• 제목/요약/키워드: RSR

검색결과 90건 처리시간 0.029초

정지 유체 내에 있는 회전시료 조사대의 고유진동수 및 모드 해석 (Natural Frequencies and Modes of Rotary Specimen Rack(RSR) in a Still Fluid)

  • 김성균;이동규;이근우;박진호
    • 대한기계학회논문집A
    • /
    • 제27권8호
    • /
    • pp.1317-1323
    • /
    • 2003
  • In this paper, In-air and in-water vibration characteristics of Rotary Specimen Rack(RSR) are estimated through 3D finite element analysis by using ANSYS software. Added mass is calculated by using Blevins' equation. To confirm the accuracy of the results presented in this study, obtained results are compared to those of using a theoretical equation. It is confirmed that in-water natural frequencies of the RSR are lower than in-air ones due to tile added mass effect of the fluid. Also, good agreement is founded between natural frequency ratios obtained by a theoretical equation and those of using ANSYS.

점근유출곡선지수법을 이용한 소유역 유출곡선지수 산정 및 최적 초기손실률 결정 (Using asymptotic curve number regression method estimation of NRCS curve number and optimum initial loss ratio for small watersheds)

  • 유지수;박동혁;안재현;김태웅
    • 한국수자원학회논문집
    • /
    • 제50권11호
    • /
    • pp.759-767
    • /
    • 2017
  • NRCS-CN 방법을 이용해서 유출량을 결정하는 과정에 가장 큰 영향을 주는 변수는 유출곡선지수와 초기손실률이다. 수자원 실무에서 유출곡선지수와 초기손실률은 대부분 미국 National Engineering Handbook의 지침에 따라 결정하지만, 우리나라 유역의 토양 및 수문학적 특성은 미국과 다르기 때문에 유출량을 과대 또는 과소 산정하게 된다. 따라서 본 연구에서는 우리나라 유역특성에 적합한 유효우량을 산정하기 위하여 점근유출곡선지수법을 이용하여 총 8개의 유효우량 산정 모형(M1~M8)을 제시하였다. RSR (RMSE-observations standard deviation ratio)과 NSE(Nash-Sutcliffe Efficiency)의 두 가지 지표를 이용하여 모형을 평가하였으며, 그 결과 계측 유역에서는 M6 (평균 RSR: 0.76, 평균 NSE: 0.39), 미계측 유역에서는 M7 (평균 RSR: 0.82, 평균 NSE: 0.31)이 최적의 모형으로 선정되었다. 또한 대부분의 유역에서 기존에 사용되고 있던 초기손실률 0.20보다 더 작은 값(0.01-0.10)을 적용할 때 더 좋은 결과를 나타내는 것을 확인하였다.

저수지 가뭄지수와 기후변화 시나리오를 이용한 우리나라 미래 농업가뭄 평가 (Evaluation of the future agricultural drought severity of South Korea by using reservoir drought index (RDI) and climate change scenarios)

  • 김진욱;이지완;김성준
    • 한국수자원학회논문집
    • /
    • 제52권6호
    • /
    • pp.381-395
    • /
    • 2019
  • 본 연구의 목적은 농업용 저수지 저수율 예측을 위해 개발된 회귀식에 미래 기후변화 시나리오 및 3개월 기반의 농업용 저수지 저수율 자료 및 기상자료를 이용하여 미래 저수율을 예측하는 것이다. 예측된 저수율을 3개월 자료기반의 저수지 가뭄지수로 지수화하여 가뭄 지속기간, 심도 및 규모를 산정하고 미래 가뭄을 평가하였다. 극한사상의 추정을 위해 6개의 RCP 8.5 기후변화 시나리오(HadGEM2-ES, CESM1-BGC, MPI-ESM-MR, INM-CM4, FGOALS-s2, and HadGEM3-RA)를 3개의 미래 평가기간(S1: 2011~2040, S2: 2041~2070, S3: 2071~2099)으로 구분하여 미래 저수율을 산정하였다. 산정 결과, 강수량 및 기온의 상승이 가장 큰 HadGEM2-ES 시나리오에서의 미래 저수율이 6개의 시나리오 중 S3 기간에 평년 저수율(1976~2005 기간, 77.3%)보다 가장 큰 폭으로 감소한 60.2%로 나타났다. 강수량 및 기온의 상승이 가장 적은 INM-CM4 시나리오의 저수율은 S3에서 72.8%로 가장 적게 감소했으며, CESM1-BGC, MPI-ESM-MR, FGOALS-s2, 및 HadGEM3-RA 시나리오에서 S3 구간 미래저수율은 각각 72.6%, 72.6%, 67.4%, 64.5%로 감소하였다. 미래 저수율을 이용해 RDI를 산정하고 절단수준 -0.25 이하의 심한 가뭄 경향성이 S3 기간으로 갈수록 빈번하게 나타나며 심도가 -2.0까지 나타났다.

