본 연구는 이동하는 바닥 웨이메이커에 의해 생성되는 비선형 주기파의 특성을 수치적으로 고찰한다. 이동 바닥 경계조건을 포함하는 고차 스펙트럴(HOS) 방법을 채택하여, 2차원 및 3차원 환경에서 삼각형 및 직사각형 형태의 바닥 웨이메이커로부터 시작되는 파를 시뮬레이션했으며, 아울러 선형 해석 해도 도출하였다. 그 결과는 더 큰 진동 진폭이 비선형 효과를 강화하여 더 가파른 꼭대기(crest), 더 평평한 골(trough), 그리고 유의하게 더 높은 고조파를 유발함을 보여준다. 3차원에서는 뱀(snake)형 진동이 비스듬히 전파하는 파를 성공적으로 재현하였다. 전파 방향에 수직한 위치에서 그림자 영역(shadow zone)이 형성되었고, 이는 회절에 의해 유도된 에너지 전달과 꼭대기 및 골을 따라 발생하는 진동을 동반하였다. HOS 모형은 약한 강제조건에서는 해석 해와 매우 유사한 일치를 보였으나, 강한 비선형성 하에서는 선형 예측을 넘어 고조파 생성과 파형 변형을 포착하였다. 본 연구는 바닥 웨이메이커의 적용을 충격적인 쓰나미형 운동으로부터 주기적 진동으로 확장하여, 비선형 파 동역학에 대한 새로운 이론적 통찰을 제공한다.

공기 중 오염물질의 분포는 대류와 확산을 포함하는 복잡한 유체역학 과정에 의해 좌우된다. 이 과정은 또한 배출원 특성, 기상학적 매개변수, 사회경제적 요인, 토지 이용 패턴의 영향을 추가로 받는다. 결정론적 및 확률론적 대기질 예측 방법에 비해, 대기질 변수에 대한 데이터 기반 모델링은 대기질에 영향을 미치는 매개변수의 높은 자유도를 다룰 수 있을 뿐 아니라, 더 높은 공간 및 시간 해상도에서 공기 오염물질 분포에 대한 해석 가능성과 이해를 제공할 수 있다. 본 연구는 오염물질 농도 관측, 기상학적 매개변수, 시공간 자료에 기반하여 도시 전역의 대기질 지수(AQI)를 예측하는 데 초점을 둔다. 연구 지역은 한국의 안산시이며, 이 지역은 미세먼지 고농도에 대한 핫스팟으로 관측되어 왔다. 안산시에 위치한 16개 모니터링 관측소에서 대기질 및 기상 자료를 수집하였다. 대기질 모니터링 관측소에서의 AQI 기록 간 상관관계를 규명하기 위해 상세한 시공간 분석을 수행하였다. 관측소 간 강력한 시공간 상관관계가 확인됨에 따라 여러 딥러닝(DL) 모델을 제안하였고, 서로 다른 시나리오에서 이들의 성능을 조사하였다. DL 모델의 적절한 선택은 (1) 오염물질 분포를 제어하는 기저 유체역학 과정에 대한 이해, 및 (2) 자료의 시공간적 특성에 근거해야 함이 관찰되었다. 또한 DL 모델의 복잡성이 항상 예측의 정확성을 보장하지는 않으며, 기저 물리 과정을 반영하도록 예측변수를 신중하게 선택한다면 단순한 모델도 우수한 성능을 제공할 수 있다.

