This study deals with the application of an artificial neural network (ANN) model to predict power consumption for utilizing seawater source heat pumps of recirculating aquaculture system. An integrated dynamic simulation model was constructed using the TRNSYS program to obtain input and output data for the ANN model to predict the power consumption of the recirculating aquaculture system with a heat pump system. Data obtained from the TRNSYS program were analyzed using linear regression, and converted into optimal data necessary for the ANN model through normalization. To optimize the ANN-based power consumption prediction model, the hyper parameters of ANN were determined using the Bayesian optimization. ANN simulation results showed that ANN models with optimized hyper parameters exhibited acceptably high predictive accuracy conforming to ASHRAE standards.

해수중 환경에서 콘크리트 구조물 내에 매립된 철근은 용존산소의 부족으로 부식이 잘 발생하지 않는다. 이 때문에 해수중 환경의 부식촉진시험은 전기화학적인 방법으로 실시되어, 실제 부식 메커니즘과 맞지 않고 장기거동과의 상관성 도출도 어려운 실정이다. 본 연구에서는 해수중 환경에서의 부식촉진시험법을 정립하기 위해 온도와 염화물농도를 주된 변수로 부식촉진시험을 실시하였다. 부식의 발생 유무는갈바닉 전위측정법과 반전지전위법을 통한 철근부식모니터링 결과로 판단하였다. 부식촉진시험 결과 온도의 영향이 가장 지배적이라고 평가되었다. 염화물량은 시험 시편의 깊이별 염화물 농도를 측정하였다. 동일한 조건으로 FEM 내구성 해석 프로그램인 DuCOM을 통해 염화물침투 해석을 실시하여 입증하였다. 또한, 인공해수 침지 조건에 따른 용존 산소량은 실험을 통해 구했으며 이를 통해 부식촉진시험 결과의 타당성을 검증하였다.

The durability of structures that has been built along the coastline based on the national geographic characteristics became a very important standard in economic and societal aspects. The environment that the steel corrosion would most likely happen is called tidal zone. It is a well-known zone and lots of researches have been done. We decided to implement steel corrosion monitoring on artificial seawater to find what kind of environment accelerates the steel corrosion. We compared and analyzed the experiment through galvanic potential measurement and half cell potential measurement