• 방송공학회논문지
• /
• 제24권3호
• /
• pp.401-410
• /
• 2019

본 논문에서는 SHVC 부호화 성능 개선을 위하여 딥러닝 기반 계층간 예측을 위한 참조 픽처 생성 방법을 제안한다. 새로운 참조 픽처를 생성하기 위하여 DCT-IF기반 업샘플링 된 픽처를 VDSR 네트워크를 이용한 필터링을 진행하는 구조와 SHVC 계층간 참조 픽처를 생성하기 위한 트레이닝 방법에 대해 설명한다. 제안하는 방법은 SHM 12.0 기반으로 구현되어 있다. 성능 평가를 위하여 사전 학습을 이용하여 계층간 예측 픽처를 생성하는 방법과 비교를 진행하였다. 그 결과 상위 계층의 부호화 성능은 사전 학습을 이용한 방법 대비 최대 13.14%의 비트 감소, SHM 대비 최대 15.39%의 비트 감소율을 보였고, 평균 6.46%의 비트 감소율을 보였다.

• 대한금속재료학회지
• /
• 제49권4호
• /
• pp.275-280
• /
• 2011

This paper focuses on reliability prediction of long-term creep strength for Modified 9Cr-1Mo steel (Gr. 91) which is considered as one of the structural materials of next generation reactor systems. A "Z-parameter" method was introduced to describe the magnitude of standard deviation of creep rupture data to the master curve which can be plotted by log stress vs. The larson-Miller parameter (LMP). Statistical analysis showed that the scattering of the Z-parameter for the Gr. 91 steel well followed normal distribution. Using this normal distribution of the Z-parameter, the various reliability curves for creep strength design, such as stress-time temperature parameter reliability curves (${\sigma}$-TTP-R curves), stress-rupture time-reliability curves (${\sigma}-t_{r}-R$ curves), and allowable stress-temperature- reliability curves ([${\sigma}$]-T-R curves) were reasonably drawn, and their results are discussed.

• Structural Engineering and Mechanics
• /
• 제81권6호
• /
• pp.665-675
• /
• 2022

The safety problems of giant hydraulic structures such as dams caused by terrorist attacks, earthquakes, and wars often have an important impact on a country's economy and people's livelihood. For the national defense department, timely and effective assessment of damage to or impending damage to dams and other structures is an important issue related to the safety of people's lives and property. In the field of damage assessment and vulnerability analysis, it is usually necessary to give the damage assessment results within a few minutes to determine the physical damage (crack length, crater size, etc.) and functional damage (decreased power generation capacity, dam stability descent, etc.), so that other defense and security departments can take corresponding measures to control potential other hazards. Although traditional numerical calculation methods can accurately calculate the crack length and crater size under certain combat conditions, it usually takes a long time and is not suitable for rapid damage assessment. In order to solve similar problems, this article combines simulation calculation methods with machine learning technology interdisciplinary. First, the common concrete gravity dam shape was selected as the simulation calculation object, and XFEM (Extended Finite Element Method) was used to simulate and calculate 19 cracks with different initial positions. Then, an LSTM (Long-Short Term Memory) machine learning model was established. 15 crack paths were selected as the training set and others were set for test. At last, the LSTM model was trained by the training set, and the prediction results on the crack path were compared with the test set. The results show that this method can be used to predict the crack propagation path rapidly and accurately. In general, this article explores the application of machine learning related technologies in the field of mechanics. It has broad application prospects in the fields of damage assessment and vulnerability analysis.

• 한국차세대컴퓨팅학회논문지
• /
• 제13권1호
• /
• pp.45-53
• /
• 2017

사물인터넷(Internet of Things:IoT) 기술은 인터넷에 연결된 기기들이 사람의 도움 없이 새로 정보를 주고받으며, 사람들에게 유용한 서비스를 제공해준다. 현재 각 구역마다 이루어지고 있는 쓰레기 수거는 쓰레기 수거차가 정기적으로 순환하여 쓰레기를 수거한다. 이런 경우, 어떤 구역에는 수거차 적재량의 반도 안차는 경우가 발생 할 수 있고, 또 다른 구역에서는 수거차 적재량보다 초과되어 모든 쓰레기를 한 번에 수거하지 못하는 경우도 발생한다. 본 논문에서는 수거용 쓰레기 배출량을 예측할 수 있는 방법에 대해 연구하였으며, 이를 실현한 제품 및 관리 시스템의 개발내용에 대해 기술한다. 쓰레기 부피 예측은 IoT기술을 활용하여 쓰레기 부피를 실시간 측정 할 수 있도록 하였으며, 이 값을 대시보드를 통해 가시적으로 보여줌으로써 구역별 쓰레기 발생량을 예측하고 관리 할 수 있도록 하였다. 이를 통해 IoT기술이 거리의 위생을 지키는데 도움을 줄 수 있게 될 것이다.