후쿠시마 원전 사고는 장기적 사건과 실시간 사건 모두에서 완화 전략을 마련하기 위해, 해안의 핵심 기반 시설에 대한 쓰나미 위험을 정확하고 신속하게 예측하는 것이 중요함을 부각시킨다. 최근 딥러닝 모델은 쓰나미 파형과 연관된 것과 같은 고차원, 비선형, 비정상 시계열 데이터에 대해 정확하고 빠른 예측을 가능하게 했다. 따라서 본 연구는 한국 남부의 울진 원자력발전소 냉각수 취수구에서의 파형을 예측하기 위해 1차원 합성곱 신경망(convolutional neural network, CNN) 모델을 사용한다. 해당 부지는 특히 일본 서해안에서 기원하는 쓰나미에 취약하다. CNN 모델을 위한 데이터는 단층 위치에서 시작되는 쓰나미 전파의 1107개 사례에 대한 수치 시뮬레이션으로 생성된다. 파형의 시계열 데이터는 연구 지역의 연안(근해) 영역에 위치한 13개의 가상 계측기에서 예측되었으며, 그중 10개는 관측 지점으로 분류되었고 3개 계측기는 냉각수 취수구에 위치하여 목표 지점으로 분류되었다. 모델의 예측 성능 평가는 빠른 예측과 함께 매우 우수한 결과를 보였다. 본 연구는 두 가지 주요 관점을 제시한다. (i) 딥러닝 모델은 해양심층평가 및 보고(deep-ocean assessment and reporting of tsunamis) 또는 해양 파도에 대해 국소적으로 운영되는 어떤 모니터링 관측소가 기록한 것과 같은 희소한 현장 파형 데이터에 기반할 수 있으며, 지배적인 파 전파 방향을 따라 단지 몇 지점에서 수치적으로 시뮬레이션된 데이터만으로도 가능하다. (ii) 딥러닝 모델은 신속한 긴급 대응을 촉발하는 복잡한 지구재해에 대해 정확하고 빠른 예측을 수행할 수 있다.

본 연구에서는 생합성된 실리카 기반 산화아연 나노복합체(nano-SZO)를 합성 매질로부터 중금속 이온, 즉 Ni2+, Cd2+, Cu2+를 포획(sequestration)하기 위한 나노흡착제로서 탐색하였다. 나노복합체는 평균 입자 크기 30.52 nm, 영전하점(pH at zero-point charge)이 4.8인 조건에서 농업 폐기물을 활용하는 친환경 녹색 합성 접근법을 통해 제조되었다. 이 과정은 Ni2+에 대해서는 pH 5.0, Cu2+ 및 Cd2+에 대해서는 pH 6.0에서 최적화되었다. 흡착 거동은 Langmuir 등온식으로 가장 잘 설명되었으며, nano-SZO의 최대 흡착능(qm) 최댓값은 Cu2+에서 32.53 mg/g, Ni2+에서 32.10 mg/g, Cd2+에서 30.98 mg/g으로 각각 관찰되었다. 연구된 중금속 이온들은 나노흡착제 표면에 부착된 폴리하이드록시 기능기와의 활성 결합을 통한 화학흡착(chemisorption) 방식으로 nano-SZO에 의해 상당량 흡착되었다. 이는 생합성 nano-SZO의 중금속 이온 포획을 위한 친환경적이고 효율적인 나노흡착제 활용 가능성을 확인해 준다.

본 연구는 이동하는 바닥 웨이메이커에 의해 생성되는 비선형 주기파의 특성을 수치적으로 고찰한다. 이동 바닥 경계조건을 포함하는 고차 스펙트럴(HOS) 방법을 채택하여, 2차원 및 3차원 환경에서 삼각형 및 직사각형 형태의 바닥 웨이메이커로부터 시작되는 파를 시뮬레이션했으며, 아울러 선형 해석 해도 도출하였다. 그 결과는 더 큰 진동 진폭이 비선형 효과를 강화하여 더 가파른 꼭대기(crest), 더 평평한 골(trough), 그리고 유의하게 더 높은 고조파를 유발함을 보여준다. 3차원에서는 뱀(snake)형 진동이 비스듬히 전파하는 파를 성공적으로 재현하였다. 전파 방향에 수직한 위치에서 그림자 영역(shadow zone)이 형성되었고, 이는 회절에 의해 유도된 에너지 전달과 꼭대기 및 골을 따라 발생하는 진동을 동반하였다. HOS 모형은 약한 강제조건에서는 해석 해와 매우 유사한 일치를 보였으나, 강한 비선형성 하에서는 선형 예측을 넘어 고조파 생성과 파형 변형을 포착하였다. 본 연구는 바닥 웨이메이커의 적용을 충격적인 쓰나미형 운동으로부터 주기적 진동으로 확장하여, 비선형 파 동역학에 대한 새로운 이론적 통찰을 제공한다.

