• 대한토목학회논문집
• /
• 제40권6호
• /
• pp.613-622
• /
• 2020

한국은 2030년까지 배출 전망치 대비 37 %를 감축하겠다는 목표를 제시하였다. 이에 국토교통부는 2020년까지 건물 부문에서 배출되는 온실 가스를 배출전망치 대비 26.9 % 감축을 선언하고, 녹색 건축물 기본계획수립과 녹색건축인증제도를 마련하는 등 건축물의 환경성을 확보하기 위한 제도를 정착시켜가고 있다. 녹색건축인증을 받기 위해서 공사 관계자들은 컨설팅 업체를 통해 녹색건축인증을 받는 경우가 많으며, 그 과정에서 자료공유와 업무연계가 원활히 이루어지지 않아 경제성 확보와 필요한 인증점수의 확보에 많은 어려움을 겪고 있다. 본 연구에서는 재료 및 자원에 관한 평가점수의 획득과 경제성을 함께 고려한 모델 개발을 목표로 하였다. 이를 위해 실제 컨설팅 자료를 분석하여 재료 선정 및 대안 비교과정을 자동화하고, 대안의 최적화에 유전자 알고리즘의 개념을 적용하여 자재 정보를 입력하면 요구점수를 최소한의 비용으로 충족할 수 있는 자재 대안을 선정하는 모델을 개발하였다. 개발된 모델을 활용하여 실제 자료에 적용해 본 결과 기존 방법론 대비 약 79.3 %의 공사비가 절감되는 것으로 나타났다. 본 연구에서 개발한 경제적 자재선정 모델은 녹색건축인증을 받고자 하는 건축주에게 공사비 절감이라는 혜택을 안겨줄 뿐 아니라 인증점수를 확보하기 위한 설계자에게는 설계시간 절감에 기여 할 것으로 기대된다.

• 청정기술
• /
• 제27권1호
• /
• pp.85-92
• /
• 2021

태양에너지를 활용하여 전력을 생산하는 시스템인 Solar water battery는 광전기화학전지와 에너지저장시스템을 결합한 것으로 추가적인 외부 전압 없이 태양에너지의 전환과 저장을 동시에 할 수 있다. Solar water battery는 광전극, 저장전극 그리고 상대전극으로 구성되어 있고, 이들의 선택과 조합은 시스템의 성능과 효율에 있어 중요한 역할을 한다. 본 연구에서는 Solar water battery의 구성요소들을 변화시켜 시스템에 미치는 영향을 알고자 하였다. 상대전극이 방전 시 미치는 영향, 광전극과 저장전극의 전극 재료, 전해질의 종류에 따른 태양에너지 전환 효율과 저장 용량에 미치는 영향에 대해 연구하였다. 이들의 최적화된 구성(TiO2 : NaFe-PB : Pt foil)에서 15시간동안의 광조사 후의 방전 용량이 72.393 mAh g-1으로 시스템 구성 조건에 따라 광전환/저장 효율이 크게 영향을 받음을 확인 할 수 있었다. 또한, 유기 오염물질을 광전극 반응조내 전해질에 첨가하여 광전하를 효율적으로 분리시킴으로써 광전류 증가시켰으며, 이로 인해 저장용량이 향상되고, 동시에 오염물질도 분해시킬 수 있음을 확인하였다. 이처럼 Solar water battery는 추가적인 외부 전압이 필요없는 새로운 친환경 태양에너지 전환/저장 시스템이며, 나아가 수처리에도 활용할 수 있을 것으로 기대된다.

