본 논문은 FRCM 공법으로 보강된 철근콘크리트 보의 휨 성능을 예측하기 위한 해석적 연구결과를 제시한다. FRCM 공법으로 보강된 철근콘크리트 보의 휨 성능 예측을 위해 상용구조해석 프로그램인 LS-DYNA를 이용하여 유한요소해석이 수행되었다. 유한요소해석시 콘크리트와 모르타르는 Solid 요소로 모델링 되었으며, 철근과 FRP 그리드는 각각 Beam 요소 및 Shell 요소로 모델링되었다. 또한, 콘크리트와 철근은 완전부착하는 것으로 가정되었으며, 콘크리트와 모르타르 경계면의 부착파괴를 모사하기 위하여 Contact_Tiebreak_Surface_to_Surface 요소가 사용되었다. 이후, 국내⋅외 여러 연구자들에 의해 수행된 실험의 재현해석을 통해 제안된 유한요소해석 모델의 신뢰성이 검증되었다. 실험결과와 해석결과의 파괴양상을 분석하였을 때, 본 연구에서 제안된 유한요소해석 모델은 실험체의 부착파괴를 적절히 모사할 수 있는 것으로 나타났다. 또한, 해석을 통해 예측된 극한 강도에 대한 실험결과의 비는 평균 1.04, 표준편차 0.064로 제안된 해석모델은 FRCM 공법으로 보강된 철근콘크리트 보의 휨 성능을 비교적 잘 예측할 수 있는 것으로 나타났다.

음악은 오직 시간 안에서 표현이 되며 리듬의 물리학적 해석은 진동의 시간 패턴에 있다. 이 진동은 인간의 청각기관 내에서 전기 화학적 정보로 변환되어 청각체계의 신경 중계를 통해 뇌에 도달하며 인식과 지각의 작용을 통해 리듬을 분석하고 저장하며 프로세스를 한다. 이 논문은 리듬을 인식하고 지각 할 때 어떠한 요소에 의해 그루브가 결정되는지에 대해 연구하였으며 이 요소들을 활용하여 음악을 만들고 연주하고 가창하는 뮤지션들이 좀 더 리드미컬한 표현이 가능할 수 있도록 하는 목적을 가지고 있다. 연구방법은 신경학 관점에서 뇌가 리듬을 어떻게 프로세스 하는 지에 대해 기술하고 리듬의 활용 경험이 풍부한 전문가들에게 가창이나 연주, 디렉팅 그리고 작⋅ 편곡 등의 음악 경험에서 어떠한 요소에 의해 리듬 그루브의 변화를 인지 하였는지에 대해 조사하 였다. 연구결과 우리의 뇌는 리듬을 시간적 비율구조로 인지 및 지각을 하고 프로세스를 하는 것 으로 분석되었고 ‘리듬 그루브에 영향을 끼치는 요소’에 대한 조사에서는 음악 전문가 214명 중 76.5%가 악센트, 76.1%가 타이밍, 75.6%가 음의 길이, 41.3%가 딕션 등이 가장 큰 영향을 끼친 다고 인식하고 있는 것으로 나타났다. 마지막으로 이 연구는 이번 조사에서 나타난 요소들을 샘플 로 만들어 음악 전문가들이 직접 체험을 하는 실험연구로 확장될 것이며 이것을 통해 좀 더 명확 한 리듬 그루브의 요소를 제시할 수 있을 것이라 예측하였다.

편심가새골조(EBF)의 역량설계법에 의하면, 링크가 완전항복 및 변형경화 상태일 때 기둥, 링크외부보, 가새(비소산 부재)는 탄성 거동해야 한다. 현행 AISC 341은 역량설계에 필요한 변형도경화계수(SHF)를 1.25로 제시하고 있으나, 실제로 건물이 고층 규모일수 록 모든 링크가 이처럼 동등한 수준의 초과강도에 도달할 가능성은 매우 낮아진다. 본 연구에서는 링크의 SHF를 정밀하게 예측하는 방법을 제안함으로써, 역량설계법의 목적을 달성하면서 구조물량을 절감하고자 하였다. 제안한 방법의 효과를 검증하기 위해 선형해 석을 2회 수행하여 SHF를 예측하고, 이를 비선형 해석결과와 비교하였다. 다음으로 비선형 해석에 의한 응답을 분석하여 구조물의 한 계상태에서 비소산 부재들의 항복 여부를 확인하였다. 그 결과, 본 연구의 방법으로 설계된 구조물은 링크의 SHF를 정확히 예측함으 로 인해 물량이 큰 폭으로 절감되었으며, 비소산 부재들도 모두 탄성상태를 만족하는 것으로 나타났다.