입력변수 구성에 따른 총유기탄소(TOC) 예측 머신러닝 모형의 성능 비교 (Comparison of the Performance of Machine Learning Models for TOC Prediction Based on Input Variable Composition)

  • 이소현;박정수
    • 유기물자원화
    • /
    • 제32권3호
    • /
    • pp.19-29
    • /
    • 2024
  • 총 유기 탄소 (total organic carbon, TOC)는 물에 포함된 유기 탄소의 총량을 나타내며 BOD, COD와 함께 수중의 유기물질량에 대한 정량적인 지표로 활용되는 대표적인 수질 항목이다. 본 연구에서는 대표적인 앙상블(ensemble) 머신러닝 알고리즘의 하나인 XGBoost (XGB)를 이용하여 TOC를 예측하는 모형을 구축하였다. 모형의 구축을 위한 독립변수로는 수온, pH, 전기전도도, 용존 산소 농도, 생물화학적 산소요구량, 화학적 산소요구량, 부유물질, 총질소, 총인 및 유량을 활용하였다. 또한 모형의 구축에 활용된 다양한 수질 항목의 영향에 대한 정량적인 분석을 위해 입력변수의 feature importance를 산정하였으며, 이를 기반으로 변수중요도에 따라 중요도가 낮은 항목을 순차적으로 제외하여 모형의 성능 변화를 분석하였다. 변수중요도가 낮은 항목을 순차적으로 제외하여 구축한 모형의 성능은 RSR (root mean squared error-observation standard deviation ratio) 0.53~0.55의 범위를 보였으며, 전체 입력변수를 적용한 모형의 RSR 값은 0.53로 가장 우수한 성능을 보이는 것으로 분석되었다. 또한 모형의 현장 적용성을 높이기 위해 현장 측정이 상대적으로 용이한 측정항목을 중심으로 모형을 구축하고 성능을 분석하였다. 분석결과 상대적으로 측정이 용이한 항목인 수온, pH, 전기전도도, 용존산소농도, 부유물질농도만으로 구축된 모형의 경우에도 RSR 값이 0.72로 분석되어 상대적으로 측정이 용이한 현장 수질측정항목만을 이용하는 경우에도 안정적인 성능의 확보가 가능할 수 있음을 확인하였다.

수질자료의 특성을 고려한 앙상블 머신러닝 모형 구축 및 설명가능한 인공지능을 이용한 모형결과 해석에 대한 연구 (Development of ensemble machine learning model considering the characteristics of input variables and the interpretation of model performance using explainable artificial intelligence)

  • 박정수
    • 상하수도학회지
    • /
    • 제36권4호
    • /
    • pp.239-248
    • /
    • 2022
  • The prediction of algal bloom is an important field of study in algal bloom management, and chlorophyll-a concentration(Chl-a) is commonly used to represent the status of algal bloom. In, recent years advanced machine learning algorithms are increasingly used for the prediction of algal bloom. In this study, XGBoost(XGB), an ensemble machine learning algorithm, was used to develop a model to predict Chl-a in a reservoir. The daily observation of water quality data and climate data was used for the training and testing of the model. In the first step of the study, the input variables were clustered into two groups(low and high value groups) based on the observed value of water temperature(TEMP), total organic carbon concentration(TOC), total nitrogen concentration(TN) and total phosphorus concentration(TP). For each of the four water quality items, two XGB models were developed using only the data in each clustered group(Model 1). The results were compared to the prediction of an XGB model developed by using the entire data before clustering(Model 2). The model performance was evaluated using three indices including root mean squared error-observation standard deviation ratio(RSR). The model performance was improved using Model 1 for TEMP, TN, TP as the RSR of each model was 0.503, 0.477 and 0.493, respectively, while the RSR of Model 2 was 0.521. On the other hand, Model 2 shows better performance than Model 1 for TOC, where the RSR was 0.532. Explainable artificial intelligence(XAI) is an ongoing field of research in machine learning study. Shapley value analysis, a novel XAI algorithm, was also used for the quantitative interpretation of the XGB model performance developed in this study.

이속 압연된 마그네슘 합금의 미세조직 및 기계적 물성에 미치는 가공 변수의 영향 (Effects of Processing Conditions on Microstructure and Mechanical Properties of Mg Alloy Deformed by Differential Speed Rolling)

  • 양해웅;고영건
    • 소성∙가공
    • /
    • 제27권1호
    • /
    • pp.12-17
    • /
    • 2018
  • This paper outlines the research findings on the microstructure and mechanical properties of AZ31 Mg alloy fabricated by differential speed rolling (DSR) with respect to processing variables such as temperature, roll speed ratio (RSR), and deformation route. The resultant microstructure of the sample, deformed by 2-pass DSRs at 473 K, comprised finer grains with more uniform distribution than those at 573 and 623 K. This was due to active recrystallization, which was expected to appear during DSR at temperatures higher than 573 K. When the sample was deformed via DSR with RSR of 1:4 for the upper and lower rolls at 453 K, the values of yield and ultimate tensile strength were observed to be higher than their counterpart with RSR of 1:1. The application of sample rotation around the longitudinal axis would give rise to an excellent combination of tension strength (~330 MPa) and ductility (~20 %) at ambient temperatures. This is discussed based on its uniform fine grained structure and the softening of basal texture.

