http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
변용훈,신휘수,김호용,정남정,Byun, Yong-Hoon,Shin, Hwi-Su,Kim, Ho-Yong,Jung, Nahm-Chung 대한상하수도학회 2021 상하수도학회지 Vol.35 No.5
Water treatment process simulator is the tool for predicting sequential changes of water quality in a train of unit processes. This predicts the changes through governing equations that represent physicochemical performance of each unit processes with an initial and boundary conditions. Since there is no operational data for the design of a water treatment facility, there is no choice but to predict the performance of the facility by assuming initial and boundary conditions in virtual reality. Therefore, a simulator that can be applied in the design stage of a water treatment facility has no choice but to be built as a numerical analysis model of a deductive technique. In this study, we had conducted basic research on governing equations, inter-process data-flow, and simulator algorithms for the development of simulators. Lastly, this study will contribute to design engineering tool development research in the future by establishing the water treatment theory so that it can be programmed in a virtual world and suggesting a method for digital transformation of the water treatment process.
전산유체역학을 이용한 여과지 분배수로의 유량 균등분배에 관한 연구
류영석(Ryu, Young-Suk),정남정(Jung, Nahm-Chung),조명환(Cho, Myung-Hwan) 한국방재학회 2020 한국방재학회논문집 Vol.20 No.5
정수처리공정에서의 여과지는 미세입자를 제거하는 핵심공정으로 사용되고 있다. 본 연구에서는 여과지 분배수로의 유입 유량 균등분배를 예측하기 위해 BIM 모델을 기초로 한 유동해석을 수행하였다. BIM 모델은 H정수장의 기본 및 실시설계 도면을 바탕으로 작성하였고, BIM 모델로부터 유동해석 모델을 형성하여 현재 운영 중인 H정수장의 여과지 분배수로 균등분배를 검토하였다. 여과지 분배수로의 최적의 유량 균등분배 방안을 도출하기 위해 전산유체해석 프로그램인 Autodesk CFD를 사용하였고, 버터플라이 밸브의 개도율과 STS 플레이트의 높이 조정에 따른 전산유체역학을 수행하였다. 유동해석 결과, STS 플레이트 높이 조정에 의한 방식이 버터플라이 밸브의 개도율 조정 방식과 비교하였을 때 유량 균등분배에 더 효율적인 방식인 것으로 나타났다. A filtration-basin is the most essential component to remove fine particles in water purification process. This study conducted a Computational Fluid Dynamics (CFD) analysis based on Building Information Modeling (BIM), to estimate flow distribution in the inflow distribution channel of the filtration-basin. The BIM model was prepared based on the preliminary construction design draft drawings, and a CFD analysis model was created from the BIM model. The distribution rate of the distribution channel currently operating within the filtration-basin was reviewed. To find the optimal operation method that ensures equal distribution of each filtration-basin, CFD analysis was carried out to compare the adjustment methods of opening the ratio of the butterfly valve and adjusting the height of the stainless steel (STS) plate, using Autodesk CFD software. The CFD analysis revealed that the STS plate method was more efficient at inducing equal distribution rates than the method of opening the ratio of the butterfly valve.
이대종(Dae-Jong Lee),박진일(Jin-Il Park),박상영(Sang-Young Park),정남정(Nahm-Chung Jung),전명근(Meung-Geun Chun) 한국지능시스템학회 2006 한국지능시스템학회논문지 Vol.16 No.5
본 논문에서는 퍼지 클러스터 기법을 이용하여 구간 분할된 퍼지 모델트리의 제안과 이를 이용한 데이터 모델링 기법을 다룬다. 제안된 방법은 먼저 입력과 출력변수의 속성을 고려한 퍼지 클러스터링에 의해 중심벡터를 계산한 후, 중심벡터들과 입력속성간의 소속도를 이용하여 구간 분할된 영역별로 각각의 선형모델을 구축한다. 노드의 확장은 부모노드(parent node)에서 만들어진 모델에서 계산된 오차값과 자식노드(child node)에서 계산된 오차값을 비교하여 이루어진다. 출력값 예 측 단계에서는 입력된 데이터와 잎노드에서 계산된 클러스터 중심값과 비교하여 소속도가 높은 선형모델을 선택하여 데이터에 대한 출력값을 예측하게 된다. 제안된 방법의 우수성을 보이기 위해 다양한 데이터를 대상으로 실험한 결과, 기존의 모델트리방식 및 뉴럴 네트워크 기반의 신경회로망 보다 향상된 성능을 보임을 알 수 있었다. This paper proposes a fuzzy model tree consisting of local linear models using fuzzy cluster for data modeling. First, cluster centers are calculated by fuzzy clustering method using all input and output attributes. And then, linear models are constructed at internal nodes with fuzzy membership values between centers and input attributes. The expansion of internal node is determined by comparing errors calculated in parent node with ones in child node, respectively. As a final step, data prediction is performed with a linear model having the highest fuzzy membership value between input attributes and cluster centers in leaf nodes. To show the effectiveness of the proposed method, we have applied our method to various dataset. Under various experiments, our proposed method shows better performance than conventional model tree and artificial neural networks.