The high level of lithium storage in synthetic porous carbons has necessitated the development of accurate models for estimating the specific capacity of carbon-based lithium-ion battery (LIB) anodes. To date, various models have been developed to estimate the storage capacity of lithium in carbonaceous materials. However, these models are complex and do not take into account the effect of porosity in their estimations. In this paper, a novel model is proposed to predict the specific capacity of porous carbon LIB anodes. For this purpose, a new factor is introduced, which is called normalized surface area. Considering this factor, the contribution of surface lithium storage can be added to the lithium stored in the bulk to have a better prediction. The novel model proposed in this study is able to estimate the lithium storage capacity of LIB anodes based on the porosity of porous carbons for the first time. Benefiting porosity value (specific surface area) makes the predictions quick, facile, and sensible for the scientists and experts designing LIBs using porous carbon anodes. The predicted capacities were compared with that of the literature reported by experimental works. The remarkable consistency of the measured and predicted capacities of the LIB anodes also confirms the validity of the approach and its reliability for further predictions.

In this study, as part of the paradigm shift for manufacturing innovation, data from the multi-stage cold forging process was collected and based on this, a big data analysis technique was introduced to examine the possibility of quality prediction. In order for the analysis algorithm to be applied, the data collection infrastructure corresponding to the independent variable affecting the quality was built first. Similarly, an infrastructure for collecting data corresponding to the dependent variable was also built. In addition, a data set was created in the form of an independent variable-dependent variable, and the prediction accuracy of the quality prediction model according to the traditional statistical analysis and the tree-based regression model corresponding to the big data analysis technique was compared and analyzed. Lastly, the necessity of changing the manufacturing environment for the use of big data analysis in the manufacturing process was added.

Recently, traffic accidents have continued to occur due to the failure to secure a safe distance for trucks. Unlike passenger cars, freight cars have a large fluctuation in the weight of the vehicle's shaft depending on the load, and the fatality of accidents and the possibility of accidents are high. In this study, a braking distance prediction model according to the driving speed and loading weight of a three-axis truck was implemented to prevent a forward collision accident. Learning data was generated based on simulation, and a prediction model based on machine learning was implemented to finally verify accuracy. The extra trees algorithm was selected based on the most frequently used R2 Score among regression analyses, and the accuracy of the braking distance prediction model was 98.065% through 10 random scenarios.

대한민국 기상청에서 사용하고 있는 UM (Unified Model, UM) 모델의 국지예측시스템(Local Data Assimilation and Prediction System, LDAPS)은 수치모델 모의 시 대기경계층 유형에 따라 물리과정을 다르게 계산하기 때문에 이 과정을 검증하는 것은 모델의 정확도 향상에 중요하다. 따라서, 본 연구에서는 수치모델의 대기경계층 유형을 관측자료 를 기반으로 검증하였다. 관측자료를 기반으로 대기경계층 유형을 분류하기 위해서 보성 표준기상관측소에서 수행한 여름철 집중관측자료(라디오존데, 플럭스관측장비, 도플러 라이다, 운고계)를 활용하였으며, 2019년 6월 18일 부터 8월 17일 까지 61일 동안에 총 201회의 관측자료를 분석하였다. 또한 관측자료와 수치모델 결과가 다른 경우를 보면, 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 2유형으로 분류되는 사례가 수치모델에서는 1유형으로 분류된 사례가 53회로 가장 많이 나타났다. 그 다음으로는 관측자료를 기반으로 한 대기경계층 유형 분류 결과에서 5유형과 6유형 으로 분류되는 사례가 수치모델에서는 3유형으로 분류된 사례가 많이 나타났다(각각 24회, 15회). 관측결과와 수치모델 모의 결과가 일치하지 않은 사례는 모두 층적운 접합 여부 및 적운 모의 등 수치모델의 구름물리 부분의 모의 성능에 기인하여 발생한 것이라고 분석된다. 따라서, 대기경계층 유형 분류의 구름물리과정의 모의 정확도를 개선하면 수치모델 성능이 향상 될 것으로 판단된다.

