본 연구는 한국 기상대 데이터를 활용하여 콘크리트 포장의 깊이별 온도를 예측하는 ANN(Artificial Neural Network) 모델을 개발하는 것을 목표로 한다. 기존의 열평형 방정식 기반 모델은 특정 지역의 기상 데이터를 필요로 하기 때문에 일반적인 적용이 어렵다는 한계를 가지고 있다. 이에 본 연구에서는 ANN을 활용하여 기상대 데이터를 기반으로 범용적 인 온도 예측 모델을 개발하고자 한다. 이를 통해 다양한 지역 및 환경 조건에서도 적용 가능한 모델을 구축하는 것이 목적이다. 본 연구에서는 2017년 1월 1일부터 2018년 12월 31일까지의 1시간 단위 기상 및 온도 데이터를 활용하며, 0.05m, 0.15m, 0.25m, 0.35m, 0.45m 깊이별 온도 데이터를 학습 데이터로 사용한다. 입력 변수로는 기온, 풍속, 강수량, 습도, 일 조량, 일사량, 적설량, 적운량, 지면온도를 포함한다. 이러한 다양한 기상 데이터를 활용하여 신경망 모델을 학습하고, 기 존 방식보다 높은 정확도를 확보하는 것이 연구의 핵심 목표이다. 기존 ANN 구조인 O = WI + B에서 확장된 O = W(I + (WI + B)) + B 형태의 비선형 구조를 적용하여 기존 모델이 가지는 비선형 관계 반영의 한계를 극복하고자 한다. 또한, 선형 다중 은닉층 모델과 비선형 다중 은닉층 모델을 각각 개발하여 성능을 비교하고, 비선형 모델의 필요성과 일반화 능력을 평가할 예정이다. 최종적으로 두 모델의 성능을 평균 제곱 오차 및 평균 절대 오차 등과 같은 평가 지표들을 이용하여 비교 분석하고, 가장 적합한 모델을 도출하고자 한다.

Determination of explosion reference pressure is important in designing and testing flameproof enclosures (Ex d). Although relative humidity affects to explosion pressure, its effect is not well investigated for the gas group IIB, IIA, and I. This study tested explosion pressure for Ethylene (8 vol.%), Propane (4.6 vol.%), and Methane (9.8 vol.%), which are the representative gas of the gas group IIB, IIA, and I, at ambient temperature and atmospheric pressure (1 atm) under different relative humidity (0% ~ 80%). Ethylene- and Propane-air mixed gases generally tended to decrease as the relative humidity increased; however, explosion pressure was largely dropped at 20% of relative humidity compared to 0% and 10% of relative humidity. On the other hand, Methane-air mixture gas showed similar pressures at 0% and 10% of relative humidity; but no explosion occurred at more than 20%. The results of this study can be used in setting a testing protocol of explosion reference pressure for designing and testing a flameproof enclosure.

Optimum hypering conditions are found for IIIa-J, IIIa-F, 103a-O, 103a-D, and IIa-O plates using hypersensitization machine in KAO. For every experimental plate we get speed gain, fog increment, signal to noise ratio and relative DQE according to hypering time and temperature. The hypersensitization method is baking with 8% hydrogen mixed gas. For IIIa-J, 103a-O, and 103a-D plates treated 65∘C 65∘C , 3 hours baking, the speed gains arc increased by about 10 times, 2 times, and 2 times compared to untreated plates, respectively. The fogs are increased by 0.08, 0.10, and 0.08, respectively. For IIIa-F, IIa-O plates treated 65∘C 65∘C , 2 hours baking, the speed gains are increased by about 4.7 times and 1.8 times compared to untreated plates, respectively. The fogs are increased by 0.15 and 0.04, respectively.