본 연구는 동물매개활동이 지역아동센터 초등학교 저학년의 사회적 기술 및 자기효능 감에 미치는 영향을 검증하는 것을 목표로 하였다. 실험집단은 전라북도 K시에 위치한 지역아동센터의 방과 후 수업에 참가하는 초등학교 2-3학년 아동 중에서 동물매개활동 에 참여를 희망하는 학생을 대상으로 6명으로 구성하였다. 연구기간은 2018년 8월부터 11월까지 매주 1회, 45분간 총 8주를 진행하였으며, 치료도우미견 1두, 동물매개심리상 담 6명이 함께 진행하였다. 연구의 효과성 검증을 위해 검사도구로는 사회적 기술척도 및 자기효능감 척도 검사를 사전과 사후 실시하여 변화를 분석하였다. 본 연구결과, 동물매개활동이 지역아동센터 아동의 사회적 기술 및 자기효능감 향상에 긍정적인 영향을 미쳤다. 사회적 기술 척도의 하위 요인별로 주장성, 협동성, 공감 능력 및 자기조절능력의 평균값이 향상되는 것으로 나타났다. 자기기효능감의 하위영역별로 과제 난이도 해결능력 및 자신감이 향상된 것으로 나타났다. 살아있는 동물과 교감할 수 있는 체험과 긍정강화를 할 수 있는 칭찬과 보상은 초등학 교 저학년 아동들에게 즐거움과 흥미를 유발시킬 수 있다. 따라서 일반 초등학교 학생들 에게도 확대 적용할 수 있을 것이다.

목적: 난시용 소프트콘택트렌즈로 선명한 시력을 제공하기 위해서는 정확한 난시도수와 축방향이 중요하다. 임상에서는 소프트 토릭렌즈의 축회전 양과 방향을 육안으로 평가하여 축을 보정하는데, 측정자에 따라, 관찰하는 측정자의 위치에 따라 다르게 평가할 수 있어 정확도가 낮은 실정이다. 따라서 본 연구에서는 덧댐굴절검사를 통해 소프트 토릭렌즈의 축 회전 예측이 가능한지를 확인하기 위하여 이론적 계산값과 임상 측정값을 비교하여 알아보았다. 방법: 이론적 계산값은 소프트 토릭렌즈의 축이 10°, 20°, 30° 회전한 경우와 난시 축을 90°도 잘못 처방한 경우 및 난시량을 과교정한 경우로 나누어 ‘굴절력 행렬’을 이용하여 난시량과 축을 계산하였고, 그래프는 matlab을 이용하였다. 이론적 계산값과 임상적 덧댐굴절검사값이 동일한지 확인하기 위해서 소프트 토릭렌즈 착용 후 축이 회전된 난시안 4안(15° 회전한 1안, 20° 회전한 2안, 축 방향을 90° 잘못 처방한 1안)과 난시값을 과교정한 1안, 총 5안의 덧댐굴 절검사값을 활용하였다. 축회전량은 각도기가 부착된 세극등을 이용하여 측정하였고, 덧댐굴절 검사는 포롭터(VT-10, Topcon, Japan)를 이용하였다. 결과: 예비검사에서 회전량 측정에 대한 검사자 측정값은 15도 회전량을 21도(15~30도)로 측정하여 측정자에 따라 편차가 큰 것으로 나타났다. ‘굴절력 행렬’을 이용한 이론적 계산값은 토릭렌즈의 축이 10°, 20°, 30° 회전했을 때 잔여난시 값은 각각 기존 난시값의 30%, 60%, 100%이며 축은 사축으로 나타났고, 난시 축을 90° 잘못 처방한 경우에는 잔여난시값이 기존 난시의 2배로 축은 동일하게 계산되었다. 난시량을 과교정 한 경우의 잔여난시값은 과교정된 만큼, 축은 90° 차이 나는 것으로 계산되었다. 임상 측정값에서는 소프트 토릭렌즈의 축이 15°, 20° 회전된 경우의 덧댐굴절검사값은 이론적 계산값과 차이가 없었고, 축 방향이 90° 잘못 처방한 경우와 난시량을 과교정한 경우에도 덧댐 굴절검사값은 이론적 계산값과 차이가 없었다. 결론: 소프트 토릭렌즈의 회전량은 검사자에 따라 편차가 있기 때문에, 눈으로 렌즈의 회전 양을 측정하는 방법 뿐 만 아니라 덧댐굴절검사 결과를 활용하는 것이 좋을 것으로 생각한다. 즉, 소프트 토릭렌즈 처방 후 덧댐굴절검사 결과 잔여난시값이 기존 난시 값의 30%, 60%, 100%이며 사축으로 측정되면 토릭렌즈의 축이 각각 10°, 20°, 30° 회전된 것으로, 잔여난시값이 기존 난시 값보다 크게 측정되면 축 방향이 90° 잘못되었다고 생각하고 축 보정을 시행하면 소프트 토릭렌즈의 축 회전 양을 이중(double check)으로 확인할 수 있어 좀 더 정확한 처방이 될 것으로 생각한다.