• 해양환경안전학회지
• /
• 제26권7호
• /
• pp.931-941
• /
• 2020

해양데이터를 수집하기 위해 필요한 엔지니어, 연구원 및 과학자를 대신할 수 있는 해양 모니터링 장치인 자율주행보트의 필요성이 대두되고 있다. 이 논문은 자율주행보트의 세일을 개발하기 위한 연구로 곡선형 트윈 세일의 공기역학적인 특성을 수치해석적으로 분석하고 이를 날개 형태의 세일과 성능비교를 통해 곡선형 트윈 세일의 공기 역학적인 성능을 확인하였고, 세일의 간격과 형상에 따른 성능을 비교하였다. 유체 해석을 위한 지배방정식은 Navier - Stokes를 사용하였다. 성능비교 결과 곡선 형 트윈 세일은 날개 형태의 세일과 비교하여 양력, 항력 및 추력 계수가 향상됨을 알 수 있다. 또한, 트윈 세일의 양 날개의 간격은 중요한 변수임을 확인 하였다. 0.035 L, 0.07 L, 0.14 L에서는 스톨로 인해 양력 계수의 감소로 나타났고 0.21 L, 0.28 L, 0.35 L에서는 개선되어 0.28 L에서 최대 양력을 보여준다.

• 한국지반공학회논문집
• /
• 제37권5호
• /
• pp.47-63
• /
• 2021

최근 디지털 트윈 관점의 3차원 지하공간 지도의 수요 및 유관분야의 연계 활용 요구가 증대되고 있다. 그러나 전국단위의 지반조사 자료의 방대함과 이를 활용함에 있어 공간적/추계학적 기법 적용의 불확실성으로 인해 신뢰도 높은 지역적 지반특성화 연구와 그에 따른 최적화 모델 제시에 어려움이 있다. 따라서 본 연구에서는 서울지역 3차원 지하공간의 공학적 지층분류를 위해 다층 퍼셉트론(MLP) 기반의 최적 학습모델을 구축하였다. 먼저, 서울지역에 분포하는 시추공별 층상구조 및 3차원 공간좌표를 표준화 서식에 따라 지반정보 데이터베이스로 구축하고 기계학습을 위한 결측치 보정, 정규화 등의 데이터 전처리를 하였다. MLP 모델의 파라미터 최적화와 정밀도 및 정확도 관련 모델 성능 평가를 통해 최적의 피팅 모델을 설계하였다. 이후 3차원 지반 공간레이어 구축을 위한 수치표고모델 기반 격자망을 구성하고, 단위격자별 MLP기반 예측모델 적용을 통한 층상구조를 결정하고 이를 가시화하였다. 구축된 3차원 지반모델은 범용적인 지구통계학적 공간보간 기법의 적용 결과 및 지질도의 표토층 성상과 비교하여 그 성능을 평가하였다.

• 한국항공우주학회지
• /
• 제50권1호
• /
• pp.13-20
• /
• 2022

항공기 중량은 성능 및 연료효율성에 영향을 미치는 중요한 요소이다. 항공기의 개념 설계 단계에서는 요소 중량을 추정함에 중량 당 연료소모 비용과 같은 경험식을 이용하여 비용과 중량 간의 균형을 맞추는 과정을 수행한다. 또한, 항공사에서 항공기를 운용할 때 중량관리 활동을 통해 연료 효율성 향상 및 연료절감과 탄소저감을 추진한다. 항공기 중량 변화와 연료 소모 변화 사이의 연관성을 중량비용(Cost of Weight)이라고 하며, 중량비용은 항공기에 중량 추가 혹은 감소가 연료소모에 미치는 영향을 평가함에 사용하고 있다. 본 연구에서는 기존 중량비용 산정 방법의 문제점을 확인하고, 이를 해결하기 위한 새로운 방법의 중량비용 산정 방법을 소개한다. Breguet의 Range Formula와 A350-900 항공기의 실제 비행 데이터를 이용하여 이륙중량과 착륙중량 기반의 두 가지 중량비용을 산정한다. 결론에서는 이륙중량과 착륙중량 기반의 중량비용을 다른 용도로 사용함이 합리적임을 제시하였다. 특히, 착륙중량 기반의 중량비용은 유사 항공기 개념설계 단계에서 요소중량 추정 및 비용과 중량 최적화에 하나의 경험식으로 활용할 수 있다.

