• 제목/요약/키워드: irregular structure

검색결과 574건 처리시간 0.022초

지하공동 충전효과 평가를 위한 시차 공대공 탄성파 토모그래피 연구 (Time-Lapse Crosswell Seismic Study to Evaluate the Underground Cavity Filling)

  • 이두성
    • 지구물리와물리탐사
    • /
    • 제1권1호
    • /
    • pp.25-30
    • /
    • 1998
  • 공동충전 효과를 검증하기 위하여 실시한 시차 공대공 탄성파 탐사자료로부터 지하공동 부존 지역에서 충전 전과 후에 매질의 탄성파 전파속도의 변화를 확인하였다. 시차 공대공 탄성파 탐사자료에 나타난 반응과 시추조사 결과에 의하면 본 지역의 공동은 규모가 극히 소규모이거나 또는 폐석 등으로 충전된 것으로 보인다. 공동충진 효과는 토모그래피로부터 도출된 속도단면상의 탄성파 속도의 증가량을 분석함으로써 평가하였다. 시추공용 에어건을 진원으로 24-채널 하이드로폰을 수진기로 하여 자료를 취득하였다. 취득한 자료에는 무시할 수 없을 정도의 source statics를 확인할 수 있었다. 본 논문에서 제시한 보정방법은 2단계로; 1) 불규칙한 발파시점에 의한 영향 보정과 2) 잔여 정보정으로 이는 진원의 부정확한 위치에 대한 정보정이다. 본 논문에서는 고주파수 성분의 수치잡음이 억제되고 관심대상 부분에서 비교적 고분해능 영상을 도출할 수 있는 다단계 역산 방안을 제시하였다. 일반적으로 최소자승 주시토모그래피로는 평활화된 속도 영상을 얻을 수 있다. 따라서 이러한 역산으로는 비교적 소규모의 구간에서 발생한 적은 속도변화를 영상화하기에는 어려운 면이 있다. 본 논문에서는 속도모델의 파라메터를 변화시킨 2단계 제어 역산법으로 도출한 시차 토모그램으로부터 채굴 영향대에서 발생한 매질의 속도변화를 시각화 할 수 있었다. 2단계 역산법은 1-단계에서는 적정한 크기의 균일 격자로 구성된 모델을 사용하여 토모그램을 작성하고 이 토모그램에 2차원 중위수 필터를 적용하여 대략적인 속도구조 모델을 작성한다. 2-단계 역산시는 1-단계에서 작성한 속도모델을 수정하여 초기 모델로 한다. 모델 수정은 관심대상 부분만을 작은 크기의 균일격자로 재구성하는 것이다. 기준조사 토모그램을 2차 조사자료 역산의 초기 속도모델로 사용하였다. 속도변화는 공동대 부근에서만 예상되므로 그 이외 부분의 속도는 기준 토모그램과 동일하게 고정시키고 역산을 수행하였다.

  • PDF

알럼 슬러지 기반 흡착제를 이용한 수용액상 불소 및 비소 흡착에 관한 연구 (A Study of Fluoride and Arsenic Adsorption from Aqueous Solution Using Alum Sludge Based Adsorbent)

  • 이준학;지원현;이진수;박성숙;최궁원;강찬웅;김선준
    • 자원환경지질
    • /
    • 제53권6호
    • /
    • pp.667-675
    • /
    • 2020
  • 본 연구에서는 정수 처리장 침전지에서 채취한 알럼 기반의 슬러지를 수열합성 방법으로 흡착제(Alum Sludge Based Adsorbent, ASBA)를 제조하고, 이를 인공 수용액 및 광산배수 내 불소와 비소의 제거에 적용하여 ASBA의 흡착 특성을 평가하였다. ASBA의 광물학적 결정 구조, 구성 성분 및 비표면적을 조사한 결과, ASBA는 표면에 불규칙한 기공과 87.25㎡ g-1의 비표면적을 갖는 흡착에 유리한 구조로 나타났다. ASBA를 구성하는 주요 광물 성분은 석영(SiO2), 몬모릴로나이트((Al,Mg)2Si4O10(OH)2·4H2O), 알바이트(NaAlSi3O8)임을 확인하였다. 다음으로 회분식 흡착실험을 수행하여 pH, 흡착 반응시간, 초기 농도 및 온도 등의 인자가 ASBA를 활용한 불소와 비소 흡착에 미치는 영향을 살펴보았다. 실험 결과, 용액의 pH 환경이 염기 영역으로 갈수록 불소와 비소의 흡착률은 감소하는 경향을 보였으며, 흡착제의 영전하점은 pH 7 부근으로 나타났다. 등온 흡착실험을 통해 확인한 불소와 비소의 최대 흡착량은 각각 7.6mg g-1, 5.6mg g-1이었고, 동적 흡착실험에서 불소와 비소는 반응이 시작한 후 각각 8h, 12h이 경과하면서 흡착농도의 증가율이 감소하는 것으로 나타났다. 한편 흡착평형 실험을 통한 ASBA의 흡착 메커니즘을 알아본 결과. 불소와 비소의 흡착은 Langmuir 등온 흡착모델 및 Freundlich 등온 흡착모델과 높은 상관관계를 가지며 일치하는 경향을 보여주었다. 또한 열역학적 연구에서는 25℃부터 35℃까지의 온도 증가에 따른 불소와 비소의 흡착 양상을 실험하여, 양의 값을 갖는 열역학적 상수 ΔH°와 ΔG°을 도출함으로써 ASBA의 흡착 특성은 흡열반응이자 비자발적인 반응임을 검증하였다. 재생실험 결과, ASBA는 1N NaOH을 이용하여 재생 가능하였으며, 광산배수를 이용한 불소와 비소의 흡착실험에서 각각 77%, 69%로 비교적 높은 제거율을 보여 현장 적용 가능성을 지닌 것을 알 수 있었다. 분석 결과를 종합하여 볼 때, 소규모 유량을 가지며 pH 환경이 산·중성 영역인 광산배수 내 불소와 비소가 흡착되어 제거되는 데 흡착제로서 ASBA가 효과적임을 제안한다.