직선 치형을 가진 로봇 감속기(RSR)의 응력 집중 FEM 해석 (Stress Concentration FEM Simulation of Robot Speed Reducer(RSR) with Straight Line Teeth Profile)

  • 남원기;국창호;함성훈;장인훈;오세훈;심귀보
    • 한국지능시스템학회논문지
    • /
    • 제17권7호
    • /
    • pp.952-956
    • /
    • 2007
  • 산업현장에서는 공장 자동화의 발전에 따라 많은 로봇들이 사람을 대신하고 있다. 일반적으로 산업 현장에서 사용되는 로봇은 고정밀도의 감속기를 필요로 한다. 고정밀의 제어를 위해서는 cycloid 치형 혹은 인벌류트 치형을 가진 감속기를 사용하게 된다. 이러한 감속기는 낮은 백래쉬와 높은 감속비를 가지면서 동시에 치형의 높은 강성을 필요로 한다. 본 논문에서는 새로이 고안한 직선 치형을 가진 로봇 감속기(RSR) 치형의강성을 FEM 해석을 통해 실제로 적용이 가능한지 여부를 시뮬레이션 해보았으며, 실제로도 적용이 가능함을 알 수 있었다.

입력자료 군집화에 따른 앙상블 머신러닝 모형의 수질예측 특성 연구 (The Effect of Input Variables Clustering on the Characteristics of Ensemble Machine Learning Model for Water Quality Prediction)

  • 박정수
    • 한국물환경학회지
    • /
    • 제37권5호
    • /
    • pp.335-343
    • /
    • 2021
  • Water quality prediction is essential for the proper management of water supply systems. Increased suspended sediment concentration (SSC) has various effects on water supply systems such as increased treatment cost and consequently, there have been various efforts to develop a model for predicting SSC. However, SSC is affected by both the natural and anthropogenic environment, making it challenging to predict SSC. Recently, advanced machine learning models have increasingly been used for water quality prediction. This study developed an ensemble machine learning model to predict SSC using the XGBoost (XGB) algorithm. The observed discharge (Q) and SSC in two fields monitoring stations were used to develop the model. The input variables were clustered in two groups with low and high ranges of Q using the k-means clustering algorithm. Then each group of data was separately used to optimize XGB (Model 1). The model performance was compared with that of the XGB model using the entire data (Model 2). The models were evaluated by mean squared error-ob servation standard deviation ratio (RSR) and root mean squared error. The RSR were 0.51 and 0.57 in the two monitoring stations for Model 2, respectively, while the model performance improved to RSR 0.46 and 0.55, respectively, for Model 1.

정하중 재하 시 실물 강성벽 일체형 철도보강노반의 성능평가 (Performance Evaluation of Full Scale Reinforced Subgrade for Railroad with Rigid Wall Under Static Load)

  • 김대상
    • 한국지반신소재학회논문집
    • /
    • 제14권3호
    • /
    • pp.31-42
    • /
    • 2015
  • 강성벽 일체형 철도보강노반의 열차하중 하에서의 성능을 평가하기 위하여 실물 단선 철도 노반과 동일한 규모인 높이*폭*길이(5m*6m*20m)의 보강노반을 건설하였다. 철도보강노반은 높이의 30~40%의 짧은 보강재와 강성벽체, 보강재 연직배치간격 30와 40cm를 적용한 특징이 있다. 경제성 및 시공성 향상을 위하여 강성벽체와 보강토체와의 일체화 연결방식을 3종류(용접형, 힌지볼트형, 굵은 철사형)로 다르게 설계하였다. 철도 설계하중 50kPa의 19.6배에 해당되는 0.98MPa (최대시험하중 5.88MN) 최대하중에 대하여 2회 정하중 재하시험을 실시하였다. 철도보강노반의 성능은 파괴에 대한 안정성, 지지력과 침하, 벽체 발생 수평변위, 보강재 발생 변형률에 대한 검토로부터 평가하였다. 실물 실대형 시험결과로부터 높이의 35% 수준의 짧은 보강재와 힌지 볼트형 연결방식을 채택한 강성벽체 일체형 철도보강노반에서 40cm의 보강재 연직간격을 적용하여도 열차 설계하중 하에서 좋은 성능을 보이는 것을 확인할 수 있었다.