• 지질공학
• /
• 제19권3호
• /
• pp.351-363
• /
• 2009

경상분지 내 구미노두와 다사노두 지역에서 신동층군의 사암층을 대상으로 절리 연구가 집중적으로 이루어졌다. 사암-이암 시퀀스의 양 지역 노두에서 똑같이 두 조의 직교 절리가 사암층에 전형적으로 발달하고 있다. 여러 가지 절리 자료들을 양 지역의 동일한 두께의 층에서 비교하여보면 상당히 유사한데 이는 절리 조들이 동일한 응력장에서 신장 변형 작용으로 균질하게 생성되었음을 이야기 한다. 대부분의 절리들은 퇴적물이 매몰되어 고화되는 과정에서 수압단열작용에 의해 생성된 것으로 생각되며, 사암층의 층 경계에 수직이고 층 경계에 이르러 중지한다. 두 조의 직교하는 절리들은 단열 격자차단 양상으로 해석되는 상호 접경하는 관계로 볼 때 ${\sigma}_1$은 수직으로 고정된 상태에서 ${\sigma}_2$ 와 ${\sigma}_3$의 빠른 교환에 의해 거의 동시에 생성된 것으로 판단된다. 사암층에서의 절리조들은 인접한 절리 간에 평행한 배향을 가지며 규칙적인 간격을 가지고 절리면은 평탄하다. 절리간격은 층 두께에 비례하고 간격분포는 대부분의 층에서 대수-정규분포 내지 정규 분포를 나타낸다. 그러나 다중층에서는 간격의 분포범위가 크고 불규칙한 형태를 보여준다. 연구지역에서 두 조의 절리들은 최빈값/평균값의 비가 1 내외로 포화상태를, 또 다른 척도인 변동계수(Cv)도 1이하의 낮은 값으로 포화를 지시한다. 절리의 개구는 모든 사암충의 절리에서 균질하기보다는 절리의 길이가 증가함에 따라 증가하는 경향을 갖는다.

• 대한기계학회논문집A
• /
• 제36권2호
• /
• pp.187-194
• /
• 2012

일반적으로 복합재의 강도에 대한 크기 효과는 입자강화 알루미늄 복합재 제조시, 입자와 기지재를 압밀한 후 냉각할 때 입자와 기지재 사이의 열팽창계수 차에 의하여 기지재에 펀칭되는 기하적 필수 전위와, 변형 중 입자와 기지재사이의 탄소성 강성도 차로 인해 발생하는 변형률 구배 소성으로 인한 기하적 필수 전위가 주로 영향을 미치는 것으로 알려져 있다. 본 논문에서는 이러한 두 종류의 기하적 필수 전위를 전위 소성 이론에 입각하여 강도로 환산한 후 계층적으로 입자 주위 유한요소 영역에 할당하여 동일한 체적비에서 입자의 크기에 따라 변화하는 복합재의 파손 거동을 효과적으로 예측하였다. 이 방법을 적용함으로써 구형입자의 경우 간단한 축대칭 유한요소 모델링과 실험데이터를 연계하여 입자강화 복합재의 입자 크기 의존 강도 및 파손 효과를 수월하게 예측할 수 있음을 보였다. 또한 서로 다른 입자의 체적비 및 크기에 대하여SiC강화 알루미늄 2124-T4 복합재의 강도와 파손 거동이 분명한 차이가 있음을 보인다.

• 대한토목학회논문집
• /
• 제3권1호
• /
• pp.65-72
• /
• 1983

건조(乾操)한 모래 시료(試料)를 토압계수(土壓係數)가 1.0, 3/4, 0.55, $K_0$ 1/3 및 1/3 인 응력경로(應力經路)를 따라 정규압밀(正規壓密) 또는 과압밀(過壓密)시킨 후 삼축압축시험(三軸壓縮試驗)을 행(行)하였다. 정규압밀시료(正規壓密試料)의 변형저항(變形抵抗)은 압밀시(壓密時)의 토압계수(土壓係數)의 크기에 관계(關係)없이 초기응력(初期應力)의 증가(增加)에 따라서 증가(增加)하였으며 또 어떤 한 초기응력(初期應力)에 대한 변형계수(變形係數)는 토압계수(土壓係數)가 클수록 커지는 경향(傾向)을 보였다. 그리고 등방정규압밀(等方正規壓密) 및 이방정규압밀(異方正規壓密)된 시료(試料)의 변형계수(變形係數) ($E_i$ 및 $E_{50}$)는 초기응력(初期應力)[${\sigma}_{m0}{^{\prime}}$, ${\sigma}_{10}{^{\prime}}$, ${\sigma}_{30}{^{\prime}}$, $({\sigma}_1-{\sigma}_3)_0$]의 n승(乘)에 비례(比例)하며 이 n 치(値)는 0.37에서 0.92의 범위 내에 있었다. 그리고 과압밀시료(過壓密試料)에서는 과압밀비(過壓密比)가 클수록 변형계수(變形係)는 크게 되었음을 냐타내었다. 결론적(結論的)으로 좀더 정확(正確)한 현위치(現位置)의 변형계수(變形係數)를 구하기 위해서는 $K_0$-이방압밀삼축압축시험(理方壓密三軸壓縮試驗)을 행(行)하여야 한다.

• Korean Journal of Radiology
• /
• 제24권8호
• /
• pp.807-820
• /
• 2023

Objective: To assess whether computed tomography (CT) conversion across different scan parameters and manufacturers using a routable generative adversarial network (RouteGAN) can improve the accuracy and variability in quantifying interstitial lung disease (ILD) using a deep learning-based automated software. Materials and Methods: This study included patients with ILD who underwent thin-section CT. Unmatched CT images obtained using scanners from four manufacturers (vendors A-D), standard- or low-radiation doses, and sharp or medium kernels were classified into groups 1-7 according to acquisition conditions. CT images in groups 2-7 were converted into the target CT style (Group 1: vendor A, standard dose, and sharp kernel) using a RouteGAN. ILD was quantified on original and converted CT images using a deep learning-based software (Aview, Coreline Soft). The accuracy of quantification was analyzed using the dice similarity coefficient (DSC) and pixel-wise overlap accuracy metrics against manual quantification by a radiologist. Five radiologists evaluated quantification accuracy using a 10-point visual scoring system. Results: Three hundred and fifty CT slices from 150 patients (mean age: 67.6 ± 10.7 years; 56 females) were included. The overlap accuracies for quantifying total abnormalities in groups 2-7 improved after CT conversion (original vs. converted: 0.63 vs. 0.68 for DSC, 0.66 vs. 0.70 for pixel-wise recall, and 0.68 vs. 0.73 for pixel-wise precision; P < 0.002 for all). The DSCs of fibrosis score, honeycombing, and reticulation significantly increased after CT conversion (0.32 vs. 0.64, 0.19 vs. 0.47, and 0.23 vs. 0.54, P < 0.002 for all), whereas those of ground-glass opacity, consolidation, and emphysema did not change significantly or decreased slightly. The radiologists' scores were significantly higher (P < 0.001) and less variable on converted CT. Conclusion: CT conversion using a RouteGAN can improve the accuracy and variability of CT images obtained using different scan parameters and manufacturers in deep learning-based quantification of ILD.