사회기반 시설물의 노후화에 대응해 이상 징후를 파악하고 유지보수를 위한 최적의 의사결정을 내리기 위해선 디지털 기반 SOC 시설물 유지관리 시스템의 개발이 필수적인데, 디지털 SOC 시스템은 장기간 구조물 계측을 위한 IoT 센서 시스템과 축적 데이터 처 리를 위한 클라우드 컴퓨팅 기술을 요구한다. 본 연구에서는 구조물의 다물리량을 장기간 측정할 수 있는 IoT센서와 클라우드 컴퓨팅 을 위한 서버 시스템을 개발하였다. 개발 IoT센서는 총 3축 가속도 및 3채널의 변형률 측정이 가능하고 24비트의 높은 해상도로 정밀 한 데이터 수집을 수행한다. 또한 저전력 LTE-CAT M1 통신을 통해 데이터를 실시간으로 서버에 전송하여 별도의 중계기가 필요 없 는 장점이 있다. 개발된 클라우드 서버는 센서로부터 다물리량 데이터를 수신하고 가속도, 변형률 기반 변위 융합 알고리즘을 내장하 여 센서에서의 연산 없이 고성능 연산을 수행한다. 제안 방법의 검증은 2개소의 실제 교량에서 변위계와의 계측 결과 비교, 장기간 운 영 테스트를 통해 이뤄졌다.

플랜트 증기운 폭발은 TNT 폭발물에 의한 폭발과는 다른 특징이 있으며 압력파 양상과 비슷하다. 대표적인 유형의 폭압 산정법은 TNT 등가량 환산법과 멀티에너지법이 있다. TNT 등가량 환산법은 폭굉과 같은 충격파를 전제로 하며, 멀티에너지법은 폭연과 같은 압력파를 전제로 한다. 본 연구는 세 가지 플랜트 폭발 사례를 적용하여 플랜트 증기운 폭발의 적절한 폭압을 도출하기 위한 연구를 수행하였다. 폭발 사례에 대하여 피해를 입은 부재를 선정한 후, 단자유도 해석과 비선형 동적 해석을 수행하여 변형과 손상 정도를 비교 분석하였다. 구조물의 피해 정도는 TNT 등가량 환산법보다는 멀티에너지법에 의한 폭압을 사용한 경우가 실제 상황에 더욱 근접한 것으로 나타났다. 또한, 멀티에너지법의 폭발강도계수를 7 또는 8로 가정할 경우 증기운 폭발의 폭압 모델을 비교적 정확하게 산정할 수 있을 것으로 판단된다.

In the molecular cloud G33.92+0.11A, massive stars are forming sequentially in dense cores, probably due to interaction with accreted gas. Cold dense gas, which is likely the pristine gas of the cloud, is traced by DCN line and dust continuum emission. Clear chemical differences were observed in different source locations and for different velocity components in the same line of sight. Several distinct gas components coexist in the cloud: the pristine cold gas, the accreted dense gas, and warm turbulent gas, in addition to the star-forming dense clumps. Filaments of accreted gas occur in the northern part of the A1 and A5 clumps, and the velocity gradient along these features suggests that the gas is falling toward the cloud and may have triggered the most recent star formation. The large concentration of turbulent gas in the A2 clump seems to have formed mainly through disturbances from the outside.

본 논문은 지각된 가치가 적용된 관광 행동의도 정보를 이용한 지능형 클라우드 환경에서의 관광추천시스템을 제안한다. 이 제안 시스템은 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 와이드 앤 딥러닝 기술을 이용하여 관광추천시스템에 적용하였다. 본 제안 시스템은 다양하게 수집할 수 있는 관광 정보와 관광객이 평소에 지각하고 있던 가치와 사람의 행동에서 나타나는 의도를 수집 분석하여 관광 추천시스템에 적용하였다. 이는 기존에 활용되던 다양한 분야의 관광플랫 폼에 관광 정보, 지각된 가치 및 행동의도에 대한 연관성을 분석하고 매핑하여, 실증적 정보를 제공한다. 그리고 관광정보와 관광객의 지각적 가치가 행동의도에 반영되는 실증적 분석 정보를 선형 모형 구성요소와 신경만 구성요소를 합께 학습하여 한 모형에서 암기 및 일반화 모두를 달성할 수 있는 와이드 앤 딥러닝 기술을 이용한 관광추천 시스템을 제시하였고, 파이프라인 동작 방법을 제시하였다. 본 논문에서 제시한 추천시스템은 와이드 앤 딥러닝 모형을 적용한 결과 관광관련 앱 스토어 방문 페이지 상의 앱 가입률이 대조군 대비 3.9% 향상했고, 다른 1% 그룹에 변수는 동일하고 신경망 구조의 깊은 쪽만 사용한 모형을 적용하여 결과 와이드 앤 딥러닝 모형은 깊은 쪽만 사용한 모형 대비해서 가입률을 1% 증가하였다. 또한, 데이터셋에 대해 수신자 조작 특성 곡선 아래 면적(AUC)을 측정하여, 오프라인 AUC 또한 와이드 앤 딥러닝 모형이 다소 높지만 온라인 트래픽에서 영향력이 더 강하다는 것을 도출하였다.

Red-Green-Blue (RGB) imagery techniques are useful for both forecasters and public users because they are intuitively understood, have advantageous visualization, and do not lose observational information. This study presents a novel RGB convective cloud product and its application to tropical cyclone analysis using Communication, Oceanography, and Meteorology (COMS) satellite observations. The RGB convective cloud product was developed using the brightness temperature differences between WV (6.75 μm) and IR1 (10.8 μm), and IR2 (12.0 μm) and IR1 (10.8 μm) as well as the brightness temperature in the IR1 bands of the COMS, with the threshold values estimated from the Korea Meteorological Administration (KMA) radar observations and the EUMETSAT RGB recipe. To verify the accuracy of the convective cloud RGB product, the product was applied to the center positions analysis of two typhoons in 2013. Thus, the convective cloud RGB product threshold values were estimated for WV-IR1 (−20 K to 15 K), IR1 (210 K to 300 K), and IR1-IR2 (−4 K to 2 K). The product application in typhoon analysis shows relatively low bias and root mean square errors (RMSE)s of 23 and 28 km for DANAS in 2013, and 17 and 22 km for FRANCISCO in 2013, as compared to the best tracks data from the Regional Specialized Meteorological Center (RSMC) in Tokyo. Consequently, our proposed RGB convective cloud product has the advantages of high accuracy and excellent visualization for a variety of meteorological applications.

Using ALMA observations of the 13CN and DCN lines in the massive star-forming region G33.92+0.11A, we investigate the CN/HCN abundance ratio, which serves as a tracer of photodissociation chemistry, over the whole observed region. Even considering the uncertainties in calculating the abundance ratio, we find high ratios (》1) in large parts of the source, especially in the outer regions of star-forming clumps A1, A2, and A5. Regions with high CN/HCN ratios coincide with the in infows of accreted gas suggested by Liu et al. (2015). We conclude that we found strong evidence for interaction between the dense gas clumps and the accreted ambient gas which may have sequentially triggered the star formation in these clumps.