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 연구에서는 본류의 하도준설로 인해 본류에 유입되는 지류하천의 하상고와 본류와의 하상고간의 높이차가 과도하게 발생함에 따라 지류하상의 안정화 기법을 검토하게 되었다. 지류하천의 하상고와 본류와의 높이차가 크게 발생함에 따라 하천을 직강화한 첩수로를 만들게 되고 하상 경사의 폭은 커지게 된다. 이 경우에는 유량과 하상 재료사이에는 변화가 없으므로 Lane식에서 우변 하상 경사의 증가는 자연히 좌변의 증가를 가져오므로 유사량의 증가를 가져오게 된다. 실제 하천 개수 사업에서 직강화는 하상의 세굴과 저하보다는 통상 하폭의 확대를 가져온다. 기준면의 저하는 지류 입장에서의 본류 수면이 일종의 기준면이 되므로 지류 에너지 경사의 증가를 의미하게 된다. 이 경우 Lane 관계식에서 하상 경사의 증가는 좌변의 증가를 가져오며, 하상 재료가 일정한 상태에서 이는 유사량의 증가를 가져온다. 즉 지류의 하상 경사와 유사량 증가는 하상의 침식을 의미하며, 이러한 침식은 상류로 진행된다. 이를 두부 침식이라 한다. 따라서 본 연구에서는 감천 본류하도 준설에 따른 지류하상의 하상변동과 지류유입 토사량에 대해서 검토하겠다.