• 한국지반공학회논문집
• /
• 제24권1호
• /
• pp.61-70
• /
• 2008

지표면 침하량, 침하 기울기 그리고 터널주변의 지반 변위에 대한 관리와 예측은 도심지 저토피 터널의 설계와 시공에서 주요한 인자가 된다. 저토피 터널에서의 굴착에 따른 변형 해석은 터널 측벽부에서 지표부까지 발달하는 전단대의 변형특성을 파악하는 것이 중요하다. 본 연구는 2차원 실내 터널 모형실험과 전단 탄성계수 및 강도 정수의 저하를 고려한 변형률 연화모델 해석을 통하여 미고결 저토피 터널에서의 굴착으로 인한 변형 거동 특성을 규명해 보았다. 변형률 연화모델을 이용한 수치해석과 모형 터널 실험과의 비교에서 지표면 침하, 천단침하 그리고 전단대의 발달형태에서 부합되는 결과가 나타났다. 본 연구에서 변형률 연화모델은 저토피 터널의 비선형 변형해석에 대하여 적용성이 있음을 알 수 있었다.

• Composites Research
• /
• 제19권1호
• /
• pp.1-8
• /
• 2006

적층 복합재료에 가해지는 저속충격에 의한 동적 거동 및 손상의 예측은 복합재 구조물의 설계에 중요한 문제가 되고 있다. 특히 저속충격에 의한 손상을 기술하기 위하여 적층판 내의 면내응력 뿐만 아니라 층간응력이 중요한 역할을 하는데, 기존의 전통적인 접근 방법은 이들을 효과적으로 기술하지 못하는 단점이 있다 본 논문에서는 이러한 동적거동 및 손상을 기술하기 위한 수치해석 모델로서 내부 미시구조를 고려한 직접수치모사(DNS)방법을 이용하여 DNS 모델을 구성하였다. 그리고 이를 저속충격 문제에 적용하여 저속충격에 의한 동적 거동 및 재료내의 층간응력 해석을 미시적으로 접근하였다. 이때 기존의 거시적인 접근 방법에 따른 균질모델의 결과와 비교 해석을 보였다. 한편 복합재료 적층판의 효율적인 저속충격해석을 위하여 DNS 개념을 적용한 멀티스케일 모델을 개발하여 기존의 균질화된 모델에서 보일 수 없었던 충격 부위의 국부적인 동적 거동을 효과적으로 기술하였다.

• 대한토목학회논문집
• /
• 제43권3호
• /
• pp.287-295
• /
• 2023

교량은 지진에 의해 붕괴가 일어나면 많은 수의 인명피해와 재산피해가 발생할 수 있어 정확한 지진거동 예측과 대비가 필요하다. 특히, 교각은 교량의 지진거동에 있어서 지배적인 역할을 한다. 또한, 교각의 겹침이음 길이 부족과 같은 설계적인 문제가 있다면 지진에 대한 위험성이 더욱 증대하게 된다. 본 연구에서는 교각에서 겹침이음 특성을 분석하기 위해, 겹침이음 길이가 부족한 교각의 수치해석 모델을 정의하고 실험데이터를 통해 검증하였다. 제시된 교각 모델을 일반적으로 사용되는 RC 슬래브 교량에 적용하였다. 교각의 비선형 정적해석을 수행하여 겹침이음에 따른 성능점 변화를 평가하였다. 또한, 지진취약도 곡선을 산정하여 교각의 겹침이음 길이에 따른 지진취약도 비교분석을 수행하였다.

• Earthquakes and Structures
• /
• 제22권5호
• /
• pp.503-515
• /
• 2022

This paper presents the development of seismic fragility curves for a precast reinforced concrete bridge instrumented with a structural health monitoring (SHM) system. The bridge is located near an active seismic fault in the Dominican Republic (DR) and provides the only access to several local communities in the aftermath of a potential damaging earthquake; moreover, the sample bridge was designed with outdated building codes and uses structural detailing not adequate for structures in seismic regions. The bridge was instrumented with an SHM system to extract information about its state of structural integrity and estimate its seismic performance. The data obtained from the SHM system is integrated with structural models to develop a set of fragility curves to be used as a quantitative measure of the expected damage; the fragility curves provide an estimate of the probability that the structure will exceed different damage limit states as a function of an earthquake intensity measure. To obtain the fragility curves a digital twin of the bridge is developed combining a computational finite element model and the information extracted from the SHM system. The digital twin is used as a response prediction tool that minimizes modeling uncertainty, significantly improving the predicting capability of the model and the accuracy of the fragility curves. The digital twin was used to perform a nonlinear incremental dynamic analysis (IDA) with selected ground motions that are consistent with the seismic fault and site characteristics. The fragility curves show that for the maximum expected acceleration (with a 2% probability of exceedance in 50 years) the structure has a 62% probability of undergoing extensive damage. This is the first study presenting fragility curves for civil infrastructure in the DR and the proposed methodology can be extended to other structures to support disaster mitigation and post-disaster decision-making strategies.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.63-63
• /
• 2020