본 연구에서는 복막 투석 시스템에 있어서, 요소를 가수분해 후 발생하는 암모니아를 제거하기 위하여, 방사선 그라프트 중합법에 의해 다공성 중공사막에 술폰산기(SO3H)를 도입시킨 양이온 교환막(이때 얻어진 막을 SS막이라 함)을 합성하였다. 여기에 금속이온(Cu, Ni, Zn)을 이용하여 그라프트 체인을 가교시킨 이온가교형 양이온 교환막(이때 얻어진 막을 SS-M막이라 함)을 합성하여, SS막과 SS-M막의 투과 유속과 암모니아의 흡착에 대하여 고찰하였다. 술폰산기 밀도에 따라 순수투과 유속은 술폰산기 밀도가 높아짐에 따라 투과 유속이 급격히 감소하였으나, 금속 이온이 도입됨에 따라, 투과 유속이 빨라진다는 것을 알 수 있었다. SS막의 경우 암모니아 흡착은 이온교환기 용량에 따라 1 : 1로 흡착되었고, SS-M막 보다 높은 흡착량을 나타났다. 또한, SS막, SS-M막 모두 pH 9에서 가장 높은 흡착량을 나타냈다.

방사선 그라프트 중합법을 적용하여, 폴리에틸렌 다공성 중공사막에 전자선을 조사시킨 후, glycidyl methacrylate(GMA)를 그라프트 중합하였다. 그 후, 음이온 교환기로서 diethylamine (DEA), triethylamine (TEA)를 도입시켜 2종류의 음이온 교환막을 합성하였다. DEA막과 TEA막의 이온교환 밀도는 3.4 mmol/g, 1.74 mmol/g으로 DEA막이 TEA막보다 높은 이온교환기를 얻을 수 있었다. 이 2종류의 음이온교환막에 단백질(bovine serum albumin, BSA)을 투과법에 의해 고정시켜 BSA 고정막을 만들었다. DEA-BSA막의 경우, 그라프트 체인에 BSA가 8층 이상으로 다층 흡착하였으나, TEA-BSA막의 경우, 강한 음이온에 의해 다층 흡착이 이루어지지 않았다. DEA-BSA막의 경우, BSA 다층 흡착성 고정을 나타내기 때문에 L-Trp가 D-Trp보다 더 강한 흡착 특성을 나타내었다. L, D-Trp 이성질체 혼합물을 투과시킨 BTC에 있어서, DEA-BSA 막의 경우, BSA에 대한 L-Trp와 D-Trp의 키랄 인식이 다르기 때문에 2단계의 BTC곡선을 얻을 수 있었다.

금속이온 분리를 위한 운반체 지지형 (고분자/운반체) 복합막을 수면전개법에 의하여 제조하였다. 이들 막의 형상은 전개용액의 물성에 의하여 영향을 받는다. (고분자/18-crown-6) 복합용액의 표면장력은 18-crown-6의 농도가 증가함에 따라 감소하는 경향을 나타내며, 고분자에 따른 용액의 표면장력은 PVC>PS>CA 순서로 감소하였다. 점도는 18-crown-6의 농도가 증가함에 따라 PVC계와 PS계 용액은 큰 변화가 없으나 CA계 용액은 감소하는 경향을 나타내었다. 18-crown-6 환형고리분자는 고분자쇄 사이에서 전기적인 완충역할을 하여 고분자쇄간의 분자간력을 약화시켜줌으로써 복합 용액의 전개성을 증가시켰다. 복합박막의 표면형상은 단일박막보다 균일하였으며, 18-crown-6가 증가함에 따라 전후면은 모두 균일한 구조극 나타내었다.