공기 중 오염물질의 분포는 대류와 확산을 포함하는 복잡한 유체역학 과정에 의해 좌우된다. 이 과정은 또한 배출원 특성, 기상학적 매개변수, 사회경제적 요인, 토지 이용 패턴의 영향을 추가로 받는다. 결정론적 및 확률론적 대기질 예측 방법에 비해, 대기질 변수에 대한 데이터 기반 모델링은 대기질에 영향을 미치는 매개변수의 높은 자유도를 다룰 수 있을 뿐 아니라, 더 높은 공간 및 시간 해상도에서 공기 오염물질 분포에 대한 해석 가능성과 이해를 제공할 수 있다. 본 연구는 오염물질 농도 관측, 기상학적 매개변수, 시공간 자료에 기반하여 도시 전역의 대기질 지수(AQI)를 예측하는 데 초점을 둔다. 연구 지역은 한국의 안산시이며, 이 지역은 미세먼지 고농도에 대한 핫스팟으로 관측되어 왔다. 안산시에 위치한 16개 모니터링 관측소에서 대기질 및 기상 자료를 수집하였다. 대기질 모니터링 관측소에서의 AQI 기록 간 상관관계를 규명하기 위해 상세한 시공간 분석을 수행하였다. 관측소 간 강력한 시공간 상관관계가 확인됨에 따라 여러 딥러닝(DL) 모델을 제안하였고, 서로 다른 시나리오에서 이들의 성능을 조사하였다. DL 모델의 적절한 선택은 (1) 오염물질 분포를 제어하는 기저 유체역학 과정에 대한 이해, 및 (2) 자료의 시공간적 특성에 근거해야 함이 관찰되었다. 또한 DL 모델의 복잡성이 항상 예측의 정확성을 보장하지는 않으며, 기저 물리 과정을 반영하도록 예측변수를 신중하게 선택한다면 단순한 모델도 우수한 성능을 제공할 수 있다.

후쿠시마 원전 사고는 장기적 사건과 실시간 사건 모두에서 완화 전략을 마련하기 위해, 해안의 핵심 기반 시설에 대한 쓰나미 위험을 정확하고 신속하게 예측하는 것이 중요함을 부각시킨다. 최근 딥러닝 모델은 쓰나미 파형과 연관된 것과 같은 고차원, 비선형, 비정상 시계열 데이터에 대해 정확하고 빠른 예측을 가능하게 했다. 따라서 본 연구는 한국 남부의 울진 원자력발전소 냉각수 취수구에서의 파형을 예측하기 위해 1차원 합성곱 신경망(convolutional neural network, CNN) 모델을 사용한다. 해당 부지는 특히 일본 서해안에서 기원하는 쓰나미에 취약하다. CNN 모델을 위한 데이터는 단층 위치에서 시작되는 쓰나미 전파의 1107개 사례에 대한 수치 시뮬레이션으로 생성된다. 파형의 시계열 데이터는 연구 지역의 연안(근해) 영역에 위치한 13개의 가상 계측기에서 예측되었으며, 그중 10개는 관측 지점으로 분류되었고 3개 계측기는 냉각수 취수구에 위치하여 목표 지점으로 분류되었다. 모델의 예측 성능 평가는 빠른 예측과 함께 매우 우수한 결과를 보였다. 본 연구는 두 가지 주요 관점을 제시한다. (i) 딥러닝 모델은 해양심층평가 및 보고(deep-ocean assessment and reporting of tsunamis) 또는 해양 파도에 대해 국소적으로 운영되는 어떤 모니터링 관측소가 기록한 것과 같은 희소한 현장 파형 데이터에 기반할 수 있으며, 지배적인 파 전파 방향을 따라 단지 몇 지점에서 수치적으로 시뮬레이션된 데이터만으로도 가능하다. (ii) 딥러닝 모델은 신속한 긴급 대응을 촉발하는 복잡한 지구재해에 대해 정확하고 빠른 예측을 수행할 수 있다.

