Algal bloom is an ongoing issue in the management of freshwater systems for drinking water supply, and the chlorophyll-a concentration is commonly used to represent the status of algal bloom. Thus, the prediction of chlorophyll-a concentration is essential for the proper management of water quality. However, the chlorophyll-a concentration is affected by various water quality and environmental factors, so the prediction of its concentration is not an easy task. In recent years, many advanced machine learning algorithms have increasingly been used for the development of surrogate models to prediction the chlorophyll-a concentration in freshwater systems such as rivers or reservoirs. This study used a light gradient boosting machine(LightGBM), a gradient boosting decision tree algorithm, to develop an ensemble machine learning model to predict chlorophyll-a concentration. The field water quality data observed at Daecheong Lake, obtained from the real-time water information system in Korea, were used for the development of the model. The data include temperature, pH, electric conductivity, dissolved oxygen, total organic carbon, total nitrogen, total phosphorus, and chlorophyll-a. First, a LightGBM model was developed to predict the chlorophyll-a concentration by using the other seven items as independent input variables. Second, the time-lagged values of all the input variables were added as input variables to understand the effect of time lag of input variables on model performance. The time lag (i) ranges from 1 to 50 days. The model performance was evaluated using three indices, root mean squared error-observation standard deviation ration (RSR), Nash-Sutcliffe coefficient of efficiency (NSE) and mean absolute error (MAE). The model showed the best performance by adding a dataset with a one-day time lag (i=1) where RSR, NSE, and MAE were 0.359, 0.871 and 1.510, respectively. The improvement of model performance was observed when a dataset with a time lag up of about 15 days (i=15) was added.

Recently, the importance of preventive maintenance has been emerging since failures in a complex system are automatically detected due to the development of artificial intelligence techniques and sensor technology. Therefore, prognostic and health management (PHM) is being actively studied, and prediction of the remaining useful life (RUL) of the system is being one of the most important tasks. A lot of researches has been conducted to predict the RUL. Deep learning models have been developed to improve prediction performance, but studies on identifying the importance of features are not carried out. It is very meaningful to extract and interpret features that affect failures while improving the predictive accuracy of RUL is important. In this paper, a total of six popular deep learning models were employed to predict the RUL, and identified important variables for each model through SHAP (Shapley Additive explanations) that one of the explainable artificial intelligence (XAI). Moreover, the fluctuations and trends of prediction performance according to the number of variables were identified. This paper can suggest the possibility of explainability of various deep learning models, and the application of XAI can be demonstrated. Also, through this proposed method, it is expected that the possibility of utilizing SHAP as a feature selection method.

본 연구에서는 점근해석 및 논로컬 이론에서 요구하는 4차 이상의 고차 미분근사를 수행하기 위하여 계방정식에 혼합변분이론을 적용하여 MLS 차분법으로부터 구해지는 고차 미분근사의 정확도를 큰 폭으로 향상시킨다. 또한, MLS 차분법에 존재하는 세 가지 조건변수에 따른 고차미분근사의 정확도를 비교·분석한다. 혼합변분이론의 합응력을 후처리하여 변위의 미분을 근사할 경우 기존의 변위장 기반 계방정식의 차분 결과에 비해 미분 차수가 2차 낮아진다. 해석 범위내 절점 수가 과도하게 많거나 기저 차수가 클 경우 MLS 차분법의 영향영역 내에서 과적합(overfitting)이 발생한다. 또한 영향영역이 최적 범위 이상으로 넓어질 경우 근사의 정확도가 떨어진다. 위 내용을 사인 하중을 받는 단순지지보 수치예제로부터 확인하였다.

A parametric study was carried out to gain an insight about structural performances considering abnormal behavior effects in high strength steel pipe strut system. Six load cases were considered as undesirable deflections of strut structures, which are basic load combination, excessive excavation situations, impact loading effects, additional overburden loads, load combinations, and 50% reduction of strut length. Subsequent simulation results present various influences of parameters on structural performances of the strut system. Based on the results, we propose methods to prevent unusual behaviors of pipe-type strut structures made of high strength steels.