• 한국수자원학회논문집
• /
• 제55권7호
• /
• pp.545-556
• /
• 2022

수공구조물 설계 및 수자원 계획에서는 목표연도 이상의 수문기상자료를 활용하는 것이 추천된다. 강우 자료의 확장을 위해 추계학적 강수 모의 모형을 활용하는데, Bartlett-Lewis Rectangular Pulse Modified Model (BLRPM)과 Neyman-Scott Rectangular Pulse Model(NSRPM)이 대표적이다. 이 모형들은 확률분포의 매개변수 조합을 통해 추정되는 통계적 모멘트와 관측값의 통계적 모멘트를 반복 비교하여 최적 매개변수를 추정한다. 그러나 상대적으로 적은 관측값을 이용하여 매개변수를 추정하는 것은 부적절하게 정의된 문제(ill-posed problem)에 해당하며, 최적화 과정에서 매개변수 추정이 어려울 뿐만 아니라, 매개변수의 변동성도 매우 크다. 또한, 일부 연구에서 드러나듯이, 모형 매개변수 추정과정에서 다양한 목적함수를 활용해도 2차 모멘트에 국한되어 있어, 극치 강수량 재현에는 한계가 있다. 따라서 본 연구는 3차 모멘트를 포함한 목적함수를 활용하여 NSRPM 매개변수를 추정하고, 기존 2차 모멘트를 이용한 매개변수 접근방법과 극치강수량 재현 측면에서 비교를 수행하였다. 그 결과, 목적함수의 왜곡도 포함 여부에 따라 1, 2차 모멘트는 큰 차이를 나타내지 않았지만, 극치강우 재현 측면에서는 왜곡도를 포함한 경우가 포함하지 않은 경우보다 개선된 결과를 나타냈다.

• 한국측량학회지
• /
• 제40권3호
• /
• pp.239-247
• /
• 2022

현대에는 급속한 산업화와 인구 증가로 인해 도시들이 더욱 복잡해지고 있다. 특히 도심은 택지개발, 재건축, 철거 등으로 인해 빠르게 변화하는 지역에 해당한다. 따라서 자율주행에 필요한 정밀도로지도와 같은 다양한 목적을 위해 빠른 정보 갱신이 필요하다. 우리나라의 경우 기존 지도 제작 과정을 통해 지도를 제작하면 정확한 공간정보를 생성할 수 있으나 대상 지역이 넓은 경우 시간과 비용이 많이 든다는 한계가 있다. 지도 요소 중 하나인 도로는 인류 문명을 위한 많은 다양한 자원을 제공하는 중추이자 필수적인 수단에 해당한다. 따라서 도로 정보를 정확하고 신속하게 갱신하는 것이 중요하다. 이 목표를 달성하기 위해 본 연구는 Semantic Segmentation 알고리즘인 LinkNet, D-LinkNet 및 NL-LinkNet을 사용하여 광주광역시 도시철도 2호선 공사 현장을 촬영한 드론 정사영상에서 도로를 추출한 다음 성능이 가장 높은 모델에 하이퍼 파라미터 최적화를 적용하였다. 그 결과, 사전 훈련된 ResNet-34를 Encoder로 사용한 LinkNet 모델이 85.125 mIoU를 달성했다. 향후 연구 방향으로 최신 Semantic Segmentation 알고리즘 또는 준지도 학습 기반 Semantic Segmentation 기법을 사용하는 연구의 결과와의 비교 분석이 수행될 것이다. 본 연구의 결과는 기존 지도 갱신 프로세스의 속도를 개선하는 데 도움을 줄 수 있을 것으로 예상된다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1743-1747
• /
• 2022

Sentinel-2는 분광파장대나 공간해상도 측면에서 우리나라 차세대중형위성 4호(농림위성)의 모의영상으로 활용될 수 있다. 이 단보에서는 향후 농림위성영상에 적용하기 위한 예비실험으로, 딥러닝 기술을 이용한 Sentinel-2 영상의 구름탐지를 수행하였다. 전통적인 Convolutional Neural Network (CNN) 모델인 DeepLabV3+와 최신의 Transformer 모델인 Shifted Windows (Swin) Transformer를 이용한 구름탐지 모델을 구축하고, Radiant Earth Foundation (REF)에서 제공하는 22,728장의 학습자료에 대한 암맹평가를 실시하였다. Swin Transformer 모델은 0.886의 정밀도와 0.875의 재현율로, 과탐지와 미탐지가 어느 한쪽으로 치우치지 않는 경향을 보였다. 딥러닝 기반 구름탐지는 향후 우리나라 중심의 실험을 거쳐 농림위성 영상에 활용될 수 있을 것으로 기대된다.

