구조물에 작용하는 바람하중을 정량적으로 예측하는 것을 거의 불가능하다. 그러나 그 하중이 백색잡음으로부터 재생될 수 있다는 가정은 동적해석을 위한 수치시뮬레이션에 매우 유용할 뿐만 아니라 역해석과정에서 바람하중에 대한 유일 해를 추정할 수 있 는 가능성을 높일 수 있는 추가적인 구속조건을 제공한다는 측면에서 매우 유리하다. 그러한 가정에 의하여, 구조물 응답에 영향을 미 치는 동적특성과 하중특성(하중모델)을 차례로 제거하고 나면 순수한 백색잡음만 남게 되므로 이러한 백색화과정을 통하여 구조물의 동적 특성과 하중특성을 동시에 추정할 수 있는 방안을 모색할 수 있을 것이다. 본 연구에서는 스펙트럼 백색화과정을 통하여 구조물 의 모달 파라미터와 모달하중(하중모델을 구성하는 파라미터)을 동시에 추정하는 새로운 역해석 기법을 제안한다. 백색화과정을 모달 응답에 적용하여 모달 파라미터과 하중모델 파라미터를 구하는 과정을 유도하였으며, 제안된 동시 추정기법을 단자유도 모형, 공탄성 모델에 대한 풍동실험에 적용하여 모달파라미터 특히 감쇠비추정의 신뢰성을 검증하였으며, 그 결과 신뢰도가 높은 모달 파라미터, 하 중모델 파라미터 추정이 가능함을 알 수 있었다.

건축 토목 구조물에 작용하는 하중은 알 수 없는 경우가 대부분이므로 구조물에 대한 시스템 식별 알고리듬은 외부하중을 백 색잡음으로 가정한다. 이러한 가정은 일면 타당성이 있으나 와류하중과 같이 스펙트럼이 특정한 형태를 가지고 있는 경우 모달 파라 미터 특히 감쇠비 추정의 불확실성의 원인이 되고 있다. 본 연구에서는 구조물의 응답으로부터 역 계산된 하중을 이용하여 하중모델 을 구축하고 이를 이용하여 감쇠비를 추정하는 새로운 기법을 제안한다. 본 제안 기법은 외부하중을 백색잡음으로 가정하는 기존 VDS 기법을 기반으로 외부하중 스펙트럼 모델을 고려할 수 있는 보다 일반화된 기법이다. 제안된 추정기법을 직사각형단면 공탄성모델에 대한 공기력진동실험으로 수행하여 구한 가속도 응답에 적용하여 감쇠비추정의 신뢰성을 검증하였다. 풍속에 따라 풍하중 모델을 구 축하고 와류공진, 와류공진 전 후의 공력감쇠비를 평가한 결과 안정적이며, 신뢰도가 높은 감쇠비 추정이 가능함을 알 수 있었다.

본 논문에서는 시간 의존적 거동을 고려하기 위한 크리프 거동 해석과 비탄성 해석법을 통해 기존의 설계기준 보다 정확하고 전 시 간 단계에서의 CFT 기둥의 해석을 가능하게 하는 수치 해석 모델을 제안하고, 기존의 CFT 기둥에 수행된 실험 결과와 비교하였다. 그 결과 본 논문에서 제안된 수치 해석 모델의 결과가 기존의 설계 기준의 결과보다 정확한 추세를 나타낸다는 것을 파악 할 수 있었다. 검증 이후 세장비에 따른 수치 해석을 수행하여 전반적인 CFT 기둥 부재의 단기 및 장기 지속 하중 거동에 대한 극한 하중의 정도를 확인하였다.

부공력감쇠는 풍직각방향의 와류공진을 예측하는데 있어서 매우 중요한 요소이다. 부공력감쇠는 진동유발하중 또는 피드백 하중을 구성하는 주요인자로 와류진동이 급격히 발현되는 현상을 설명하는 도구이기도 하다. 본 연구에서는 공력감쇠의 수학적 모델 을 제시하고 와류유발하중모델과 함께 와류진동을 예측하는 프러세스를 제안한다. 직사각형단면에 대한 공기력진동실험을 수행하여, 계측된 가속도로부터 공력감쇠와 와류유발하중을 추정하고 이에 기반하여 공력감쇠모델과 와류유발하중모델을 구축하는 과정을 다룬 다. 최종적으로 공력감쇠모델과 와류유발하중 모델에 대한 재해석을 통하여 가속도응답을 구하고 계측된 가속도와 비교하여 모델의 진동예측성능을 평가한다. 본 연구에서 제안된 와류하중모델의 진동예측성능을 평가한 결과 안정적이며, 신뢰도가 높은 와류진동예측 이 가능함을 알 수 있었다.

The purpose of this study is model development of displacement estimation of simple beam receiving the concentrated load using terrestrial LiDAR. Using the terrestrial LiDAR it is possible to supplement touch sensor’s disadvantages which have the limit to the displacement measurement. The data which is obtained by terrestrial LiDAR goes through coordinate transformation and dividing elements. And then, applying the Cubic Smoothing Spline Interpolation(CSSI) we will find the optimal value for displacement estimation. Also, based on the assumed displacement it is possible to estimate the stress distribution shape of the experiment model.

지난 반세기 동안 무분별한 산업 활동과 도시화로 인하여 유역환경은 심각하게 훼손 되었다. 이러한 도시화로 인하여 2010년을 기준으로 4대강 평균 총 배출부하량의 69.3%가 비점오염[non-point source(NPS)pollutants]으로 인한 것으로 조사 된바있다. 이를 관리하기 위한 요구는 증대되고 있으나 정량적으로 유역환경을 예측하여 판단하기 위한 시스템은 부족한 실정이다. 따라서 본연구에서는 영산강유역 환경을 판단함에 있어 HSPF(Hydrological Simulation Program-Fotran)모델의 모의를 통하여 국내 적합성 검토에 관한 연구를 수행하였다. 그 후 HSPF(Hydrological Simulation Program-Fotran)모델을 이용하여 강우 특성에 따른 유역내 분포하는 비점오염원 발생량의 공간적 시간적 분포에 관한 연구를 수행하였다. 그 결과 영산강유역 환경을 모의 함에 있어 HSPF(Hydrological Simulation Program-Fotran)모델이 적합한 모델이라 판단 되었으며, 이를 통하여 영산강 유역의 4대강 사업 이전과 이후 사상에 대한 비점오염부하에 대한 정량적인 평가를 실시 하였다.

Agriculture nonpoint pollution source is a significant contributor to water quality degradation. To establish effective water quality control policy, environpolitics establishment person must be able to estimate nonpoint source loads to lakes and streams. To meet this need for orchard area, we investigated a real rainfall runoff phenomena about it. We developed nonpoint source runoff estimation models for vineyard area that has lots of fertilizer, compost specially between agricultural areas. Data used in nonpoint source estimation model gained from real measuring runoff loads and it surveyed for two years(2008-2009 year) about vineyard. Nonpoint source runoff loads estimation models were composed of using independent variables(rainfall, storm duration time(SDT), antecedent dry weather period(ADWP), total runoff depth(TRD), average storm intensity(ASI), average runoff intensity(ARI)). Rainfall, total runoff depth and average runoff intensity among six independent variables were specially high related to nonpoint source runoff loads such as BOD, COD, TN, TP, TOC and SS. The best regression model to predict nonpoint source runoff load was Model 6 and regression factor of all water quality items except for was R² =0.85.