• 한국산학기술학회논문지
• /
• 제12권11호
• /
• pp.5284-5289
• /
• 2011

본 연구에서는 대학 캠퍼스의 기존 교육시설에 설치된 알루미늄 합금 창의 2차원 정상상태 전열해석을 통한 열관류율(U-value) 평가를 수행하였다. 교육시설의 주요 창호 재료로 적용된 알루미늄은 열전도율이 175 $kca{\ell}/m^2h^{\circ}C$ 정도로 플라스틱 소재의 창틀과 비교할 때, 매우 불리하여 기존 교육시설에 설치된 알루미늄 창호는 열교를 통한 열손실의 주요인으로 지적되고 있다. 본 연구에서는 이러한 점에 착안하여 충남 서산지방에 위치한 대학건물의 알루미늄 알로이 합금 창호의 열관류율 평가에 관한 연구를 수행하여 다음의 해석 결과를 도출하였다. (1) 2차원 정상상태 전열해석을 위한 경계조건은 국토해양부고시 건축물 에너지절약설계기준의 남부지방 냉난방장치의 용량계산을 위한 설계 외기온 기준과 실내온도 기준을 적용하여 여름철 실내 $27^{\circ}C$, 실외 $31.3^{\circ}C$, 겨울철 실내 $21.0^{\circ}C$, 실외 $-9.6^{\circ}C$ 로 설정하고 시물레이션을 통한 해석 결과 열관류율은 알루미늄 합금 창호 U= 9.631 W/$m^2K$, 복층유리 U= 2.382 W/$m^2K$로 여름철과 겨울철 동일한 해석 결과치가 산출되었다. (2) 열관류율 해석결과를 "건축물의 에너지절약설계기준"의 열교차단재가 적용되지 않은 금속제 창의 단열성능 중 일반 복층창 단열성능기준인 U=4.0 W/$m^2K$와 비교할 때, 알루미늄 창틀을 통하여 225%의 열손실이 발생됨을 보여 주고 있다.

• 한국수자원학회논문집
• /
• 제57권8호
• /
• pp.493-507
• /
• 2024

RANS 기반의 CFD 해석은 계산 효율성이 높아 실무 수리해석을 포함한 다양한 공학 분야에서 널리 적용되고 있으나 자유수면과 같이 이상유체흐름 해석에서 비물리적인 거동이 나타나는 문제가 오랫동안 제기되어 왔다. 일반적인 RANS 기반의 해석에서 적용되는 2 방정식 난류 모형은 단상유체를 대상으로 개발되어 유체 밀도의 급격한 변화가 발생하는 이상유체에서는 경계면에서 실제와 다른 높은 난류 에너지 생성을 모의한다. 최근 이를 해결하기 위해 개발된 방법 중의 하나인 부력 수정 난류 모형은 해안 분야에 적용되어 일부 적합성이 검증되었으나 개수로 흐름에 적용된 사례는 없다. 본 연구에서는 오픈 소스 프로그램인 OpenFoam의 VOF 기법을 기반으로 부력 수정 난류 모형의 적용성을 평가하였다. 등류 흐름 적용 결과에 의하면 부력 수정 k-𝜖 모형과 부력 수정 k-ω SST 모형이 자유수면 부근에서의 난류 에너지 저감 현상을 잘 모의함을 확인하였으며, 특히 부력 수정 k-ω SST 모형은 연직 유속 분포를 잘 모의함을 확인하였다. 또한 댐 붕괴 흐름에 적용하여 수면형의 변동이 크고 공동이 형성되는 경우에 대해 검토하였다. 모의 결과 부력 수정 난류 모형은 VOF 기법에 따라 상이한 결과를 나타내며 실험결과와 다른 비물리적인 거동을 나타내었다. 부력 수정 난류 모형이 수면이 안정적인 형태인 경우에는 적용성이 있으나 자유 수면의 급격한 변화가 발생하는 경우에 범용적으로 적용하기에는 여전히 한계가 있는 것으로 나타났다. 수면형이 급격하게 변화하거나 공동이 형성되는 흐름의 경우에는 난류 모형에 대한 적절한 보정이 필요한 것으로 판단된다.