최근 머신러닝 기술의 발전에 따라 비선형 시계열자료에 대한 예측이 가능해졌으며, 기존의 과정기반모형을 대체하여 지하수, 하천수 예측 등 다양한 수문분야에 활용되고 있다. 본 연구에서는 기존의 연구들과 달리 과정기반모형을 이용한 하천수 모의결과를 개선하기 위해 과정기반모형과 결합하는 방식으로 머신러닝 기술을 활용하였다. 머신러닝 기술을 통해 관측값과 모의값 간의 차이를 예측하고 과정기반모형의 모의결과에 반영함으로써 관측값을 정확히 재현할 수 있도록 하는 시스템을 구축하고 평가하였다. 과정기반모형으로는 Weather Research and Forecasting model-Hydrological modeling system (WRF-Hydro)을 소양강 유역을 대상으로 구축하였다. 머신러닝 모형으로는 순환 신경망 중 하나인 Long Short-Term Memory (LSTM) 신경망을 이용하여 장기시계열예측이 가능하게 하였다(WRF-Hydro-LSTM). 머신러닝 모형은 2013년부터 2017년까지의 기상자료 및 유입량 잔차를 이용하여 학습시키고, 2018년 기상자료를 이용하여 예상되는 유입량 잔차를 모의하였다. 모의된 잔차를 WRF-Hydro 모의결과에 반영시켜 최종 유입량 모의값을 보정하였다. 또한, 연구에서 제안된 새로운 방법론의 성능을 비교평가하기 위해 머신러닝 단독 모형으로 유입량을 학습 후 모의하였다(LSTM-only). 상관계수와 Nash-Sutcliffe 효율계수(NSE)를 사용해 평가한 결과, LSTM을 이용한 두 방법(WRF-Hydro-LSTM과 LSTM-only) 모두 기존의 과정기반모형(WRF-Hydro-only)에 비해 높은 정확도의 하천수 모의가 가능했으며, PBIAS 지수를 사용하여 평가한 결과, LSTM을 단독으로 사용하였을 때보다 WRF-Hydro와 결합했을 때 더 관측값과 가까운 모의가 가능함을 확인할 수 있었다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.140-140
• /
• 2021

Urban flood management is a crucial and challenging task, particularly in developed cities. Therefore, accurate prediction of urban flooding under heavy precipitation is critically important to address such a challenge. In recent years, machine learning techniques have received considerable attention for their strong learning ability and suitability for modeling complex and nonlinear hydrological processes. Moreover, a survey of the published literature finds that hybrid computational intelligent methods using nature-inspired algorithms have been increasingly employed to predict or simulate the streamflow with high reliability. The present study is aimed to propose a novel approach, an ensemble tree, Bayesian Additive Regression Trees (BART) model incorporating a nature-inspired algorithm to predict hourly multi-step ahead streamflow. For this reason, a hybrid intelligent model was developed, namely GA-BART, containing BART model integrating with Genetic algorithm (GA). The Jungrang urban basin located in Seoul, South Korea, was selected as a case study for the purpose. A database was established based on 39 heavy rainfall events during 2003 and 2020 that collected from the rain gauges and monitoring stations system in the basin. For the goal of this study, the different step ahead models will be developed based in the methods, including 1-hour, 2-hour, 3-hour, 4-hour, 5-hour, and 6-hour step ahead streamflow predictions. In addition, the comparison of the hybrid BART model with a baseline model such as super vector regression models is examined in this study. It is expected that the hybrid BART model has a robust performance and can be an optional choice in streamflow forecasting for urban basins.