본 연구에서는 생합성된 실리카 기반 산화아연 나노복합체(nano-SZO)를 합성 매질로부터 중금속 이온, 즉 Ni2+, Cd2+, Cu2+를 포획(sequestration)하기 위한 나노흡착제로서 탐색하였다. 나노복합체는 평균 입자 크기 30.52 nm, 영전하점(pH at zero-point charge)이 4.8인 조건에서 농업 폐기물을 활용하는 친환경 녹색 합성 접근법을 통해 제조되었다. 이 과정은 Ni2+에 대해서는 pH 5.0, Cu2+ 및 Cd2+에 대해서는 pH 6.0에서 최적화되었다. 흡착 거동은 Langmuir 등온식으로 가장 잘 설명되었으며, nano-SZO의 최대 흡착능(qm) 최댓값은 Cu2+에서 32.53 mg/g, Ni2+에서 32.10 mg/g, Cd2+에서 30.98 mg/g으로 각각 관찰되었다. 연구된 중금속 이온들은 나노흡착제 표면에 부착된 폴리하이드록시 기능기와의 활성 결합을 통한 화학흡착(chemisorption) 방식으로 nano-SZO에 의해 상당량 흡착되었다. 이는 생합성 nano-SZO의 중금속 이온 포획을 위한 친환경적이고 효율적인 나노흡착제 활용 가능성을 확인해 준다.

교각 주위의 하상(bed) 세굴은 매우 비선형적인 과정이어서 결정론적 및 확률론적 모델로 이를 예측하는 데 어려움이 있다. 본 연구는 교각 주위의 하상고(bed elevation)를 예측하기 위한 추론(inferential) 모형의 적용을 탐구한다. 목표는 해석 가능한 구조를 갖는 일반화된 머신러닝 모형을 구축하는 것이다. 활용된 역사적 데이터는 GA 매컨(Macon)의 오কম룰지 강(Ocmulgee River)에서 5th Street Bridge 교각에 설치된 센서들이 Ocmulgee River 상의 교각 주변을 대상으로 수집한 유량(streamflow)과 하상고에 대한 상세한 기록으로 구성된다. 우리는 단일 트리뿐 아니라 교각에 설치된 복수 센서에서의 하상고를 동시에 예측하기 위한 동질적(homogeneous) 앙상블 모형을 포함하여, 다양한 트리 기반 머신러닝 알고리즘의 정확도와 효율을 조사한다. 앙상블 모형은 bagging 및 boosting 기법을 기반으로 하였다. 모형의 강건성(robustness)을 타협하지 않으면서 과적합(overfitting)과 과소적합(underfitting) 간의 균형을 맞추는 데 특별한 주의를 기울였다. 성능 지표를 관찰한 결과, 트리 기반 모형은 우수한 예측 능력을 보였다. boosting 모형은 bagging 모형보다 우수했으며, 여기에는 gradient 기반 회귀 모형과 adaptive boosting이 포함된다. 본 연구에서 조사된 모든 모형 중에서 adaptive boosting 방법이 가장 높은 일반화 가능성을 보이는 것으로 관찰되었다. 개발된 모형들의 성능은 복잡한 비선형 유동에 대해 신속하고 강건한 예측을 제공하는 데 있어 트리 기반 앙상블 모형의 잠재력을 시사한다.

교량 세굴의 다양한 구성 요소 간 상호작용은 복잡한 현상이다. 홍수 시 교량이 침수되는 경우, 세굴 메커니즘은 더욱 복잡해진다. 따라서 교량 세굴의 다양한 구성 요소 간 상호작용을 규명하기 위해, 수력 실험실에서 축소 모형을 이용한 상세한 조사가 수행되었다. 세굴 실험은 맑은 물 조건에서 자유 유출, 침수형 오리피스(잠수 오리피스), 그리고 월류 흐름(OT) 하에서 수행되었다. 그 결과, 교각, 교대, 그리고 수축 세굴의 동시 효과로 인해 발생하는 총 상호작용 세굴은, 각 구성 요소가 독립적으로 작용할 때의 합에 비해 평형 세굴 심도가 감소하는 것으로 나타났다. HEC-18 방법론과의 비교에서는, 본 연구에서 제안한 모형에 의해 과대평가의 큰 편향이 제거되었음을 보여주었다. 그러나 교각 세굴과 수직 수축 세굴의 상호작용은 수직 수축 세굴을 산정하기 위해 Lyn의 수정 모형을 사용할 것을 권고하는 경우를 제외하면, 개별 세굴 구성 요소의 합으로 남아 있었다. 과거 역사적 사건에서의 현장 사례를 이용하여 모형을 검증하였으며, 그 결과 제안 모형과의 일치도가 양호한 것으로 나타났다.