정유산업 방출폐수를 재처리하여 양질의 공업용수로 활용하고자 역삼투막 및 공정으로 구성된 재활용 system을 고안하여 현장 pilot 실험을 수행하였다. 생산공정 운전상황에 따라 불규칙적으로 변하는 폐수 특성에도 불구하고 역삼투막의 경우 10~15kg/cm2 의 운전압력 범위내에서 96~99%정도의 비교적 높은 염배제율을 보였으며 본 실험을 통하여 얻은 재생수의 경우 냉각탑 공급용수로써의 충분한 가능성을 보여 주었다. 그러나 본 연구에서 제안 사용된 여과형 전처리 공정만으로는 충분한 처리효율을 기대하기 어려웠으며, 이는 각 여과공정법 처리수의 수질분석 결과 및 NaOH를 이용한 역삼투막 세정 결과로부터 쉽게 확인되었다.

수소는 여러 기체중에서 분자의 크기가 가장 작고, 막에 의한 분리가 쉬워 기체 막분리 공정 중에서 제일 먼저 개발 상업화되었다. 기체분리막의 발전역사를 살펴보면 1965년 Du Pont사가 polyethylene-terephthalate(PET) 중공사 기체분리 장치를 만든 것이 최초이다. 그러나 이 장치는 시판되지 않았다. 1979년 Monsanto사가 다공성 polysulfone 중공사에 polydimthylsiloxane계 고분자를 박막형태로 도포한 복합막을 개발하여 이것을 이용한 공업적 규모의 수소분리장치(Prism separator)를 개발하였는데 이 장치가 널리 퍼지게 되었다. 이 분리막은 현재 석유화학 및 석유정제공업 플렌드 폐가스로부터 수소회수, Oxo합성 기체중의 CO/H2 몰비 조절 등의 분야에서 사용되고 있다. 고분자 분리막 공정의 세계 시장 규모가 내년에는 20억~30억불로 추산되며 그 중 기체분리막 공정만 5억불에 달할 것으로 추정하고 있다. 본 논문에서는 수소 분리 회수용 고분자 기체막을 중심으로 분자설계, 공정현황 및 최근 연구동향 등을 살펴보고자 한다.

수면전개 혼합적층막의 기체투과계수는 PS의 혼합비율이 증가함에 따라, 분리계수는 PVC의 환합비율이 증가함에 따라 증가하였다. 기체투과기구는 PS의 혼합비율이 감소함에 따라 Poiseuile-Knudsen 모델에서 solution-diffusion모델로 전이하였다. 한편 혼합박막의 구조는 공기면측에 소수성의 PS가, 수면측에는 친수성인 PVC가 배향된 직렬혼합구조였으며, 기체투과거동은 series model을 따랐다

본 연구는 수면전개법으로 고분자 박막을 제조하기 위한 연구로서 PVC 및 CA의 고분자용액의 수면전개 거동과 생성된 박막의 구조특성을 검토하였다. 고분자용액의 수면전개성은 고분자용액의 용매선정에 따른 표면장력, 점도의 변화와 고분자의 농도변화에 따라 영향을 받았다. 또한 수면온도가 증가함에 따라 전개성은 저하되었다. 수면전개 박막의 구조는 고분자농도가 증가할수록 치밀하여 졌으며, 막의 응집상태는 공기면측과 수면측이 다르게 나타나 공기면측의 상태가 다소 치밀하였다. 또한 수면의 온도가 증가할수록 막의 구조는 더 치밀함을 보였다. 한편 3 wt.%의 CA용액으로부터 0.1μ의 두께를 갖는 박막을 얻었다.

In this paper, among the W-S-R relationship methods proposed by Lee, et. al., (2020) to produce rain-based rain information in real time, we tried to produce actual rain information by applying machine learning techniques to take into account the effects of wiper operation. To this end, rain sensor proposed the Graded Descent and Threshold Map method for pre-processing the cumulative value of the difference before and after wiper operation by utilizing four sensitive channels for optical sensors developed by Kim Byung-sik (2016) and using rain sensor data produced by five rain conditions in indoor artificial rainfall experiments. This method is the method of producing rainfall information by calculating the average value of the Threshold according to the rainfall conditions and channels, creating a Threshold Map corresponding to the grid 4 (channel) x 5 (thinking of rainfall information) and applying Optima Rainfall Intensity among the big data processing techniques. For the verification of these proposed findings, the application was evaluated by comparing the rainfall observations with the methods presented by Lee, et. al., (2020).