본 논문에서는 원통형 혼합기를 대상으로 블레이드의 각도, 길이, 개수 및 블레이드와 탱크 바닥과의 간극을 설계변수로 선정하고, 각각의 설계변수가 혼합성능에 미치는 영향을 분석하였다. 이산요소법을 이용하여 임펠러 회전에 의한 고체 입자 의 혼합공정을 해석하였으며, 혼합지수를 도입하여 혼합성능을 정량적으로 평가하였다. 다양한 설계변수의 조합을 고려한 실험계획법으로 설계변수의 주효과와 교호작용을 분석함으로써, 블레이드 각도가 입자의 혼합성능에 가장 지배적인 영향을 미치며 간극의 영향은 상대적으로 작다는 결론을 도출할 수 있었다. 또한 가장 우수한 혼합성능을 보이는 설계변수의 조합 을 제시하였다.

Recently, there is to increase interest in seismic performance of piers. Hollow section is applied to increasing the seismic performance of piers. However, hollow RC pier becomes the biaixial confining state because hollow part is not confined. The pier is developed brittle failure from inner face in hollow part. A tube is inserted in hollow part to become the weakness. This is ICH RC(Internally Confined Hollow RC) pier. This pier is enhanced stiffness, strength, and ductility by core concrete has triaxial confining stress. In this paper is researched about parameters effect the seismic performance. Parameters are hollow ratio, transverse reinforcement, longitudinal reinforcement, and concrete strength.

주로 경험에 의존하여 최선의 상태를 구하는 설계방식에 반하여 수학적인 해석방법을 사용하여 체계적으로 최상의 결과를 얻고자하는 것이 최적설계이다. 이때 상태의 해석방법 뿐아니라 비선형의 설계함수의 최적화에 관한 기법 연구가 요구된다. 해석적인 비선형 최적화의 기법중 공학설계에 사용할 수 있는 수렴속도가 빠르며, 사용하기에 편리하다고 알려진 반복 이차 계획법(Recursive Quadratic Programming Method)의 매개변수들의 역할을 살피고 이들의 변화에 따른 수치성능을 비교 분석하여 계산효율이 개선된 수치적 알고리즘을 제시하였다. 설계함수들의 일차 미분정보를 이용한 근사 이차 미분정보에 의하여 최적해의 접근속도가 빠른 RQP 알고리즘의 평가를 위하여 구조물의 무게를 최소화하면서 유한요소의 응력, 변위, 최소고유진동수등의 제한조건을 만족하는 주어진 형상의 최적단면을 가지는 구조물도 설계하였다.

본 연구는 직물섬유의 배치에 따른 직물섬유 보강 콘크리트의 휨 특성을 알아보기 위하여 세 가지 변수에 대하여 휨 실험을 수행하였다. 복합체의 인장부에 근접한 위치에 직물섬유가 배치될 경우 극한하중이 증가하는 것으로 나타났다.

The goal of this study is to investigate structural behaviors of steel diagrid depending on geometric parameters such as size, thickness, steel type, and location of components. Numerical applications verify structural behaviors of steel diagrid is very sensitive in terms of the geometric parameters and then diagrid is an appropriately governing system for free-formed structures.

건설현장에서 노동집약적 공정과정인 거푸집공정을 개선하고자 비탈형 영구거푸집에 대한 연구가 진행되어 왔지만 지금까지 개발된 영구거푸집의 경우, 그 크기 및 성능 등에 있어서 현장에 적용하기에는 많은 어려움이 있다. 본 논문은 개발된 고성능 영구 거푸집(HPPF)이 적용된 구조물의 현장적용성 분석에 대한 연구로써, 기 실험된 HPPF의 재료 및 구조적 특성을 바탕으로 해석적 접근을 수행하였다. 대상 구조물로는 HPPF 재료특성이 효율적으로 발휘될 수 있는 벽체 구조물을 선정하였으며, 유한요소 해석 프로그램을 이용하여 1회 최대 타설높이를 분석한 후, 이를 실제 벽체설계에 적용하여 HPPF 적용단면의 현장적합성을 검증하였다. 분석결과, 기존 콘크리트만으로 제작된 벽체구조물에 비해, HPPF의 추가적인 성능향상 효과로 인해 기존 콘크리트 벽체구조물 대비 콘크리트 및 철근량의 절감효과는 물론, 장기적으로 HPPF 적용 고내구성 벽체 구조물에 의한 직·간접적인 경제적 효과를 확보할 것으로 분석되었다.