교량 교대(橋臺) 세굴은 복합적인 현상으로, 교량의 안정성에 상당한 영향을 미치며 전 세계의 수로를 가로지르는 다수의 교량에서 손상과 실패를 야기하는 원인이 된다. 광범위하고 막대한 인적 및 사회적 비용을 고려할 때, 교량 교대 세굴의 메커니즘을 규명하기 위해 수많은 실험 연구가 수행되었고, 여러 경험적 및 수학적 예측 모델이 이용 가능하다. 그러나 세굴공(scour hole)의 위치와 그 범위는 세부적으로 조사되지 않았는데, 이는 교량 안정성 자체뿐만 아니라 교량 주변 구조물의 안전과 그 설계에 있어서도 중요한 매개변수이다. 따라서 본 연구에서는 서로 다른 유동 조건에서 침식성 교대(교대재) 길이를 여러 가지로 변화시켜 실험실 실험을 수행함으로써, 세굴공의 위치에 관하여 교대를 분류하기 위한 새로운 수학적 기준을 제안하고자 하였다. 또한 추가 분석을 통해 교대 주변에서 가장 깊은 세굴 깊이의 지점과 세굴공의 범위를 규명하였다. 세로 방향뿐 아니라 유동 방향에서도, 세굴공의 위치와 가장 깊은 세굴 지점은 기하학적 수축비(geometric contraction ratio)에 의해 지배된다. 본 연구는 세굴공의 위치와 범위와 관련하여 교량 자체의 안전성뿐만 아니라 교량 인근의 하천 치수/하천 정비(training works) 공작물의 안전성 분석에 유용할 것이다.

하천유량은 수문순환에서 매우 중요한 구성요소이며, 하천유량의 변동은 수문학적 재난의 징후가 될 수 있다. 따라서 하천유량 변동을 정확하게 정량화하는 것은 수자원 공학의 핵심 관심사이다. 본 연구에서는 북한강(Buk Han River; BHR), 남한강(Nam Han River; NHR), 한강 하류(Lower Han River; LHB) 등 세 개의 대하천에서 유량에 영향을 미치는 요인을 평가하고 그 효과를 분해하였다. 기후 탄력성 접근법 및 분해 프레임워크와 함께 Pettit 검정을 사용하여 기후 변동성과 인위적 활동의 영향을 정량화하고 분해하기 위한 변곡점을 조사하였다. 유량 및 강수 자료에서의 급격한 변곡점은 각각 1997년과 1995년에 검출되었다. 이러한 변곡점을 고려하여 시계열을 기저기간과 기저기간 이후 기간의 두 기간으로 구분하였다. 기후 탄력성 접근법을 이용하여 기저기간, 기저기간 이후 기간, 그리고 미래기간(2031–2060 및 2071–2100) 동안 인위적 활동과 기후 변동성의 영향을, Representative Concentration Pathways의 4.5 및 8.5 시나리오 하에서 정량화하였다. 그 결과, 기후 변동성은 BHR과 NHR에서 하천유량 변화의 주요 원인으로 나타났으며, 각각 전체 변화의 76.52%–80.51%를 차지하였다. 반면 LHR은 인위적 활동에 대해 더 민감하게 반응하였고, 인위적 활동은 하천유량의 전체 변동에서 56.42%를 차지하였다. 또한 미래의 기후 변화는 두 시나리오 모두에서 강수와 기온의 증가를 보였으며, 특히 원거리 미래 기간(2071–2100)에서 두드러졌다. 기후 요인의 이러한 변동은 미래의 하천유량에 22.14%–27.32%의 영향을 미치는 것으로 나타났다. 본 연구 결과는 인위적 활동 및 기후 변화가 수문학적 재해의 위험을 저감하기 위해 미치는 영향을 고려할 때, 대하천 유역의 향후 계획 수립에 매우 중요한 역할을 할 수 있다.