• 농약과학회지
• /
• 제15권1호
• /
• pp.8-14
• /
• 2011

취나물 재배 중 methoxyfenozide 및 novaluron을 살포하고, 0일부터 10일까지 총 7회 시료를 채취하였다. methoxyfenozide와 novaluron온 methanol로 추출한 후 dichloromethane으로 분배하여 HPLC로 분석하였다. 분석결과 $0.4\;mg{\cdot}kg^{-1}$과 $2\;mg{\cdot}kg^{-1}$수준에서 methoxyfenozide의 평균회수율은 $102.5{\pm}3.03%$ 및 $84.4{\pm}2.82%$이었고, novaluron은 $88.7{\pm}2.32%$ 및 $90.6{\pm}4.50%$이었다. 재배기간 중 methoxyfenozide의 기준량 잔류반감기는 3.99일이고 novaluron은 3.16일 이었다. 증제량에 따른 희석효과를 배제한 잔류감소곡선은 novaluron의 경우 잔류량 감소의 주요인으로 작용하지 않았다. Methoxyfezide와 novaluron을 안전사용기준에 따라 처리시, 최종잔류농도는 MRL이하로 떨어질 것으로 계산된다.

• 항공우주시스템공학회지
• /
• 제12권1호
• /
• pp.57-67
• /
• 2018

APD (Antenna Pointing Driver)는 차세대 중형위성에 탑재되는 위성 데이터 전송용 2축 짐벌식 X-밴드 안테나를 구동하기 위한 전장품이다. 전장품에 탑재된 EEE (Electrical, Electronic and Electromechanical) 소자의 열소산은 소자의 효율과 수명, 신뢰도에 직접적으로 영향을 미치게 되며, 종국에는 소자 자체의 파손으로 위성 전체 시스템의 실패를 초래할 수 있다. 임무기간동안 전장품의 신뢰성을 보장하기 위해 EEE 소자의 접합온도는 중요한 설계요소가 되며, 허용범위 내에서 확보되어야 한다. 따라서 사전에 소자의 감쇄비를 고려한 열해석이 반드시 수행되어야하며, 이를 위해 적절한 열해석모델을 구축하여야한다. 본 논문에서는 APD의 온도 요구조건 만족여부를 확인하기 위해 열설계 및 열해석을 수행하였으며, 이와 더불어 각 모델링 기법에 따른 열해석모델의 유효성을 비교, 분석하였다.

• 한국해안·해양공학회논문집
• /
• 제32권6호
• /
• pp.575-586
• /
• 2020

본 연구에서는 단면2차원수리모형실험을 통하여 파랑과 바람이 공존할 경우 호안주변에서 발생되는 수리현상을 검토하였다. 최근의 호안 보수·보강실례를 토대로 서로 다른 4가지의 대표적 호안형상에 대하여 호안전면에 소파블록을 거치한 조건으로 실험단면을 구성하였고 외력변화에 따른 수면변동, 반사율, 월파 및 파압특성을 검토하였다. 호안의 상치형상은 호안전면에 나타나는 수리특성의 가장 중요한 요소이며 바람이 작용할 경우에는 그 경향이 더욱 뚜렷이 나타나는 것을 확인하였다. 실험결과 직립호안의 경우만 보더라도 3 m/s~5 m/s의 바람이 발생할 경우 월파량은 약 5%~12% 증가되었으며 파압의 경우 상치 마루부에서 1.5~2.2배까지 증가되는 것을 확인 할 수 있었으며 상치형상이 다른 3가지의 경우에 바람의 작용이 추가될 경우 호안전면의 수리특성은 변화폭이 보다 크게 나타나는 것을 확인할 수 있었다. 따라서 새로운 상치형상의 호안 설계 시에는 이러한 실험결과를 토대로 파랑과 바람 공존장에 대한 보다 상세한 수리특성 검토가 수반되어야 할 것이다.

• 해양환경안전학회지
• /
• 제29권6호
• /
• pp.543-551
• /
• 2023

기후변화 영향으로 이상고수온, 태풍, 홍수, 가뭄 등 재난 및 안전 관리기술은 지속적으로 고도화를 요구받고 있으며, 특히 해수면 온도는 한반도 주변에서 발생되는 여름철 적조 발생과 동해안 냉수대 출현, 소멸 등에 영향을 신속하게 분석할 수 있는 중요한 인자이다. 따라서, 본 연구에서는 해수면 온도 자료를 해양 이상현상 및 연구에 적극 활용되기 위해 통계적 방법과 딥러닝 알고리즘을 적용하여 예측성능을 평가하였다. 예측에 사용된 해수면 수온자료는 흑산도 조위관측소의 2018년부터 2022년까지 자료이며, 기존 통계적 ARIMA 방법과 Long Short-Term Memory(LSTM), Gated Recurrent Unit(GRU)을 사용하였고, LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence(s2s) 구조에 Attention 기법을 추가한 Attention Long Short-Term Memory (LSTM)기법을 사용하여 예측 성능 평가를 진행하였다. 평가 결과 Attention LSTM 모델이 타 모델과 비교하여 더 좋은 성능을 보였으며, Hyper parameter 튜닝을 통해 해수면 수온 성능을 개선할 수 있었다.