기후변화는 동·식물의 서식지와 개체군을 감소, 소멸시키며, 생물다양성 보존에 위협이 되고 있다. 특히, 도롱뇽과 (Hynobiidae)에 속한 종들은 다른 분류군들에 비해 행동권이 작고, 분산 능력이 극히 제한되기 때문에 기후변화에 매우 취약한 분류군이다. 본 연구에서는 한국꼬리치레도롱뇽(Onychodactylus koreanus)의 관찰지점과 종 분포 모델링 기법을 바탕으로 국내 서식하고 있는 한국꼬리치레도롱뇽의 주요 분포지역과 서식특성을 파악하고 기후변화에 따른 분포변화를 예측하였다. 그 결과 고도가 그들의 분포에 가장 주요한 영향을 끼친 환경변수로 확인되었으며, 강원도와 경상북도와 같은 고도가 높은 산림 지역에 밀집된 분포 형태를 보였다. 이처럼 종 분포 모델에서 예측된 공간적 분포 범위와 서식특성은 선행 조사 결과를 충분히 포함하고 있었다. 기후변화에 따른 분포변화를 확인한 결과, 한국꼬리치레 도롱뇽은 현재 분포 범위에 비해 RCP4.5 시나리오에서 62.96% 가 감소할 것으로, RCP8.5 시나리오에서는 98.52% 감소할 것으로 예측되어 기후변화로 인해 서식 적합 공간들이 급격하게 감소하는 것으로 확인되었다. 모델의 AUC 값은 현재에서 0.837, RCP4.5에서 0.832, RCP8.5에서 0.807로 높게 측정되었다. 이러한 결과들은 기후변화로 인해 영향을 받는 양서류의 보전 대책 수립에 중요한 기초자료가 될 수 있을 것이다. 추후, 한국꼬리치레도롱뇽의 생활사에 따른 서식지 특성과 미세한 서식 요인들이 반영된 다양한 분석기법을 통한 추가적인 연구가 수행된다면 종 감소에 영향을 끼치는 주요환경 요인들을 밝혀낼수 있을 것으로 판단된다.

본 연구에서는 단면설계 및 열 교환 장치 위치 변경을 통해 온실의 구조 변경을 진행하였으며, 선행연구를 통해 개발된 모델을 근간으로 하여 개선 여부에 따른 온실 내부 환경을 예측하였다. 단면형상과 열 교환 장치의 개선 후 유속 변화에 따른 시뮬레이션 분석을 진행하였으며, 이 때 온도와 균일도는 각각 평균 0.65°C, 0.75%p 상승함을 확인하였다. 해석대상 온실과 같은 소규모 온실의 경우 방열관의 난방성능 개선보다 FCU에 의해 형성되는 공기 유동이 균일한 환경 조성에 더 큰 영향을 미치는 것으로 판단된다. 개선 전 ‧ 후 온실에 환기시스템 적용 시 공기 유동 특성 분석을 위해 시뮬레이션 분석을 진행하였다. 공기 유동과 공기령은 유사한 분포를 보였으며, 개선 후 온실의 공기령이 개선 전 온실 대비 18초 낮게 나타났다. 개선 전 ‧ 후 온실 시뮬레이션 분석 결과 전체적으로 개선된 온실에서의 평균온도 및 온도 균일도 상승, 최대편차 감소 등 내부 환경의 균일성이 향상됨을 확인하였다. 선행연구로 개발 된 모델은 형상 변경, 열 교환 장치 위치 변경 등에 따라 변화하는 온실 내부 환경을 예측할 수 있음을 확인하였으며, 온실 설계, 온실 내 난방시스템 설계 등의 분야에 적용 가능할 것으로 판단된다.