• 방송공학회논문지
• /
• 제25권3호
• /
• pp.346-352
• /
• 2020

표준화 마무리 단계인 차세대 비디오 부호화 표준 VVC(Versatile Video Coding)는 HEVC(High Efficiency Video Coding) 보다 두배 이상의 압축 성능을 달성하기 위해 다양한 기술들을 채택하고 있다. VVC는 GPB(Generalized P and B) 슬라이스에서의 양예측(bi-prediction) 기법의 성능 향상을 위하여 두 예측신호에 다양한 가중치를 적용하여 최종 예측신호를 생성하는 BCW(Bi-prediction with CU-level Weight)를 채택하였다. BCW 가중치는 가용한 참조픽처 중 재생 순서상 미래 픽처의 존재 유무를 지시하는 신택스(syntax) 요소인 NoBackwardPredFlag에 따라 적응적으로 시그널링 된다. 이러한 신택스 구조는 비디오 코덱의 유연성을 저해하고 비트스트림 파싱(parsing) 단계에서의 의존성 문제를 야기한다. 본 논문에서는 이러한 문제를 해결하기 위하여 가중치 전송에서 기존의 조건 판단 없이 가능한 모든 가중치를 허용하는 기법을 제안하였으며, 부호화기에서의 다양한 가중치 탐색을 통해 제안방법의 성능을 확인하였다. 제안된 기법은 제기된 문제를 해결하면서도 실험결과 3개의 가중치 탐색을 수행하였을 때 무시할 정도의 BD-rate 손실과 5개의 가중치 탐색을 수행하였을 때 다소의 부호화 성능 향상을 확인하였다.

• 한국토양비료학회지
• /
• 제41권4호
• /
• pp.235-238
• /
• 2008

토양침식을 예측하는 WEPP(Water Erosion Prediction Project)모델은 연방 정부기관이 토양과 물 보전 및 환경을 계획하고 평가하는데 활용하고자 1985년 8월 차세대 물에 의한 토양침식을 예측하기 위해 만들어졌다. 미농무성 농업연구소에 의해 개발된 WEPP 모델은 경험적인 침식 예측을 위한 도구로써 침투, 유거수, 강우와 물에 의한 토양입자의 분리, 침전물의 이동, 퇴적, 작물의 생장 및 수확 후 잔여물의 분해 등을 포함한 토양 침식과 관련된 많은 중요한 물리적 과정을 모의한다. WEPP 모델은 모델을 구성하는 모듈의 입력자료와 모델을 시험하기 위해서 필요한 자료를 경작지, 초지, 산림 등 광대한 현장 실험 결과들로부터 얻었다. 미국내 여러 농업연구소와 협력 대학 등 수 많은 연구소의 큰 노력으로 모델을 만들 수 있었다. WEPP 모델은 경사지 혹은 작은 유역 규모에 적용이 가능하며, 물리적 모델이기 때문에 미국과 다른 여러 나라에서 중요한 자연자원을 효과적으로 평가할 수 있다. 최근 들어 DOS프로그램으로 만들어진 초기 WEPP모델을 윈도우 인터페이스와 GIS프로그램을 통합하여 향상시켰다. 또한, 바람과 물에 의한 침식을 통합 예측하는 시스템을 쉽게 이용할 수 있도록 구축 중에 있다.

• 대한기계학회논문집B
• /
• 제34권9호
• /
• pp.867-873
• /
• 2010

수냉각 발전기 고정자 권선에서의 냉각수 누수 및 흡습에 의한 절연파괴 손상사례가 국내 및 국외에서 자주 발생되고 있다. 이러한 사고는 막대한 경제적 피해뿐만 아니라 전력의 안정적 공급 측면에서 매우 심각한 계통 사고로 연결될 수 있다. 특히 국내 발전기는 15년 이상 운전되어 열화가 진행된 발전기가 50% 이상이며, 계획예방정비 기간 중에 권선에서의 누설 및 흡습 권선이 종종 발견되고 있다. 기존에는 누수 시험 전 과정인 권선 건조 과정을 무시한 채 누수 시험 결과만으로 권선 누설 여부를 진단하였으나 본 논문에서는 누수 시험을 위한 준비 단계인 진공 건조 시의 권선 내부의 진공도 패턴 분석을 통해 권선 누설 및 흡습 여부를 예측진단할 수 있는 방법을 실험적으로 증명하였다.

