http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
K<sub>2</sub>CO<sub>3</sub>가 흡착된 합성제올라이트 구조체의 소화농도에 관한 연구
김승일,신창섭,Kim, Seung-Il,Shin, Chang-Sub 한국화재소방학회 2012 한국화재소방학회논문지 Vol.26 No.4
본 연구에서는 입자크기 및 밀도가 비교적 작고 소화효과에 있어서 부촉매효과를 나타내는 다공성 흡착제인 합성제올라이트에 $K_2CO_3$를 중량비에 따라 흡착시킨 구조체의 소화농도를 측정하였다. 그리고 구조적 특성을 파악하고자 주사전자 현미경(SEM)의 측정 및 X-Ray 회절분석, 열분석 등을 실시하였다. 흡착구조체의 소화농도실험에서 중량비에 관계없이 순수 $K_2CO_3$의 소화농도보다 모두 낮게 나타났다. 그리고, 특히 $K_2CO_3$와 합성제올라이트의 중량비가 7 : 3인 경우는 소화농도가 5.72배 낮게 측정되었고 ABC분말소화약제보다 약 1.1배 낮게 나타났다. SEM 사진 및 XRD 회절패턴분석을 통해 $K_2CO_3$가 합성제올라이트에 흡착되었다는 것을 알 수 있었고, 열분석을 통해 흡착구조체가 순수 $K_2CO_3$보다 소화에 긍정적인 영향을 미쳤을 것이라 추정할 수 있었다. In the study, fire extinguishing concentration of $K_2CO_3$-Zeolite composite was measured. Zeolite composite is a porous adsorbent which has small particle size, low density and anti-catalytic effect. Scanning Electron Microscopy, X-Ray diffraction and thermal analysis were also conducted to investigate the structural properties of composite. The result showed that despite of weight ratio, the extinguishing concentration of the composite was lower than pure $K_2CO_3$. The extinguishing concentration of $K_2CO_3$-Zeolite composite which has weight ratio of 7 : 3 was 5.72 times lower than that of pure $K_2CO_3$ and 1.1 times lower than that of ABC powder. The SEM and XRD patterns showed that $K_2CO_3$ was adsorbed on the Zeolite properly, and through the thermal analysis, it was founded that the composite is more effective extinguishing agent than pure $K_2CO_3$.
다중 주파수 대역 convolutional neural network 기반 지진 신호 검출 기법
김승일,김동현,신현학,구본화,고한석,Kim, Seung-Il,Kim, Dong-Hyun,Shin, Hyun-Hak,Ku, Bonhwa,Ko, Hanseok 한국음향학회 2019 韓國音響學會誌 Vol.38 No.1
본 논문에서는 국내에서 발생한 지진 신호를 검출 및 식별하기 위한 방법을 다루었다. 국내에서 발생한 지진 신호들을 분석해 본 결과 서로 다른 주파수 대역 신호의 특징들이 각각 분류를 위한 특징으로 적절함을 확인할 수 있었다. 이러한 분석 결과를 바탕으로 지진 신호에서 추출한 다중 주파수 대역 특징을 기반으로 하는 CNN(Convolutional Neural Network) 기법에 대해서 제안하였다. 제안하는 다중 주파수 대역 CNN 기법은 지진 신호에서 추출한 멜 스펙트럼에 대해서 각각 필터를 적용하여 서로 다른 주파수 대역(저/중/고 주파수)의 신호를 추출하였다. 추출된 신호들을 바탕으로 각각 CNN 기반 분류를 수행하였고, 수행된 결과를 융합하여 최종적으로 지진 이벤트에 대해 식별하였다. 2018년 동안 대한민국에서 발생한 실제 지진데이터를 기반으로 하는 실험을 통해 제안하는 기법에 대한 효용성을 검증하였다. In this paper, a deep learning-based detection and classification using multi-band frequency signals is presented for detecting earthquakes prevalent in Korea. Based on an analysis of the previous earthquakes in Korea, it is observed that multi-band signals are appropriate for classifying earthquake signals. Therefore, in this paper, we propose a deep CNN (Convolutional Neural Network) using multi-band signals as training data. The proposed algorithm extracts the multi-band signals (Low/Medium/High frequency) by applying band pass filters to mel-spectrum of earthquake signals. Then, we construct three CNN architecture pipelines for extracting features and classifying the earthquake signals by a late fusion of the three CNNs. We validate effectiveness of the proposed method by performing various experiments for classifying the domestic earthquake signals detected in 2018.