To apply CNN to a fluid problem, we need a method to effectively convert the physical quantities of fluid into an image. The performance of CNN was evaluated using the image transformation method using the minimum and maximum values of the pressure distribution data and the image transformation methods using the normal distribution of the pressure distribution data. Through the performance evaluation of the learned CNN, the image transformation methods of Method 4 and Method 5, which applied the normal distribution of representative pressure distribution data, were very effective. In particular, Method 5 includes the initial and final pressure distribution data to include overall pressure distribution data, thereby improving the resolution of the color map to improve classification performance.

The numerical analysis of two-dimensional transient flow around the obstacle with rotated square cross sections was carried out. The obtained velocity distributions for each time step and each rotation angle were imaged to provide data for CNN(convolutional neural network). Both classification and regression neural networks were used for prediction of rotation angle. As results The classification method incorrectly predicted the rotation angle in only 2 of the 470 images. The regression method predicted the rotation angle errors within except 2 out of 470 images. From these facts, it could be concluded that both methods can be sufficiently applicable to the flow analysis.

The flow analysis of two dimensional transient flow over the obstacles with rectangular cross sections was performed. And 190 velocity distributions for each aspect ratio were imaged to provide input data for convolutional neural network learning. The classification and regression methods were used in estimating the aspect ratio from given velocity distributions. As a result the classification method was more exact than the regression method. But both the classification and regression methods gave relatively accurate prediction of the defined aspect ratio judging from the imaged velocity distributions. This confirms that the deep learning technique is applicable to the flow analysis.

본 논문에서는 과도한 계산용량이 필요한 초음속 비행체의 비정상 열응답 해석을 수행하기 위한 준-비정상해석 기법을 소개한다. 준-비정상해석 기법은 연성 연계 기법과 복합 열전달 해석기법을 통합한 방법으로 계산시간 단축시키면서 동시에 정확도를 향상시키기 위해 고안되었다. 또한 준-비정상해석 시, 해석 구간을 분할하기 위한 기준시간을 결정하는 알고리즘을 고안하여 준-비정상해석 기법의 정확도를 향상시키고자 하였다. 본 논문에서는 준-비정상해석 기법을 평가하기 위하여 가상의 비행 시나리오에서 열응답 해석을 수행하였으며, 비정상 해석 결과와 비교 검증을 수행하였다. 무딘 물체의 표면 온도 및 정체점의 온도를 통해 각각의 기법의 차이를 도출하였다. 비정상 해석을 통해 도출한 정체점의 온도와 준-비정상 해석을 통해 도출한 정체점의 온도 차이는 11.4% 이내로 높은 정확도를 확보함과 동시에 28배에 가까운 계산시간을 단축시켜 해석 기법의 효율성과 정확성을 확보하였다.

Groundwater level hydrographs from observation wells in Jeju island clearly illustrate distinctive features of recharge showing the time-delaying and dispersive process, mainly affected by the thickness and hydrogeologic properties of the unsaturated zone. Most groundwater flow models have limitations on delineating temporal variation of recharge, although it is a major component of the groundwater flow system. Recently, a convolution model was suggested as a mathematical technique to generate time series of recharge that incorporated the time-delaying and dispersive process. A groundwater flow model was developed to simulate transient groundwater level fluctuations in Pyoseon area of Jeju island. The model used the convolution technique to simulate temporal variations of groundwater levels. By making a series of trial-and-error adjustments, transient model calibration was conducted for various input parameters of both the groundwater flow model and the convolution model. The calibrated model could simulate water level fluctuations closely coinciding with measurements from 8 observation wells in the model area. Consequently, it is expected that, in transient groundwater flow models, the convolution technique can be effectively used to generate a time series of recharge.

본 연구에서는 상수관망의 비정상 상태 흐름을 해석하기 위하여 파속조절법을 이용하여 관망해석모형을 개발하였다. 특성선법을 이용한 실제 상수관망에서의 부정류 해석시 다양한 경계조건의 존재로 인해 해석과정이 매우 복잡하게 된다. 이러한 특성선법 해석의 어려움을 극복하고자 보다 간단하고 정확하게 경계조건을 처리할 수 있는 기법을 도입하였고 외부 유출 유량을 직접적으로 해석할 수 있는 방정식을 유도하였다. 또한 유도된 방정식을 이용하여 수격해석 모형을 개발하였으

급사면에 관측정, 텐시오메타, 트렌치 등의 시설을 설치하고 포화대의 형성 과정과 중간류의 유출특성을 관측하여 분석하였다. 사면의 토양이 건조한 때에 내린 강우(총강우량 103mm)에 의해 포화대는 사면 상부 관측정부터 형성되기 시작하여 강우 종료 수 시간 후에 사면 전체에 발달하였다. 이 포화대는 포화대 형성에 필요한 것보다 적은 양의 강우에 의해 형성되었고, 포화대내의 일부 깊이의 토양 수분이 불포화 상태이었기 때문에 포화대는 침투수가 일부 토양만을