• Journal of Radiation Protection and Research
• /
• 제41권3호
• /
• pp.237-244
• /
• 2016

Background: Korea Atomic Energy Research Institute is developing a fission product transport module for predicting the behavior of radioactive materials in the primary cooling system of a nuclear power plant as a separate module, which will be connected to a severe accident analysis code, Core Meltdown Progression Accident Simulation Software (COMPASS). Materials and Methods: This fission product transport (COMPASS-FP) module consists of a fission product release model, an aerosol generation model, and an aerosol transport model. In the fission product release model there are three submodels based on empirical correlations, and they are used to simulate the fission product gases release from the reactor core. In the aerosol generation model, the mass conservation law and Raoult's law are applied to the mixture of vapors and droplets of the fission products in a specified control volume to find the generation of the aerosol droplet. In the aerosol transport model, empirical correlations available from the open literature are used to simulate the aerosol removal processes owing to the gravitational settling, inertia impaction, diffusiophoresis, and thermophoresis. Results and Discussion: The COMPASS-FP module was validated against Aerosol Behavior Code Validation and Evaluation (ABCOVE-5) test performed by Hanford Engineering Development Laboratory for comparing the prediction and test data. The comparison results assuming a non-spherical aerosol shape for the suspended aerosol mass concentration showed a good agreement with an error range of about ${\pm}6%$. Conclusion: It was found that the COMPASS-FP module produced the reasonable results of the fission product gases release, the aerosol generation, and the gravitational settling in the aerosol removal processes for ABCOVE-5. However, more validation for other aerosol removal models needs to be performed.

• 한국응용과학기술학회지
• /
• 제34권4호
• /
• pp.818-826
• /
• 2017

신 재생에너지 보급통계에 의하면 바이오매스 발전실적은 2013년 부터 급증하고 있으며 그 중에서 가장 급격하게 증가한 연료는 Wood pellet으로 2013년 696Gwh, 2014년 2,764Gwh, 2015년에는 2,512Gwh를 발전 하였고 국내 Wood pellet 총 소비량은 2015년 기준 148만톤이며 그 중 발전용으로 소비된 Wood pellet은 108만톤으로 약 73%를 차지하고 있다. 본 연구에서 Wood pellet 소요량을 예측한 결과 국내 발전용으로 필요한 Wood pellet 소요량은 2020년 261만톤, 2025년 685만톤, 2030년 1,139만톤이 필요하며, 최적 바이오매스 발전량 산정을 위하여 바이오매스 발전소에서 국내 생산 Wood pellet 사용량을 50% 사용한다는 가정하에 기 허가 신청된 발전소를 가동하기 위해서는 2021년 226만톤의 Wood pellet이 국내에서 생산되어야 한다는 결론이 도출 되었다.

• 정보보호학회논문지
• /
• 제29권1호
• /
• pp.225-234
• /
• 2019

비트코인은 탈중앙화와 분산원장을 특징으로 하는 암호화폐로서 "작업증명"이라는 채굴시스템을 통해 유지된다. 채굴 시스템에서는 블록 생성시간을 일정하게 유지하기 위해 채굴 난이도를 조정하게 되는데, 기존의 채굴 난이도 변경 방식은 미래의 해시파워를 반영할 수 없다는 문제가 있다. 따라서 실제시간과 예정시간 사이에 발생하는 오차로 인해 블록생성과 실세계 시간의 불일치를 가중시키게 되고, 결국 거래 기한을 맞추지 못하거나 코인 호핑 공격에 취약점을 노출시키게 된다. 블록 생성시간을 일정하게 유지시키기 위한 기존 연구도 여전히 오차 문제를 갖는다. 본 연구에서는 이러한 오차를 줄이기 위한 기계학습 기반 채굴 난이도 예측 방안을 제시한다. 이전 해시파워를 학습하여 미래의 해시파워를 예측하고 예측한 값을 이용하여 채굴 난이도를 조정한다. 우리의 실험 결과는 이와 같은 경우 기존 채굴 난이도 조정방식보다 오차율을 약 36% 더 줄일 수 있음을 보여준다.