There is a limitation for a ship which is sailing on sea to gather weather and seastate informations. To make up for this weakness, land organizations can gather wider variety of information and evaluate the seakeeping performanceon ship. And supply this information to the ship. In this study, calculated the response amplitude of shp motions with the weather information provided in real time, the nominal speed loss with obtaining increase of resistance caused by wave and stochastic process of the seakeeping performance elements. And the results have been achieved to develop a system which can evaluate the synthetic seakeeping performance. Using this system, the results have been studied to determine the feasibility of using simulation in actural operation onboard ship.

본 연구의 목적은 현재 국내 홍수예경보 시스템의 유출량 계산모형으로 이용되고 있는 단일 홍수사상을 모의할 수 있는 유역저류함수모형을 추계통력학적 상태.공간형태의 모형으로 개선.발전시키고 실시간 홍수예보에 대한 모형의 적용성을 검토하는데 있다. 모형의 적용대상 유역은 개진을 유역출구로 하는 낙동강 회천유역(747.5)이며, 매개변수의 적절성 및 모형의 적용성을 평가하기 위해서 1983년부터 1986년 사이에 발생한 8개의 단일 홍수사상을 선정하였다. 본

본 연구의 목적은 다목적 조수지의 홍수조절능력을 극대화하기 위한 홍수시 실시간 저수지운영 의사결정 지원 시스템을 개발하는 것이다. 본 연구를 통해 개발된 의사결정 지원시스템은 모델베이스와 실시간 자료처리 부시스템, 사용자 인터페이스로 구성되어 있으며, 사용자 인터페이스는 모형에 의해 예측된 홍수조절지점의 수문곡선과 저수지의 저수위 그래프르 그래픽 형태로 보여줄 수 있도록 개발되었다. 개발된 시스템의 적용성을 검증하기 위하여 금강유역의 1987년 7월 및

For the prediction of multi-site rainfall with radar data and ground meteorological data, a rainfall prediction model was proposed, which uses the neural network theory, a kind of artifical intelligence technique. The input layer of the prediction model was constructed with current ground meteorological data, their variation, moving vectors of rainfall field and digital terrain of the measuring site, and the output layer was constructed with the predicted rainfall up to 3 hours. In the application of the prediction model to the Pyungchang river basin, the learning results of neural network prediction model showed more improved results than the parameter estimation results of an existing physically based model. And the proposed model comparisonally well predicted the time distribution of rainfall.