In this study, the prediction technology of Hydrological Quantitative Precipitation Forecast (HQPF) was improved by optimizing the weather predictors used as input data for machine learning. Results comparison was conducted using bias and Root Mean Square Error (RMSE), which are predictive accuracy verification indicators, based on the heavy rain case on August 21, 2021. By comparing the rainfall simulated using the improved HQPF and the observed accumulated rainfall, it was revealed that all HQPFs (conventional HQPF and improved HQPF 1 and HQPF 2) showed a decrease in rainfall as the lead time increased for the entire grid region. Hence, the difference from the observed rainfall increased. In the accumulated rainfall evaluation due to the reduction of input factors, compared to the existing HQPF, improved HQPF 1 and 2 predicted a larger accumulated rainfall. Furthermore, HQPF 2 used the lowest number of input factors and simulated more accumulated rainfall than that projected by conventional HQPF and HQPF 1. By improving the performance of conventional machine learning despite using lesser variables, the preprocessing period and model execution time can be reduced, thereby contributing to model optimization. As an additional advanced method of HQPF 1 and 2 mentioned above, a simulated analysis of the Local ENsemble prediction System (LENS) ensemble member and low pressure, one of the observed meteorological factors, was analyzed. Based on the results of this study, if we select for the positively performing ensemble members based on the heavy rain characteristics of Korea or apply additional weights differently for each ensemble member, the prediction accuracy is expected to increase.

In meteorological data, various studies are being conducted to improve the prediction performance of rainfall with irregular patterns, unlike temperature and solar radiation with certain patterns. Especially in the case of the short-term forecast model for Dong-Nae Forecasts provided by the Korea Meteorological Administration (KMA), forecast data are provided at 6-hour intervals, and there is a limit to analyzing the impact of disasters. In this study, Hydrological Quantitative Precipitation Forecast (HQPF) information was generated by applying the machine learning method to Local ENsemble prediction system (LENS), Radar-AWS Rainrates (RAR), AWS and ASOS observation data and Dong-Nae Forecast provided by the KMA. Through the preprocessing process, the temporal and spatial resolutions of all the data were converted to the same resolution, and the predictor of machine learning was derived through the factor analysis of the predictor. Considering the processing speed and expandability, the XGBoost method of machine learning was applied, and the Probability Matching (PM) method was applied to improve the prediction accuracy of heavy rainfall. As a result of evaluating the HQPF performance produced for 14 heavy rainfall events that occurred in 2020, it was found that the predicted performance of HQPF was improved quantitatively and qualitatively.

Due to recent heavy rain events, there are increasing demands for adapting infrastructure design, including drainage facilities in urban basins. Therefore, a clear definition of urban rainfall must be provided; however, currently, such a definition is unavailable. In this study, urban rainfall is defined as a rainfall event that has the potential to cause water-related disasters such as floods and landslides in urban areas. Moreover, based on design rainfall, these disasters are defined as those that causes excess design flooding due to certain rainfall events. These heavy rain scenarios require that the design of various urban rainfall facilities consider design rainfall in the target years of their life cycle, for disaster prevention. The average frequency of heavy rain in each region, inland and coastal areas, was analyzed through a frequency analysis of the highest annual rainfall in the past year. The potential change in future rainfall intensity changes the service level of the infrastructure related to hand-to-hand construction; therefore, the target year and design rainfall considering the climate change premium were presented. Finally, the change in dimensional safety according to the RCP8.5 climate change scenario was predicted.

