• 한국산림과학회지
• /
• 제104권2호
• /
• pp.198-205
• /
• 2015

본 연구에서는, 수종별 벌채부산물의 압축 변형 특성을 규명함으로써 벌채부산물을 압축할 수 있는 장비의 개발을 위한 기초자료로 사용하고자 하였다. 만능재료시험기(Universial Testing Machine)를 이용한 압축재하 시험장치로 벌채부산물의 3회 반복 압축-변형 특성시험을 통해 수종별 벌채부산물의 목표밀도 압축에 필요한 소요압축력을 구하였다. 리기다소나무(Pinus rigida), 잣나무(Pinus koraiensis), 신갈나무(Quercus mongolica)의 반복 압축 시 응력-변형률 자료를 기반으로 지수함수 형태로 모델화한 것의 물리적 특성 값을 분석한 결과, 목표밀도 $350kg/m^3$과 $400kg/m^3$ 모두 벌채부산물 기계적 성질에 따른 응력계수는 압축횟수가 늘어나면서 줄어드는 경향을 나타냈으며, 반대로 변형율 계수는 늘어나는 경향을 나타냈다. 모델화를 통해 압축횟수가 증가할수록 압축에 요구되는 소요응력은 줄어들고, 변형율 변화에 비해 응력증가가 커지는 특성이 있으므로, 적절한 초기 압축력이 벌채부산물의 목표밀도 달성에 중요한 변수임을 확인할 수 있었다.

• Journal of Forest and Environmental Science
• /
• 제17권1호
• /
• pp.62-73
• /
• 2001

본 연구는 지면끌기집재에 사용되는 기계에 의해 견인되는 견인목의 견인저항을 예측하기 위해 견인목의 중량, 견인저항계수, 지면의 경사 등의 함수로 표현된 수학적 모델들을 개발하였다. 또한 만능재료시험기와 토양조를 이용한 실험실조건에서 4개 수종(잣나무, 일본잎갈나무, 신갈나무, 굴참나무)의 견인저항계수를 산출하였다. 산출한 견인저항계수와 가상 조건을 이용하여 개발된 3가지의 수학적 견인저항 모델에 적용하였다. 그 결과 견인목 중량에 대한 견인저항력의 비(T/Wt)는 지면의 경사가 증가할수록 전형적으로 증가하였으며, 반지면끌기집재가 지면끌기집재보다 견인저항력이 더 작게 나타났다. 본 연구의 결과는 집재작업기계의 선정과 집재윈치의 동력요구량 산정엔 기본적인 자료로 활용할 수 있을 것이다.

• Geomechanics and Engineering
• /
• 제34권1호
• /
• pp.43-49
• /
• 2023

Knowledge of minimum horizontal stress (S_hmin) is a significant step in determining full stress tensor. It provides crucial information for the production of sand, hydraulic fracturing, determination of safe mud weight window, reservoir production behavior, and wellbore stability. Calculating the S_hmin using indirect methods has been proved to be awkward because a lot of data are required in all of these models. Also, direct techniques such as hydraulic fracturing are costly and time-consuming. To figure these problems out, this work aims to apply the long-short-term memory (LSTM) algorithm to S_hmin time-series prediction. 13956 datasets obtained from an oil well logging operation were applied in the models. 80% of the data were used for training, and 20% of the data were used for testing. In order to achieve the maximum accuracy of the LSTM model, its hyper-parameters were optimized significantly. Through different statistical indices, the LSTM model's performance was compared with with other machine learning methods. Finally, the optimized LSTM model was recommended for S_hmin prediction in the well logging operation.

• 한국산림과학회지
• /
• 제86권4호
• /
• pp.450-458
• /
• 1997

집재기계의 사용시간을 고려하지 않은 작업경비의 비교는, 국내에서와 같이 기계화 작업의 비율이 낮은 경우에서는 적합하지 않다. 기계 및 장비의 활용도를 극대화 시킬 수 있는 작업량은 각 집재기계마다 다르며, 이에 따라 수확 경영규모에 따른 적정 집재기계의 선택이 중요하다. 본 연구에서는 임목수확 기계의 효율적 이용 관리를 위하여, 작업량에 따른 경제적으로 최적의 집재기계 선택방법을 제시하였다. 우리나라의 임업기계화를 추진하는데 있어서, 기계의 이용률을 극대화시킬 수 있는 시업단위는 기계 장비간의 경제적 우위를 비교하는데 반드시 고려할 사항이며, 인건비 상승에 따른 경제성의 변화도 작업시스템의 선정에 있어 함께 고려하여야 할 것이다.

