백두산 성층화산체와 천지 칼데라 외륜산 정상부에 분포하는 홀로세에 분화한 규장질 화산암 시료와 플라이스 토세 개마용암대지와 장백산순상화산체의 고철질 화산암 시료의 암석화학적 특징 분석을 통해 지체구조적 위치를 알아 보았다. 백두산 화산지대에서 초기 고철질 분출물들은 개마용암대지와 장백산순상화산체를 형성하였으며, 대부분 알칼 리계열의 현무암에서 조면현무암 또는 서브-알칼리(쏠레이아이트) 현무암에서 현무암질안산암의 성분이며, 백두산 성층 화산체와 천지 칼데라 정상부 부근의 홀로세 분출물은 대부분 규장질의 조면암에서 유문암 성분이다. 고철질 화산암류 와 규장질 화산암류 사이의 SiO2 54-62 wt.%가 결핍된 쌍모식 조성을 나타낸다. 이는 마그마작용이 지각내 신장형 지 체구조적 위치에서 발생하였음을 지시하는 단서가 될 수 있다. 지구조판별도에서 고철질 화산암류들은 판내부 또는 판 내부 알칼리암과 쏠레이아이트암의 영역에 구분되어 도시되는데 이는 TAS성분도의 결과와 잘 일치한다. 규장질 화산암 류들은 규장질 화강암류에 적용하는 판별도에서 판내부화강암(WPG)의 지체구조적 위치에 도시된다. 지구조 판별도에서 판의 섭입과 관련한 도호 또는 대륙연변호의 영역에는 도시되지 않으며, 모두 판내부 영역에 도시된다. 미량원소 함량 을 원시맨틀값으로 표준화한 거미도에서 섭입대 화산암류에서 특징적으로 나타나는 Nb, Ti 의 부(−) 이상을 나타내지 않으며, OIB와 유사한 패턴을 나타낸다. 미량원소 함량 조성은 섭입대에서 유래된 마그마 작용에 연관된 의미있는 증 거를 나타내지 않는다. 이는 백두산화산지대의 마그마작용이 판내부 환경에서 있었음을 지시한다. 이들 화산암류의 판 내부 지체구조 위치는 이 지역에서 발생하는 천발지진의 진원 깊이와도 조화적이다. 백두산화산지대의 화산암석들은 신 생대 동안 맨틀 물질의 용승에 의한 판내부 화산활동의 결과로 해석된다.

This paper presents the novel observation model, called Modified Spherical Signature Descriptor(MSSD), capable of representing 2D image generated from 3D point cloud data. The Modified Spherical Signature Descriptor has a uniform mesh grid to accumulate the occupancy evidence caused by neighbor point cloud data. According to a kind of area such as wall, road, tree, car, and so on, the evidence pattern of 2D image looks so different each other. For the parameter learning of Convolutional Neural Network(CNN) layers, these 2D images were applied as the input layer. The Convolutional Neural Network, one of the deep learning methods and familiar with the image analysis, was utilized for the urban structure classification. The case study on CNN practice was introduced in detail in this paper. The simulation results shows that the classification accuracy of CNN with 2D images of the proposed MSSD was improved more than the traditional methods' one.

구조실험을 위한 데이터 모델은 구조실험에 관련된 실험정보를 정형화하여 표현하므로 데이터 저장소를 개발하는데 이용할 수 있다. 데이터 모델은 특히 대규모의 구조실험정보 또는 일반적인 다양한 실험정보를 위한 데이터 저장소에 효과적인데 예를 들면 NEES에서 개발한 NEEShub Project Warehouse가 있다. 본 논문은 데이터 모델의 구성과 사용을 평가하기 위한 평가요소를 제안하고 있다. 클래스의 속성이 값을 갖는지를 의미하는 AVE(attribute value existence)란 용어를 도입하여 속성의 사용성에 대한 Attribute AVE, 클래스의 사용성에 대한 Class AVE, 하위레벨에 있는 클래스를 포함하는 Class Level AVE, 하나의 프로젝트의 모든 클래스를 포함하는 Project AVE, 모든 프로젝트를 포함하는 데이터 모델에 대한 Data Model AVE를 정의하였다. 이러한 평가요소들을 NEES 데이터 모델의 프로젝트들에 적용하였는데 데이터 모델내의 클래스와 객체에 대한 사용성을 수치적으로 기술하여 평가하는 것이 가능하였다.