• 한국조경학회지
• /
• 제51권3호
• /
• pp.70-82
• /
• 2023

최근 IT 기술과 데이터의 범람으로 생활 전반적인 부분의 패러다임이 전환되고 있다. 이러한 기술의 발전과 변화는 학술영역에도 영향을 미치고 있다. 학문적 교류와 연계를 통해 연구주제나 연구 방법의 개선이 이루어지고 있다. 특히, 데이터 기반의 연구 방법이 다양한 학문분야에서 진행되고 있으며 조경학에서도 지속적인 연구가 필요한 시점이다. 따라서 본 연구에서는 이러한 시대적 상황을 반영하여 인공지능의 한 분야인 머신러닝을 활용한 경관 선호 평가 및 예측모델의 개발 가능성을 알아보는 것을 목표로 한다. 본 연구의 목표를 달성하기 위하여 경관 분야에 머신러닝 기법을 적용하여 경관 선호 평가 및 예측 모델을 구축하고, 구축된 모형의 모의정도를 검증하였다. 이를 위해 본 연구에서는 최근 신재생에너지 사업으로 주목받는 풍력발전시설 경관 이미지를 연구대상으로 선정하였다. 분석을 위하여 풍력발전시설 경관 이미지를 웹크롤링 기법을 활용하여 수집하고 분석 테이터셋을 구축하였다. 우수한 성능의 예측모델 도출을 위하여 머신러닝 분석에 활용되는 University of Ljubljana의 프로그램인 오렌지 버전 3.33을 활용하였다. 또, 머신러닝 학습데이터의 평가기준을 통합한 모델과 평가기준 별도 모델 구조를 활용하였으며, 머신러닝 분류모델에 적합한 kNN. SVM, Random Forest, Logistic Regression, Neural Network 알고리즘을 사용해 모델을 생성하였다. 생성된 모델을 성능 평가를 실시하여 본 연구에 가장 적합한 예측모델을 도출하였다. 본 연구에서 도출된 예측모델은 경관의 유형에 따른 분류, 경관과 대상의 시거리에 따른 분류, 선호에 따른 분류 등 3가지 평가기준을 별도로 평가 후 종합해 예측하여 결과를 도출하였다. 연구 결과 경관 유형에 따른 평가 기준 정확도 0.986, 시거리에 따른 평가 기준 정확도 0.973, 선호에 따른 평가 기준 정확도 0.952에 달하는 높은 정확도를 가진 예측모델을 개발하였으며, 평가데이터 예측 결과를 통한 검증과정을 보아도 모델의 성능 치를 상회하는 성과를 도출했음을 알 수 있다. 경관 관련 연구에서 머신러닝을 활용한 예측모델 개발 가능성을 알아본 실험적 시도로 이미지 데이터의 수집 및 정제를 통해 데이터 세트를 구축하여 높은 성능의 예측모델이 생성 가능하며, 이후 경관 관련 연구 분야에 활용될 수 있다는 가능성을 확인할 수 있었다. 본 연구의 결과와 시사점, 한계점을 반영한다면 풍력발전시설의 경관뿐만 아니라 자연경관이나 문화경관 등 다양한 형태의 경관 예측모델 개발이 가능할 것으로 생각되며, 경관 유형에 따라 이미지를 분류하는 모델의 연구를 통해 데이터 분류의 시간을 단축하거나 머신러닝을 활용한 경관예측 인자분석을 통해 경관계획 요소의 중요도 분석 등의 주제에 맞는 연구 방법을 탐색하고 적용하여 후속 연구를 진행한다면 조경학 분야에서도 머신러닝 기법을 보다 유용하고 가치 있게 활용할 수 있을 것으로 생각된다.