• 대한토목학회논문집
• /
• 제28권6A호
• /
• pp.819-825
• /
• 2008

이 논문은 케이블텐션을 이용해서 SCST 구조의 형상 형성과 시공에 대해 연구한 논문인데, 이 공법은 균일한 모양의 피라미드로 만들어진 공간구조를 신속하고 경제적으로 시공할 수 있는 공법이 될 수 있다. 초기의 배치에 있어서 상현재와 웨브부재는 일정한 길이이나 하현재는 원하는 최종적인 형상에 비례해서 갭이 주어져 있다. 본 연구에서 제안된 형상 형성법의 적용성과 신뢰성은 축소된 모델과 실물 크기의 실험 모델에 대한 비선형 유한요소 해석과 실험적인 조사를 통해 확인할 수 있다. 연구의 결과, MERO 조인트의 거동 특성은 공간 구조의 형상 해석에서 매우 중요하며 본 논문은 실무에서 형상을 예측할 수 있는 가장 적합한 모델링 기법을 제시하고 있다. 그리고 실제 설계에 필요한 형상 실험의 거동 특성을 보여 주고 있다.

• 대한토목학회논문집
• /
• 제26권4C호
• /
• pp.229-238
• /
• 2006

수직배수재가 설치된 연약지반의 압밀거동을 해석하기 위하여 아무리 정교한 수치해석기법을 사용하더라도 비균질 다층지반의 대표지반정수의 추정, 압밀거동에 대한 수치모델링 및 계측시스템 오차 등과 관련된 불확실성 때문에 실제 현장에서 관측되는 거동은 설계단계에서 예측된 거동과 종종 다르게 발생된다. 본 연구에서는 다층지반으로 구성된 복잡한 압밀물성특성을 갖는 연약지반에 대하여 압밀물성특성을 정확히 예측하기 위해 유전자 알고리즘에 근거한 역해석 기법을 제안하였다. 다층 연약지반의 압밀과정 초기단계에서 계측된 거동을 바탕으로 본 프로그램에 적용된 역해석기법을 이용하여 압밀거동과 관련된 주요 설계변수를 최적화함으로써 장래의 압밀거동을 비교적 정확히 예측하는 것이 가능하다. 국내 배수재가 설치된 다층지반에 대한 예제해석을 수행하여 제안된 역해석 기법의 적용성을 검토하였다.

• 한국작물학회:학술대회논문집
• /
• 한국작물학회 2022년도 추계학술대회
• /
• pp.81-81
• /
• 2022

Recently, many studies on big data based smart farming have been conducted. Research to quantify morphological characteristics using image data from various crops in smart farming is underway. Rice is one of the most important food crops in the world. Much research has been done to predict and model rice crop yield production. The number of productive tillers per plant is one of the important agronomic traits associated with the grain yield of rice crop. However, modeling the basic growth characteristics of rice requires accurate data measurements. The existing method of measurement by humans is not only labor intensive but also prone to human error. Therefore, conversion to digital data is necessary to obtain accurate and phenotyping quickly. In this study, we present an image-based method to predict leaf number and evaluate tiller number of individual rice crop using YOLOv5 deep learning network. We performed using various network of the YOLOv5 model and compared them to determine higher prediction accuracy. We ako performed data augmentation, a method we use to complement small datasets. Based on the number of leaves and tiller actually measured in rice crop, the number of leaves predicted by the model from the image data and the existing regression equation were used to evaluate the number of tillers using the image data.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.550-554
• /
• 2023

탄화수소기반의 화석연료 에너지원은 이산화탄소 배출로 인한 지구온난화 문제로 지속적인 이용 및 확장에 제한이 있다. 수소는 전통적인 화석연료에 대한 유망한 대안으로 여겨지고 있다. 수소의 안정적인 장기저장을 위해서 극저온인 포화상태에서 수소의 열역학적 물성에 대한 예측이 요구된다. 따라서 본 연구에서는 비교적 간단한 관계식을 보이는 3차 상태방정식들을 이용하여 포화상태의 열역학적 물성들(포화증기압, 액체 및 기체의 밀도, 엔탈피 및 엔트로피)을 모사하였다. 포화상태 수소에 대한 여러가지 열역학적 물성들을 비교한 결과 3 종류(Redlich-Kwong (RK), Soave-Redlich-Kwong (SRK), Peng-Robinson (PR))의 상태방정식 중 SRK 모델이 비교적 정확한 예측결과를 보였다.