Conducting a TSPA (Total System Performance Assessment) of the entire spent nuclear fuel disposal system, which includes thousands of disposal holes and their geological surroundings over many thousands of years, is a challenging task. Typically, the TSPA relies on significant efforts involving numerous parts and finite elements, making it computationally demanding. To streamline this process and enhance efficiency, our study introduces a surrogate model built upon the widely recognized U-network machine learning framework. This surrogate model serves as a bridge, correcting the results from a detailed numerical model with a large number of small-sized elements into a simplified one with fewer and large-sized elements. This approach will significantly cut down on computation time while preserving accuracy comparable to those achieved through the detailed numerical model.

To conduct numerical simulation of a disposal repository of the spent nuclear fuel, it is necessary to numerically simulate the entire domain, which is composed on numerous finite elements, for at least several tens of thousands of years. This approach presents a significant computational challenge, as obtaining solutions through the numerical simulation for entire domain is not a straightforward task. To overcome this challenge, this study presents the process of producing the training data set required for developing the machine learning based hybrid solver. The hybrid solver is designed to correct results of the numerical simulation composed of coarse elements to the finer elements which derive more accurate and precise results. When the machine learning based hybrid solver is used, it is expected to have a computational efficiency more than 10 times higher than the numerical simulation composed of fine elements with similar accuracy. This study aims to investigate the usefulness of generating the training data set required for the development of the hybrid solver for disposal repository. The development of the hybrid solver will provide a more efficient and effective approach for analyzing disposal repository, which will be of great importance for ensuring the safe and effective disposal of the spent nuclear fuel.

대규모 유한요소 모델을 빠르게 해석하기는 위해서 병렬 희소 솔버를 필수적으로 적용해야 한다. 이논문에서는 미세하게 변화하는 시스템 행렬을 대상으로 연속적으로 해를 구해야 하는 문제에서 효율적으로 적용가능한 반복-직접 희소 솔버 조합 기법을 소개한다. 반복-직접 희소 솔버 조합 기법은 병렬 희소 솔버 패키지인 PARDISO에 제안 및 구현된 기법으로 새롭게 행렬값이 갱신된 선형 시스템의 해를 구할 때 이전 선형 시스템에 적용된 직접 희소 솔버의 행렬 분해(factorization) 결과를 Krylov 반복 희소 솔버의 preconditioner로 활용하는 방법을 의미한다. PARDISO에서는 미리 설정된 반복 회수까지 해가 수렴하지 않으면 직접 희소 솔버로 해를 구하며, 이후 이어지는 갱신된 선형 시스템의 해를 구할 때는 최종적으로 사용 된 직법 희소 솔버의 행렬 분해 결과를 preconditioner로 사용한다. 이 연구에서는 첫 번째 Krylov 반복 단계에서 소요되는 시간을 동적으로 계산하여 최대 반복 회수를 설정하는 기법을 제안하였으며, 주파수 영역 해석에 적용하여 그 효과를 검증 하였다.

Boundary element solution method is introduced for radiation heat transfer problem with objects inside a 2-D enclosure, where shadow zone exists. Surfaces are assumed as diffuse gray in a transparent medium. Boundary integral and boundary element equations were derived from radiation transfer equation, and their theory is reviewed. Also the process of solution methods to implement the boundary element method is analysed and explained with consideration of shadow effects. BEM solution results are compared with two test problems and are found to be good agreements with the both analytic and ANSYS Fluent numerical solutions. Therefore the current BEM analysis for radiation heat transfer problem can be considered as verified, and their efficacy with engineering applicability is established as a result.

This paper deals with developing a Web-based Solver NRO(Network Reliability Optimizer) for solving three classes of reliability redundancy optimization problems which are generated in series systems. parallel systems and complex systems. Inputs of NRO consisted in four parts. that is, user authentication. system selection. input data and confirmation. After processing of inputs through internet, NRO provides conveniently the optimal solutions for the given problems on the Web-site. To alleviate the risks of being trapped in a local optimum, HH(Hybrid-Heuristic) algorithm is incorporated in NRO for solving the given three classes of problems, and moderately combined GA(Genetic Algorithm) with the modified SA(Simulated Annealing) algorithm.