• 한국농림기상학회지
• /
• 제24권3호
• /
• pp.155-163
• /
• 2022

본 연구에서는 벼의 생물계절 예측 모형을 예시로 하여 해당 모형의 구동에 필요한 맞춤형 앙상블 상세기후예측자료를 구축하고 해당 자료의 보정방법을 고도화 하였을 때 농업적 활용 분야에서 가지는 부가가치를 확인해 보았다. 이를 위해, 벼의 생물계절 모의를 위해 집중적으로 필요한 기상자료인 1~10월의 일 평균/최저/최고 기온의 앙상블 장기(6개월) 전망자료를 생산하고 해당자료의 질을 높이기 위해 분위사상법 기반의 보정방법의 개선을 수행하였다. 그 결과 최저/최고/평균 기온 모두 대부분의 월에서 20일을 버퍼기간으로 선정하였을 때 4.51~15.37%까지 RMSE가 감소하는 것을 확인하였으며, 8~10월은 변수 및 월 별로 최적 버퍼기간이 다른 것을 확인하였다. 또한, 이러한 기상학적 변수의 개선은 벼의 생육단계별 시작일 예측이 모든 단계에서 7.82~10.60% 감소하였으며, 61개 ASOS 지점 가운데서도 생육단계에 따라 75~100%의 지점에서 RMSE가 감소하는 결과를 확인하였다. 본 연구 결과는 벼의 생물계절뿐만 아니라 감자, 고구마, 옥수수 등 타 작물로의 적용도 가능할 것으로 생각된다. 나아가, 일조시간, 습도, 풍속과 같은 예측변수들의 보정자료가 구축되면 농산물 작황전망, 병해충 예찰 등 다양한 분야의 학제간 연구에 적용하여 더 많은 부가가치 창출이 가능할 것으로 기대된다.

• 한국측량학회지
• /
• 제40권5호
• /
• pp.449-456
• /
• 2022

본 연구는 GIS를 통해 토양정보를 수집하고 가공하여 농산물 생산량을 예측하는 모델을 제안한다. 농산물 생산량 예측 딥러닝 알고리즘은 공개된 CNN-RNN 농산물 생산량 예측 모델 구조를 변경하여 국내 농산물 자료 환경에 적합하도록 새롭게 구축하였다. 기존모델은 두 가지 특징을 가지고 있는데 첫 번째는 농산물의 생산량을 해당 필지값이 아닌 당해 평균값으로 대체한다는 것이고 두 번째는 예측하는 연도의 데이터까지 학습한다는 것이다. 새로운 모델은 해당 필지의 값을 그대로 사용하여 데이터의 정확성을 확보하고 예측하고자 하는 연도 이전의 데이터만 가지고 학습할 수 있도록 네트워크 구조를 개선하였다. 제안한 CNN-RNN 모델은 1980년부터 2020년까지의 기상정보, 토양정보, 토양적성도, 생산량 데이터를 학습하여 김장용 가을배추의 지역별 단위면적당 생산량을 예측한다. 2018년부터 2021년까지 4개 연도별 자료에 대하여 계산하고 생산량을 예측한 결과, 테스트 데이터셋에 대한 오차백분율이 약 10% 내외로 실제값과 비교하여 정확도 높은 생산량 예측이 가능했고, 특히 전체 생산량 비중이 큰 지역에서의 생산량은 비교적 근접하게 예측하는 것으로 분석되었다. 또한 제안모델과 기존모델은 모두 학습자료 연도 수가 증가할수록 점점 오차가 작아지므로 학습데이터가 많아질수록 범용 성능은 향상되는 결과를 나타낸다.