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.
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.
Knowledge of minimum horizontal stress (Shmin) 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 Shmin 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 Shmin 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 Shmin prediction in the well logging operation.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.