컴퓨터의 제한된 코어메모리로 대형문제를 해결하기 위하여 디스크를 마치 메모리처럼 사용할 수 있는 가상 메모리 데이타베이스 기법을 개발하였다. 이 기법과 아울러 최대 가용코어메모리를 작동시키는 방식을 사용하여 유한요소 해석시 흔히 발생하는 스카이라인 형태로 저장된 대칭통산행예(Sparse Symmetric Matrix)에 대한 매우 효과적인 코어 내 및 코어 외 직립방정식의 해법을 개발하였다. 제안된 방법은 다른 코어 외 해법에 비해 알고리즘 및 코딩이 매우 간단하여 계산효율을 상당히 향상시켰다. 해석예에서는 제안된 방법을 사용하여 대규모 구조해석 문제를 메모리 용량이 작은 소형컴퓨터에서 대단히 효율적으로 해결하였음을 보여주었다.

본 연구에서는 해수-담수-해안대수층의 비선형 상호작용을 직접 해석할 있는 PBM(Porous Body Model) 기반의 3차원 N-S Solver인 LES-WASS-3D ver 2.0을 적용하며, 해안대수층의 해수침투모의를 수행하였다. 이와 같은 N-S Solver를 적용한 해안대수층의 해수침투모의는 국내 최초 수행되는 것일 뿐만 아니라, 국외적으로도 찾아보기 어려운 새로운 수치해석방법이라고 할 수 있다. 먼저 적용하는 수치모델을 검증하기 위하여 해안대수층의 해수-담수 경계면에 관한 수리모형실험결과와 비교·검토 하여 수치모델의 타당성 및 유효성을 확인하였다. 그리고 해수위 및 지하수위 변화를 고려한 해안대수층 내의 해수침투모의를 수행하여 해수위-지하수위 차와 해수위의 비(△h/h)의 증가에 따른 해안대수층 내의 유동장 그리고 해수-담수 경계면 분포 특성에 관하여 논의하였다. 또한 기존의 비확산 수치모델에서 도출할 수 없었던, △h/h에 따른 해안대수층 내의 연직 염분농도로 부터 해수침투 특성을 파악하였으며, 최종적으로 지표화 할 수 있는 △h/h가 해안대수층 내의 해수침투거리에 미치는 영향에 대하여 분석하였다. 이 결과로부터 △h/h가 작을수록 해안대수층 내의 해수침투가 약해지는 메커니즘을 이해할 수 있었다.

본 연구는 단순한 직사각형 하도에서 발생한 댐 붕괴 및 홍수전파 등에서 만족스러운 결과를 보였던 Riemann 근사해법을 이용한 1차원 유한체적기법을 불규칙한 하도형상의 자연하도에 적용하기 위하여 새로운 기법을 개발하는 것이 목적이다. 이를 위하여 자연하천 단면을 등가의 직사각형 단면으로 변환하는 개념을 도입하였으며, 그 결과, 운동량방정식이 수정되었다. 새롭게 개발된 기법을 정확해가 존재하는 삼각형 단면하도의 댐 붕괴 흐름에 적용하고 그 결과를 비교함

본 연구의 목적은 수공학 분야에서 수치해석이 난해한 문제를 해결하기 위한 모형을 개발하고, 해석해가 존재하는 다양한 수치실험, 즉 하상과 하폭이 함께 변하는 점변부정류 조건에서의 검증, 하상경사가 변화하는 세가지 정상상태 조건의 문제, 그리고 해석해가 있는 마찰하상에 적용함으로써 개발된 모형의 적용성을 검증하기 위한 것이다. 모형의 지배방정식은 보존 법칙을 만족하는 Saint-Venant 적분형 방정식이며, Riemann 해법에 의한 유한체적법이 사용되

본 연구에서는 수치모형을 이용하여 근해지진해일의 처오름 현상과 전파양상을 이용하여 해석하였다. 모의에 사용된 수치모형은 지진해일 거동의 해석에 적합한 비선형 천수방정식을 지배방정식으로 채택하였으며, 유한체적법을 이용하여 해석영역을 이산화 하였고 Riemann 문제를 해석하기 위하여 HLLC approximate Riemann solver와 Weighted Averaged Flux 기법을 이용하였다. 수치모형의 검증을 위하여 마찰 없는 수조에서의 수면진동