본 연구에서는 기존의 정량적인 강수량 정보를 제공하는 방식에서 벗어나 호우발생에 따른 생활환경의 변화에 끼치는 영향을 고려한 호우영향예 보서비스의 필요성을 기반으로 호우위험영향도 평가가 가능한 호우재해 위험영향 매트릭스를 개발하고, 이를 통해 호우위험영향을 평가하는 방법을 제시하였다. 사당동 일대를 대상으로 실제 발생 호우사상(2011년 7월 27일)을 적용하였으며, 호우에 의한 침수로 영향을 받는 대상별(사람, 교통, 시설) 호우위험영향평가를 수행하였다. 이를 위해 1 km 격자기반으로 호우위험정도(Impact Level)를 산정하고, 침수심 결과를 조합하여 격자 기반의 잠재호우위험영향(Potential Risk Impact)을 산정하였다. 여기에 강우발생가능성 Likelihood와의 조합을 통해 호우영향예보가 가능한 호우위험영향(Heavy Rainfall Risk Impact) 값을 산정하여 사당동 지역의 호우영향정도를 격자기반으로 4개의 등급으로 분석, 제시하였다.

For the purposes of enhancing usability of Numerical Weather Prediction (NWP), the quantitative precipitation prediction scheme by machine learning has been proposed. In this study, heavy rainfall was corrected for by utilizing rainfall predictors from LENS and Radar from 2017 to 2018, as well as machine learning tools LightGBM and XGBoost. The results were analyzed using Mean Absolute Error (MAE), Normalized Peak Error (NPE), and Peak Timing Error (PTE) for rainfall corrected through machine learning. Machine learning results (i.e. using LightGBM and XGBoost) showed improvements in the overall correction of rainfall and maximum rainfall compared to LENS. For example, the MAE of case 5 was found to be 24.252 using LENS, 11.564 using LightGBM, and 11.693 using XGBoost, showing excellent error improvement in machine learning results. This rainfall correction technique can provide hydrologically meaningful rainfall information such as predictions of flooding. Future research on the interpretation of various hydrologic processes using machine learning is necessary.

Climate change has caused localized torrential rainfalls and typhoons to occur more frequently, increasing damages to both life and property. In particular, debris flows have brought damages not only in mountainous areas but also in urban centers. Many studies have been carried out with the rising concern on debris flows. These studies applied different debris flow models and conduct analyses on behaviors of debris flow and on forecasting. Given this, however, the subject of the impact force of debris flows should also be taken into consideration. Thus, this study applied RAMMS and FLO-2D, two models for the numerical analysis of debris flows used to analyze impact force. Here, the selected study areas are Umyeonsan Mountain in Seoul and Majeoksan Mountain in Chuncheon, where damages on debris flows were caused by the localized heavy rains in 2011. To identify a debris flow–triggering rainfall, we used and applied rainfalls calculated at different frequencies (30-year, 50-year, 100-year, 200-year). This study calculated and compared impact forces produced by the two models at any point in the study areas. Identifying impact forces based on the comparison of the two models will be useful in selecting materials and equipment appropriate when installing facilities in mountainous regions.

차량용 강우센서는 강우에 따라 와이퍼의 동작 속도를 제어하기 위해 만들어졌다. 따라서 강수의 많고 적음을 대략적으로 판단하여 와이퍼의 속 도단계를 결정하기 위한 장치이다. 하지만 기술의 발달로 인하여 강우센서의 성능이 개선됨에 따라 와이퍼의 속도단계 결정 외에 강우량의 크기를 좀 더 정확히 판단할 수 있는 기술이 개발되고 있다. 본 연구에서는 강우입자로 인한 빛의 산란을 이용한 강우계측 방법을 이용하였다. 센서에서 광 신호를 보내고 전면부 유리창에 반사되어 돌아오는 광신호를 이용하는 방법으로 물방울 입자가 커지면 빛의 산란으로 센서의 광 감지량이 줄어들 게 된다. 강우량의 정확도를 높이기 위하여 강우센서의 검지면적과 검지채널을 기존 강우센서에 비해 크게 확장하였다. 또한 센서의 감지 신호 (Signal)를 강우량으로 환산하기 위하여 실내 강우발생 실험 장치를 이용하여 와이퍼의 속도단계(W)에 따른 특정 강우(R) 발생시 센서 감지량(S) 과의 관계를 이용한 W-S-R 관계식을 개발하였다. 이 관계식을 통하여 차량 강우센서의 신호체계를 실제 강우량으로 환산하여 사용자에게 제공한 다면 차량관측망이 강우측정망이 되어 실제 강우측정망보다 고해상도의 강우정보를 생산할 수 있을 것으로 판단된다.