구조실험을 위한 데이터 저장소는 구조실험에 관련된 실험정보를 구조공학자와 연구자들이 편리하게 저장하고 열람할 수 있도록 효율적인 구성을 가져야 한다. 데이터 저장소에 대한 평가는 데이터 저장소 자체적인 구성에 대한 평가와 데이터 저장소에 저장된 실제 정보의 구성에 대한 평가로 나눌 수 있다. 데이터 저장소의 자체적인 구성은 클래스로 나타낼 수 있고 데이터 저장소 내에 저장된 실제의 실험정보는 객체로 표현할 수 있는데 본 논문은 클래스와 객체가 가지고 있는 속성구성에 대한 평가요소를 제안한다. 클래스의 속성구성 평가요소로는 클래스내 속성수와 구체적인 값 또는 객체에 의해 구분한 속성의 종류별 수 등이 있는데 이러한 평가요소들을 이용하여 데이터 저장소가 정한 구성을 이해할 수 있다. 객체의 속성구성 평가요소로는 객체내 값있는 속성수 등이 있는데 데이터 저장소내의 실제 실험정보가 레벨별로 어떻게 저장되어 있는가를 파악할 수 있다.

Because the damages of corrosion resulting from the chloride ion are very serious, many research studies have been performed to measure the penetration depth of the chloride ion. However, there is a problem with data selection obtained from collection during experiments. After careful study, it appears that the collected data are not conformed to a normal distribution. The result of this study will play a very important role, as a first step for the development and construction of a forecasting system to help determine a reliable service lifetime of marine structures.

이 글은 한국의 지명데이터베이스 구축과 그 발전 방향을 모색하는 데에 목적을 둔다. 주요 내용은 현재 국토지리정보원에서 확보하고 있는 지명데이터베이스의 구조를 분석하고, 이를 저본으로하여 향후 확장할 수 있는 범위와 방안을 제시함으로써 좀더 발전된지명DB의 구축방향을 모색하는 것으로 구성된다. 기존의 DB는 엑셀프로그램으로 구축되었기 때문에 구조를 확장하는 데에 별 지장이 없다. 이를 위해서는 우선 데이터베이스의 필드구조를 분석하고 구축 당시 동원된 자료원(資料源)을 확보할 필요가 있다. 확장 방안을 모색하는 과정에서는 지명유형에 대한 분석, 이명(異名)에 대한 분석, 지명의 시간값에 대한 분석, 지명의 공간값에 대한분석 등이 핵심을 이룬다. 지명데이터베이스 구축 못지 않게 중요한 것은 정부 차원에서 이를 지속적으로 관리하는 시스템을 운영하는 것이며, 아울러 구축된 지명 정보는 인터넷을 통해 효율적으로 서비스되어야 한다.

해양 구조물은 일반 구조물과는 달리 구조물 속으로 염화물이 침투하기 때문에 시간이 지나면서 빠르게 부식을 하게 되고, 부식이 진행됨에 따라 구조물의 붕괴를 야기 시킨다. 그러므로 염화물의 침투 정도와 부식의 진행 상태를 예측할 수 있다면 사고 예방은 물론, 친환경적 해양 구조물이 될 수 있으리라 사료된다. 본 논문에서는 이러한 해양 구조물의 염화물 침투를 예측하고, 부식으로 인한 구조물 붕괴 및 사고를 예방하고자 Sample Design을 통하여 서로 조건이 다른 시험체를 해수에 잠식시키고, 일정기간이 지난 후 Data를 수집하였다. 수집된 Data는 정규분포(Normal Distribution)를 따르지 않는다는 사실을 알게 되었고, 수집된 데이터를 예측 시스템 구축에 활용하기 위한 준비 단계로서 데이터 선정의 타당성을 검토하기 위해 수명분포분석(Lifetime Distribution Analysis)을 실시한 뒤 그 결과를 제시하였다.