Forward osmosis (FO) process is a chemical potential driven process, where highly concentrated draw solution (DS) is used to take water through semi-permeable membrane from feed solution (FS) with lower concentration. Recently, commercial FO membrane modules have been developed so that full-scale FO process can be applied to seawater desalination or water reuse. In order to design a real-scale FO plant, the performance prediction of FO membrane modules installed in the plant is essential. Especially, the flux prediction is the most important task because the amount of diluted draw solution and concentrate solution flowing out of FO modules can be expected from the flux. Through a previous study, a theoretical based FO module model to predict flux was developed. However it needs an intensive numerical calculation work and a fitting process to reflect a complex module geometry. The idea of this work is to introduce deep learning to predict flux of FO membrane modules using 116 experimental data set, which include six input variables (flow rate, pressure, and ion concentration of DS and FS) and one output variable (flux). The procedure of optimizing a deep learning model to minimize prediction error and overfitting problem was developed and tested. The optimized deep learning model (error of 3.87%) was found to predict flux better than the theoretical based FO module model (error of 10.13%) in the data set which were not used in machine learning.

평판형 모듈 설계의 최적화를 목적으로 feed 흐름 조건에 따른 feed 온도 및 유속분포를 예측할 수 있는 모델식을 확립하였고 모델 모사를 통해 흐름 조건들이 온도 분포에 끼치는 영향들을 조사하였다. 모델내의 유체의 Re 크기가 커지면 채널 두께방향으로의 유속 구배가 커질 뿐 아니라 투과물 증발을 위한 에너지원인 feed 흐름 속도가 커져 물질 및 열흐름이 증가하여 투과물 증발로 인한 feed 온도 강하가 증어든다. 반면에 채널 간격이 작아지면 feed 흐름량이 상대적으로 작아져 급격한 온도 강하를 야기시킨다. Re 크기에 따른 feed 온도 변화는 실험결과와 일치함이 관찰되었다.

우리나라 항구 주변에는 입․출항하는 선박으로 인하여 해상교통흐름이 복잡하다. 이러한 선박통항의 안전과 효율성을 증진하기 위 해 우리나라에서는 해상교통관제 서비스를 시행하고 있다. 24시간 쉴 틈이 없는 해상교통 관제사들의 노력에도 불구하고 관제구역 내에서의 충돌사고는 지속적으로 발생하고 있으며, 위험 상황이 약 20분에 1회씩 발생하고 있는 것으로 분석되어 그 위험성은 크다고 할 수 있다. 이러한 사고는 선박운항 및 해상교통관제 정보 제공 시 충돌 위험에 대한 안전 기준을 적시에 제공함으로써 사고를 감소시킬 수 있을 것으로 조사되었 다. 이에 본 연구는 선박의 충돌위험도를 선박운항자의 관점에서 평가할 수 있는 모델을 이용하여 그 위험을 선박의 속도, 침로 등을 조정하여 각 교통 상황별 충돌 위험도를 사전에 예측 할 수 있는 위험도 예측 모듈을 개발하였다. 이 모듈을 이용하여 선박운항자 및 관제사는 복잡한 교통 상황에서 위험요소를 쉽게 식별 할 수 있어, 가까운 장래의 위험 정도의 변화를 선박침로 및 속력변경 등을 제시할 수 있는 등의 적절한 피항조치를 취할 수 있다. 이 모듈의 효용성을 검증하기 위해 부산항 해역을 대상으로 조우 상황별 위험도를 예측 후 구체적인 침로 및 속력 변경에 따른 위험도 변화를 식별할 수 있는 것으로 확인되었다.

This study examined test piece production and on-the-spot test results of power supply system of road surface temperature sensor module that was put to forecast road freezing at bridge section. The temperature sensor module was produced to replace sensitive sensor (temperature and humidity sensor) of road surface that was put by wire system, and to supply power on-the-spot by itself, And, the study researched optimization considering power consumption for self power generation and sensor operation.