• 자원환경지질
• /
• 제31권6호
• /
• pp.527-534
• /
• 1998

Excavation of underground openings changes stress distribution around the opening. The survey of this disturbed zone in excavation is very important to design and construct underground facilities, such as tunnel, gas and oil storage, power plant and disposal site of high- and low-level radioactive wastes. This paper presents a zoning of rock masses with tunnel excavation using PS logging. Compressional and shear wave velocities are measured in boreholes drilled in the tunnel wall, which was constructed with blasting and/or machine excavation. The disturbed zone in excavation can be estimated by comparing PS logging data with a tomographic image of compressional wave velocity and compressional and shear wave velocities of core samples. In the side wall of tunnel, the disturbed zone reaches 1.5 m and 1.0 m in thickness for blocks of blasting and machine excavations, respectively. In the roof of tunnel, however, the disturbed zone is 1.0 m and 0.75 m thick for the two blocks. These results show that the width of the disturbed zone is larger in the side wall of tunnel than in the roof, and 1.3 to 1.5 times larger for the blasting excavation than for the machine excavation.

• 한국지리정보학회지
• /
• 제6권1호
• /
• pp.85-97
• /
• 2003

지리정보시스템(GIS)에 의하여 구축되어진 수치지형모델(DTM)을 이용하여 경상남도 남해군 금산의 국유림(2,948ha)을 대상으로 지형분석을 실시한 후, 현재 우리나라에서 보유하고 있는 벌출작업기계 3기종을 선택하여 산림경영계획의 측면에서 지형별 투입가능한 산림작업기계의 영역을 분류하고 적용성을 검토하였다. 금산의 표고는 201~250m(15.5%), 251~300m(14.5%)의 순으로 분포하였으며, 400m까지의 누적 면적점유율은 78.7%로서 비교적 표고가 낮은 것으로 나타났다. 대상임분, 작업규모, 경사 및 지형에 따른 차량계 벌출작업기계의 투입가능한 지역(경사 30% 이하)은 17.2%(511.7ha)였으며, 윈치부착 차량계 벌출작업기계의 투입가능한 지역(경사 31~60%)은 63.8%(1,896.3ha)였고, 가선계가 가능한 지역(경사 61~80%)은 18.4%(545.5ha)로 나타났다. 본 지역의 경우 중경사지형의 점유율이 81.0%로서 집재기종 중 트랙터부착 집재기(Logging Boogie)의 사용이 적절하다고 판단되며, 이는 향후 대상지역의 산림작업 계획시 기초자료로 활용할 수 있을 것이다. 임목수확작업에 필요한 기계의 이용계획과 작업방법을 선정할 경우에는 지형, 임도망, 임상, 작업규모, 노동력과 작업기술, 기계 및 자본력 등 많은 인자들이 중요한 결정요인이지만 무엇보다도 지형적인 요소가 가장 중요한 요인이다. 특히, 지형정보시스템을 이용하여 집재지형을 분류하면 산지사면의 경사길이와 경사도에 따라 벌출작업이 가능한 대표기종의 선정에 많은 도움이 될 수 있을 것이다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제21권3호
• /
• pp.21-34
• /
• 2016

In the present study, we applied various machine learning techniques comparatively for prediction of subsurface structures based on multiple secondary information (i.e., well-logging data). The machine learning techniques employed in this study are Naive Bayes classification (NB), artificial neural network (ANN), support vector machine (SVM) and logistic regression classification (LR). As an alternative model, conventional hidden Markov model (HMM) and modified hidden Markov model (mHMM) are used where additional information of transition probability between primary properties is incorporated in the predictions. In the comparisons, 16 boreholes consisted with four different materials are synthesized, which show directional non-stationarity in upward and downward directions. Futhermore, two types of the secondary information that is statistically related to each material are generated. From the comparative analysis with various case studies, the accuracies of the techniques become degenerated with inclusion of additive errors and small amount of the training data. For HMM predictions, the conventional HMM shows the similar accuracies with the models that does not relies on transition probability. However, the mHMM consistently shows the highest prediction accuracy among the test cases, which can be attributed to the consideration of geological nature in the training of the model.