광산배수 정화시설 철 슬러지 기반 흡착제를 활용한 수용액상 불소 흡착에 관한 연구 (A Study of Fluoride Adsorption in Aqueous Solution Using Iron Sludge based Adsorbent at Mine Drainage Treatment Facility)

  • 이준학;김선준
    • 자원환경지질
    • /
    • 제54권6호
    • /
    • pp.709-716
    • /
    • 2021
  • 본 연구에서는 강원도 강릉에 위치한 광산배수 처리시설 침전지에서 채취한 철 수산화물 기반의 슬러지를 자연 건조해 제조한 흡착제를 사용하여 인공 불소 수용액 및 실제 광산배수에 적용하여 흡착제의 불소 흡착 특성을 확인하였다. 실험에 사용된 흡착제의 화학적 성분, 광물학적 특성 및 비표면적을 분석한 결과, 주구성광물로 산화 철(Fe2O3)이 79.2 wt.%를 차지하며, 결정구조 분석에서 방해석(CaCO3)과 관련된 피크가 분석되었다. 또한 불규칙한 표면과 216.78 m2·g-1의 비표면적을 가지고 있음이 확인되었다. 실내 회분식 실험에서는 반응시간, pH, 초기 불소 농도 및 온도 등의 변화가 흡착량 변화에 미치는 영향을 확인하였다. 동적 흡착실험 결과, 불소의 흡착은 반응 시작 16시간 후 3.85 mg·g-1의 흡착량을 보이며 흡착량이 증가하다 점차 흡착량의 증가율이 감소하였으며, 등온 흡착실험에서 확인된 흡착제의 이론적 최대 흡착량은 81.01 mg·g-1으로 분석되었다. 또한 pH가 증가할수록 불소의 흡착량이 감소하는 모습을 보였으며, 특히 흡착제의 영전하점인 pH 5.5 부근에서 급격한 감소량을 나타냈다. 한편 등온 흡착실험의 결과를 Langmuir 및 Freundlich 등온 흡착 모델에 적용하여 사용한 흡착제의 불소 흡착 메커니즘을 유추한 결과, Freundlich 등온 흡착 모델과 더 높은 상관관계(R2=0.9138)로 일치하는 모습을 보였다. Van't Hoff 식을 활용하여 흡착제의 열역학적 특성을 파악하기 위해 25℃에서 65℃까지 온도를 증가시키며 획득한 흡착량 정보로 열역학적 상수 𝚫H°와 𝚫G°을 계산하여 흡착제가 흡열의 흡착 특성을 보이며 반응이 비자발적임을 도출하였다. 마지막으로 약 12.8 mg·L-1의 불소 농도를 가지는 광산배수에 흡착제를 적용하여 실제 환경에서 흡착제의 적용가능성을 확인한 결과, 약 50%의 불소 제거효과가 있는 것으로 나타났다.

Hierarchical Attention Network를 이용한 복합 장애 발생 예측 시스템 개발 (Development of a complex failure prediction system using Hierarchical Attention Network)

  • 박영찬;안상준;김민태;김우주
    • 지능정보연구
    • /
    • 제26권4호
    • /
    • pp.127-148
    • /
    • 2020
  • 데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.