용하여 잠제 2기의 제원에 따른 수치시뮬레이션을 실시하였다. 그 결과 천단수심, 천단폭, 사면경사, 제장의 변화가 연안에서의 처오름 높이에 미치는 영향에 관하여 검토하였으며, 아울러, 잠제 주변의 파고분포 및 상층흐름특성과의 관계에 대해서도 논의하였다.

• 대한토목학회논문집
• /
• 제28권3B호
• /
• pp.345-354
• /
• 2008

본 연구에서는 잠제의 평면배치형상(이안거리, 개구율)에 따라 해빈상을 전파하는 풍파의 처오름 높이 변화특성을 논의하기 위하여, 파 투과성구조물 해빈의 상호간섭을 직접해석할 수 있는 3D-수치모델(LES-WASS-3D; 허와 이, 2007)을 이용하였다. 먼저, 기존의 수리모형 실험치와 본 연구의 계산치를 비교 검토하여 이용한 수치모델의 타당성 및 유효성을 검증한 후, 잠제 2기의 평면배치의 변화에 따른 수치시뮬레이션을 실시하였다. 결과로서 얻어진 잠제 주변의 파고분포 및 상층흐름 특성 등과 관련하여 연안에서의 처오름 높이를 검토한 결과, 처오름 높이 감소에 효율적인 잠제의 이안거리는 $Y/L_i=1.50{\sim}1.75$, 개구율은 $W/L_r=0.50$인 것을 확인하였다.

• 한국의학물리학회지:의학물리
• /
• 제26권4호
• /
• pp.286-293
• /
• 2015

본 연구의 목적은 폐암의 정위체부방사선 치료 환자에 대하여 정위체부고정기구 사용 유무에 따른 셋업 정확성을 비교 평가하고자 한다. 본원에서 정위체부방사선치료를 받은 총 40명의 환자를 대상으로, 정위체부고정기구를 기반으로 한셋업 방식의 환자군 20명과 고정기구 없이 Wing board를 사용한 환자군 20명으로 구분하여 각 셋업오차를 비교, 분석 하였다. 폐암의 정위체부방사선치료는 총 4~5회에 걸쳐 48~60 Gy 조사되었다. 매 치료 전, 먼저 레이저를 이용하여 환자를 치료중심점에 위치시킨 후 On-board kV 영상장치를 이용하여 2차원 직각영상을 얻어 척추를 기준으로 환자의 위치를 조정한 다음, 3차원 체적 영상을 획득 하여 종양의 위치를 치료중심점에 일치시키고, 마지막으로 호흡에 의한 종양의 위치 확인 및 조정을 위해 2차원 직각 투시영상을 이용하였다. 각 과정에서 얻은 테이블 이동 및 회전 값을 조사하여, 셋업 군별로 계통오차 및 랜덤오차를 구하였다. 고정기구 사용유무에 따른 통계적 유의성을 검증하기 위하여 계통오차에 대한 t-test 시행을 하였고, 셋업의 재현성의 차이를 보기위해 랜덤오차에 대한 F-test를 시행하였다. 나아가 이러한 셋업 방식의 차이가 셋업 여유분의 크기 결정에 영향이 있는지 여부를 평가하기위해 치료계획체적의 여유분을 계산하여 두 방식의 차이를 비교하였다. 정위체부 고정기구를 사용했을 때의 셋업 오차는 수직방향, 길이방향, 수평방향으로 각각 $0.05{\pm}0.25cm$, $0.20{\pm}0.38cm$, $0.02{\pm}0.30cm$이었다. 반면에, Frameless immobilizer을 사용한 단순 고정방법을 사용했을 때의 셋업 오차는 수직방향에서만 통계적으로 유의하게 $-0.24{\pm}0.25cm$으로 증가함을 보였으나, 길이방향, 수평방향에 대해서는 각각 $0.06{\pm}0.34cm$, $-0.02{\pm}0.25cm$의 작거나 비슷한 결과값을 보였다. 정위체부 고정기구를 사용했을 경우, 수직방향, 수직방향 및 길이방향으로의 여유분은 각각, 0.67 cm, 0.99 cm, 0.83 cm였고, Frameless immobilizer시 수직방향으로 0.75 cm, 길이방향으로 0.96 cm, 수평방향으로 0.72 cm로써 수평방향에서 최대 0.11 cm 차이가 남을 알 수 있었다. 결론적으로 정위체부고정기구를 사용하는 것이 환자 자세 재현성을 향상시켜 셋업 오차를 환자의 전후, 위아래 방향으로의 약 0.1~0.2 cm씩 줄일 수 있을 것으로 평가하였다. 다만 정위체부 고정기구 사용에 따른 시간 소요 및 치료절차의 복잡성에 비해 그 효과는 그리 크지 않았다.