• Nuclear Engineering and Technology
• /
• 제55권5호
• /
• pp.1708-1717
• /
• 2023

The grade analysis of lead-zinc ore is the basis for the optimal development and utilization of deposits. In this study, a method combining Prompt Gamma Neutron Activation Analysis (PGNAA) technology and machine learning is proposed for lead-zinc mine borehole logging, which can identify lead-zinc ores of different grades and gangue in the formation, providing real-time grade information qualitatively and semi-quantitatively. Firstly, Monte Carlo simulation is used to obtain a gamma-ray spectrum data set for training and testing machine learning classification algorithms. These spectra are broadened, normalized and separated into inelastic scattering and capture spectra, and then used to fit different classifier models. When the comprehensive grade boundary of high- and low-grade ores is set to 5%, the evaluation metrics calculated by the 5-fold cross-validation show that the SVM (Support Vector Machine), KNN (K-Nearest Neighbor), GNB (Gaussian Naive Bayes) and RF (Random Forest) models can effectively distinguish lead-zinc ore from gangue. At the same time, the GNB model has achieved the optimal accuracy of 91.45% when identifying high- and low-grade ores, and the F₁ score for both types of ores is greater than 0.9.

• 한국산림과학회지
• /
• 제105권2호
• /
• pp.231-237
• /
• 2016

본 연구는 국내 벌채현장에서 가장 많이 활용되고 있는 Woodgrab에 의한 단목집재작업이 생산성 및 수익성 측면에서 가장 유리한 방식인가에 대한 검토를 하고자 수행되었다. 이를 위해 Woodgrab 목재수확방법의 생산성 및 수익성을 비교하기 위하여 Swing yarder와 Tower yarder에 의한 전목집재작업을 선정하였다. 이를 토대로 낙엽송 임분에 대한 작업기종별 조재지침을 적용하여 각 기종별 수확작업과정에 따른 작업비용과 등급별 원목매각 순수익을 산출하여 비교하였다. 연구결과, Woodgrab을 이용한 단목집재작업은 Swing yarder 혹은 Tower yarder에 의한 전목집재작업에 비해 생산성이나 생산단가 측면에서 유리한 반면 원목생산의 수익성 측면에서는 오히려 불리한 것으로 나타났다. 이것은 Woodgrab에 의한 목재생산작업을 하는 경우 생산비가 절감되는 대신 시장가격이 낮은 펄프, 보드류 혹은 톱밥 등의 원료재로 사용되는 단목을 주로 생산할 수 밖에 없는 것에 기인한 것이다.

• 터널과지하공간
• /
• 제33권6호
• /
• pp.561-573
• /
• 2023

한국원자력연구원은 심부 암반의 수리/지화학 특성 분석을 위해 KURT (KAERI Underground Research Tunnel)를 건설하였고, 다수의 조사용 시추공을 시추하여 각종 시험을 수행 중이다. 시추공 조사에서 목적에 적합한 조사 구간 선정은 매우 중요하며 수리 유동 파악 및 지하수 채수가 목적인 경우, 유량이 풍부한 구간이 조사 목적에 부합한다. 본 연구에서는 이러한 구간을 수리 이상점으로 정의했으며, 심도 1km 수준의 시추공 물리검층 자료(온도, 전기전도도)를 활용하여 이를 탐지하고자 하였다. 체계적이고 효율적인 이상점 탐지를 위해 기계학습 알고리즘 중 DBSCAN, OCSVM, kNN, isolation forest을 적용하고 그 적용성을 파악하였다. 데이터 전처리와 알고리즘 최적화를 수행했으며, 그 결과 네 가지 알고리즘은 각각 55, 12, 52, 68개의 수리 이상점을 탐지하였다. 본 논문을 통해 기계학습 알고리즘의 활용 가능성을 확인했으나, 학습에 활용된 입력자료가 제한적이었기 때문에, 향후 추가적인 검증과 보완이 바람직한 것으로 판단된다.