원자력발전소(원전) 내부에 설치되어 있는 주요 기기는 원전의 안정적인 운영을 돕는 주요 2차 구조 물이다. 경주 지진, 포항 지진과 같은 강한 지진이 발생하였을 때, 원전 주요 기기의 손상은 원전의 안정한 정지에 문제를 초래할 수 있다. 따라서, 원전 주요 기기의 지진응답을 저감시키기 위한 연구가 필수적으로 요구된다. 이러한 배경 아래, 본 연구에서는 원전 주요 기기의 내진성능 향상을 위하여 동 흡진장치(Dynamic Absorber)를 활용하였다. 연구에서 사용된 동흡진장치는 스프링, 댐퍼, 및 질량체로 구성된다. 이러한 동흡진장치를 설계하기 위하여 기존에 제안된 방법론들을 활용하였으며, 각 방법론 들을 기반으로 설계된 동흡진장치의 지진응답 저감효과를 비교 및 분석하였다. 구체적으로, 진동대 시 험 결과를 바탕으로 유한요소 모델을 검증하였다. 또한, 이를 기반으로 기존 동흡진장치의 설계방법론 에 따른 원전 주요 기기의 지진응답 저감 효과를 비교 및 분석하였다. 결과적으로 각 방법론들은 원전 주요기기의 가속도, 변위, 응력 응답을 평균적으로 약 30% 정도 감소시키는 효과를 보였다.

As climate change and population growth raise the likelihood of natural disasters, it becomes crucial to comprehend and mitigate these risks in vital infrastructure systems, especially nuclear power plants (NPPs). This research addresses the necessity for evaluating multiple hazards by concentrating on slope failures triggered by earthquakes near NPPs over a timeframe extending up to a return period of 100,000 years. Utilizing a Geographical Information System (GIS) and Monte Carlo Simulation (MCS), the research conducts a comprehensive fragility assessment to predict failure probability under varying ground-shaking conditions. According to the Newmark displacement method, factors such as Peak Ground Acceleration (PGA), slope angle, soil properties, and saturation ratio play significant roles in determining slope safety outcomes. The investigation aims to enhance understanding seismic event repercussions on NPP-adjacent landscapes, providing insights into long-term dynamics and associated risks. Results indicate an increase in slope vulnerability with longer return periods, with distinct instances of slope failures at specific return periods. This analysis not only highlights immediate seismic impacts but also underscores the escalating risk of slope displacement across the extended return period scales, crucial for evaluating long-term stability and associated hazards near nuclear infrastructure.

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.