• 한국컴퓨터정보학회논문지
• /
• 제16권2호
• /
• pp.25-31
• /
• 2011

주성분 분석(PCA)은 차원 축소와 특징 추출을 위해 널리 사용되는 기법 중의 하나이지만 자승 오류의 사용으로 인해 잡음에 민감한 단점이 있다. 이러한 잡음 민감성을 개선하기 위해 다양한 방법이 소개되었고 그 중 improved robust fuzzy PCA(RF-PCA2)는 퍼지 소속도를 이용한 반복적 최적화 기법으로 다른 방법에 비해 우수한 성능을 보였다. 하지만 RF-PCA2 역시 국부적인 최적해에 빠질 수 있으며 그 원인 중 하나는 RF-PCA2 알고리듬이 소속도를 균일한 값으로 초기화시키기 때문이다. 또한 퍼지 소속도를 사용하고 있지만 여전히 목적함수가 자승 오류 최소화에 기초하고 있다는 사실도 그 원인이 된다. 이 논문에서는 RF-PCA2의 이러한 문제점을 개선한 RF-PCA3를 제안한다. 제안하는 알고리듬은 RF-PCA2의 목적 함수를 바탕으로 하고 있다. 여기에 PCA의 목적 함수를 추가하고 초기 소속도 값을 데이터의 분포로부터 계산함으로써 전역 최적해에 가까운 해를 얻을 수 있는 가능성을 높여준다. 이러한 사실들은 실험 결과를 통해 확인할 수 있다.

• 한국산학기술학회논문지
• /
• 제18권4호
• /
• pp.391-397
• /
• 2017

최근의 DIC (Digital Image Correlation) 기술은 인장 시험 중 동적 변형을 측정하는 데 사용되고 있다. 표준 인장 시험 방법은 진응력 - 진변형 곡선을 계산하기 위해 두 표점 거리 간 측정된 평균 변위를 사용한다. 따라서, 진응력 곡선은 균일 연신 구간, 즉 네킹 변형 시작점까지만 유효하다. 반면에, DIC를 사용한다면, 전체 측정 영역에서 국부 변형을 측정할 수 있기 때문에 변형률 및 변형률 속도의 유효한 범위가 인장 시편이 파단될 때까지 확장될 수 있다. 이러한 장점 때문에 연구 및 산업 분야에서 많은 광학 3D 측정 시스템이 도입되고 사용되었지만 기존의 3D 측정 시스템은 측정하기에 너무 비싸고 시간이 많이 소요된다. 또한 장비 크기로 인해 휴대가 불편한 단점이 존재한다. 본 논문에서는 기존의 스마트 폰을 이용한 2D DIC 측정 방법과 수치 해석 기법을 사용하여 2D 측정 영상 데이터의 오차를 개선한 2D 영상 보정 방법을 수행 하였다. 2D DIC 수정 제안 된 방법의 결과는 3D 측정 장비의 정확도에 비해 더 높은 정확도를 보였다. 결론적으로, 제안 된 2D DIC 및 보정 방법이 정확하고 신속한 측정 결과를 제공한다는 것이 입증되었다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.